[发明专利]机器人自学习方法、机器人终端、装置及可读存储介质在审

专利信息
申请号: 201910900576.6 申请日: 2019-09-23
公开(公告)号: CN110674276A 公开(公告)日: 2020-01-10
发明(设计)人: 周楠楠;杨海军;徐倩 申请(专利权)人: 深圳前海微众银行股份有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F40/289;G06K9/62
代理公司: 44287 深圳市世纪恒程知识产权代理事务所 代理人: 王韬
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预处理 备选答案 机器人终端 机器人 知识库 可读存储介质 相似度匹配 答案 目标答案 匹配结果 用户问题 有效问题 自学习 准确率 更新
【说明书】:

发明公开了一种机器人自学习方法,包括以下步骤:获取待回答问题,对所述待回答问题进行预处理,得到预处理后的待回答问题,而后在确定预处理后的待回答问题为有效问题时,生成预处理后的待回答问题对应的备选答案列表,接下来在获取到预处理后的待回答问题对应的用户答案时,将所述用户答案与所述备选答案列表中各个备选答案进行相似度匹配,根据匹配结果确定预处理后的待回答问题对应的目标答案。本发明还公开了一种装置、机器人终端及可读存储介质。实现了机器人终端的知识库及时更新的同时,提高了机器人回答用户问题的准确率。

技术领域

本发明涉及机器学习技术领域,尤其涉及一种机器人自学习方法、机器人终端、装置及可读存储介质。

背景技术

近年来,随着语音识别技术在机器人终端控制中的应用,机器人终端的应用领域不断扩大,广泛应用于工业、家电、通信、汽车电子、医疗、家庭服务和消费电子类产品等领域。智能机器人终端语音交互是基于语音输入的新一代交互模式,通过人机交互就可以得到反馈结果。

目前,机器人终端当被问到不在知识库中的问题时,一般都会先给出类似“我不知道哦”、“我还在学习”等默认回复,同时将这些不会的问题记录下来,由人工定期对这些问题审核,选出其中一些有意义的问题,配上回复答案更新到机器人终端的知识库中,这样不仅使得机器人终端的知识库更新具有一定的滞后性,而且耗费人力物力。

上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种机器人自学习方法、机器人终端、装置及可读存储介质,旨在解决现有智能机器人终端采用人工方式定期更新知识库,导致更新滞后且效率低的技术问题。

为实现上述目的,本发明提供一种机器人自学习方法,所述的机器人自学习方法包括以下步骤:

获取待回答问题,对所述待回答问题进行预处理,得到预处理后的待回答问题;

在确定预处理后的待回答问题为有效问题时,生成预处理后的待回答问题对应的备选答案列表,其中,所述备选答案列表包括N个备选答案,所述N是正整数;

在获取到预处理后的待回答问题对应的用户答案时,将所述用户答案与所述备选答案列表中各个备选答案进行相似度匹配,根据匹配结果确定预处理后的待回答问题对应的目标答案。

进一步地,在一实施方式中,所述获取待回答问题,对所述待回答问题进行预处理,得到预处理后的待回答问题的步骤包括:

获取待回答问题,对所述待回答问题进行去口语化处理;

对去口语化后的待回答问题进行分词,得到去口语化后的待回答问题对应的词汇列表;

基于目标纠错模型确定所述词汇列表中各个词汇的评分值;

基于所述各个词汇的评分值对去口语化后的待回答问题进行纠错,得到预处理后的待回答问题。

进一步地,在一实施方式中,所述基于各个词汇的评分值对去口语化后的待回答问题进行纠错,得到预处理后的待回答问题的步骤包括:

在所述各个词汇中存在评分值小于预设分数的错误词汇时,获取所述错误词汇对应的前驱词;

基于预设的语料库以及所述前驱词,确定所述错误词汇对应的备选词汇列表;

基于所述目标纠错模型确定所述备选词汇列表中各个备选词汇的得分,并获取所述各个备选词汇的得分中的最大值;

将所述最大值对应的备选词汇替换所述错误词汇,得到预处理后的待回答问题。

进一步地,在一实施方式中,所述在确定预处理后的待回答问题为有效问题时,生成预处理后的待回答问题对应的备选答案列表的步骤包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司,未经深圳前海微众银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910900576.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top