CN101685454A - 人机交互方法及系统 - Google Patents

Abstract

本发明实施例公开了一种人机交互方法及系统，将人机交互的过程划分成不同的对话状态，每个对话状态分别对应一个处理过程；该方法包括：根据用户输入的即时上下文信息，获得反映所述用户需求的特征信息；至少根据所述特征信息和领域知识，确定当前与所述用户需求匹配的对话状态；调用并执行与所述确定的对话状态对应的处理过程，并将所述处理过程的处理结果返回给用户。通过本发明实施例，以匹配用户需求，实现个性化的、拟人体验的人机交互过程，从而提高用户体验性。

Description

人机交互方法及系统

技术领域

本发明涉及计算机领域，尤其涉及一种人机交互的方法和人机交互系统。

背景技术

人机交互技术(Human-Computer Interaction Techniques)是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。人机交互技术包括计算机通过显示设备输出提示、提问或者答案等信息，通过输入设备将需求信息、或者对计算机提问做出的回答等信息输入到计算机。

目前，人机交互主要采用如下两种实现方式：

第一，对用户输入的语句进行分解，提取出语句中包含的领域关键词，将当前的主题切换到与所提取的领域关键词对应的主题上，即仅是基于领域关键词简单实现对话主题的切换。例如：当用户输入“明天天气”时，对用户输入的信息进行分解时得到“天气”这个领域关键词，系统就会自动切换到天气信息查询主题，并由天气预报中心向用户提供天气信息。

上述系统只实现了用户问-系统答的单向人机交互，当用户输入的语句与该系统提供主题不能直接对应时，系统就无法向用户返回正确的信息。

第二，在上述人机交互方法方案的基础上，增加对话控制的功能，当用户输入的语句与系统的所能提供主题不能直接对应时，按照预定的模板向用户返回引导性问题，将用户引导到该系统所能提供的主题上。例如：机场的机票订购系统直接提供的主题是各个航空公司的航班信息，如果用户输入的语句为“16日北京到深圳的航班”，由于该语句中没有任何关于航空公司的关键词，该机票订购系统无法切换到正确的主题，则该机票订购系统会向用户返回“您想查询下列哪一个航空公司的航班信息？”，从而将用户引导到系统所能提供的主题上；即可以基于即时上下文信息进行简单的引导。发明人在对现有人机交互系统的研究过程中发现：在现有人机交互系统中，无论用户输入的语句有什么变化，系统做出的操作是为了把用户引导到系统制定好的主题上，而系统制定的主题有可能并不是用户希望获取的主题，因此，现有系统无法针对用户的需求，提供匹配用户需求的、个性化的、拟人体验的服务。

发明内容

本发明实施例提供一种人机交互方法及系统，以匹配用户需求，实现个性化的、拟人体验的人机交互过程，从而提高用户体验性。

本发明的实施例采用如下技术方案：

一种人机交互方法，该方法包括：

根据用户输入的即时上下文信息，获得反映所述用户需求的特征信息；

至少根据所述特征信息和领域知识，确定当前与所述用户需求匹配的对话状态；

调用并执行与所述确定的对话状态对应的处理过程，并将所述处理过程的处理结果返回给用户。

一种人机交互系统，该系统包括：

自然语言理解模块，用于根据用户输入的即时上下文信息，获得反映所述用户需求的特征信息；

动态交互模块，用于加载领域知识，并组织所述自然语言理解模块获得的特征信息；

状态控制与处理模块，用于至少根据所述领域知识和所述特征信息，确定当前与所述用户需求匹配的对话状态；调用并执行与所述对话状态对应的处理过程；

自然语言生成模块，用于将所述处理过程对应的处理结果返回给用户。

本发明实施例提供的人机交互方法及系统，由于将人机交互过程划分成不同的对话状态，而且对应不同的对话状态有不同的处理方法，根据用户输入的即时上下文信息获得特征信息，至少根据特征信息和领域知识确定与该用户需求匹配的对话状态，其中，这些特征信息包括：关键词、词性、句法等等，然后调用并执行该对话状态对应的处理过程，该处理过程能够向用户返回处理结果，为人机双向对话过程。由于根据用户输入的即时上下文信息的不同，该系统确定与该用户需求匹配的对话状态，从而能够实现根据用户的需求动态调整匹配用户需求的对话状态，从而实现个性化的、拟人体验的人机交互过程，从而提高用户体验性。

附图说明

图1为本发明实施例1中人机交互方法的流程图；

图2为本发明实施例1中人机交互系统的框图；

图3为本发明实施例2中人机交互方法的流程图；

图4为本发明实施例2中人机交互系统的框图；

图5为本发明实施例3中人机交互方法的流程图；

图6为本发明实施例3中人机交互系统的框图；

图7为本发明实施例4中人机交互方法的流程图；

图8为本发明实施例4中人机交互系统的框图；

图9为本发明实施例5中开放学习过程的流程图；

图10为本发明实施例6中历史上下文处理过程的流程图；

图11为本发明实施例6中人机交互系统的框图。

具体实施方式

下面结合附图对本发明实施例人机交互方法、装置进行详细描述。

本发明实施例中，预先实现对话状态的划分，每个对话状态分别对应一个处理过程，根据用户输入的即时上下文信息获得反映用户需求的特征信息后，结合领域知识、用户个性化信息、群体信息等信息，确定匹配当前用户需求的对话状态，执行该对话状态对应的处理过程，有效的控制对话过程，提供拟人化的双向交互(即“用户问-系统答，系统问-用户答”的双向混合主导模式)过程，以较少的人机交互代价，理解和匹配用户需求，为用户提供个性化的引导、推理、推荐等服务，实现个性化的、拟人体验的人机交互过程，从而提高用户体验性。本发明实施例提供的人机交互系统，获得用户进一步输入的即时上下文信息后，确定的对话状态可以是从原先确定的对话状态切换到一种新的对话状态，也可以仍是原来的对话状态，其中，针对执行原来对话状态的处理过程中生成的动态主题树，随着用户进一步输入的即时上下文信息，可以不断扩展动态主题树，即实现动态主题树的维护。

实施例1：

本发明实施例提供了一种人机交互方法，在该方法中，将人机交互过程中出现的不同阶段划分成不同的对话状态，并且每个对话状态对应相应的对话过程，这里的对话过程是人机双向对话过程，即系统不仅可以根据用户的提问信息反馈答复信息，还能主动发问。如图1所示，本发明实施例中的人机交互方法包括如下步骤：

11、接收用户输入的即时上下文信息，根据所述即使上下文信息获得反映该用户需求的特征信息，例如：用户输入“我想到南山吃饭”，“我想到南山吃饭”为即时上下文信息，而“南山”、“吃饭”为特征信息。

12、根据领域知识和上述的特征信息确定与该用户需求匹配的当前对话状态，该即时上下文信息中的特征信息主要包括关键词、句法、词性等等，例如：特征信息为“南山”，“吃饭”，根据领域知识和“南山”、“吃饭”确定当前对话状态为查询状态。

13、调用并执行所述确定的对话状态所对应的处理过程；

针对上面的例子，即：执行查询状态对应的处理过程，例如：根据获得的特征信息进行相应的搜索(这里的特征信息即查询条件)，并将搜索的结果即网络资源。

14、向用户返回处理结果；针对上面的例子，即：将所述的网络资源返回给用户。在另一种实现下，可以是根据处理结果生成自然语言形式的引导性的回复内容，并向用户返回。

进一步，该方法还包括：

加载与该用户相关的共性倾向信息和/或该用户的个性倾向信息，所述共性倾向信息包括用户输入的共性倾向信息或基于该用户的历史上下文信息挖掘得到的该用户的共性倾向信息；所述个性倾向信息包括用户输入的个性倾向信息或基于该用户的历史上下文信息挖掘得到的该用户的个性倾向信息。

以及，将所述获得的特征信息、所述共性倾向信息和/或所述个性倾向信息按照树形结构组织；或者将所述特征信息进一步加入到已有的树形结构中，得到动态主题树。

步骤12包括：根据所述特征信息以及用户个性倾向信息和共性倾向信息中的至少一个结合领域知识，确定当前与所述用户需求匹配的对话状态。

当所述确定的对话状态为推理状态时，所述步骤13中调用并执行与所述对话状态对应的处理过程包括：

根据所述特征信息以及所述用户个性倾向信息和共性倾向信息中的至少一个推理生成衍生信息；

步骤14中将所述处理过程的处理结果返回给用户包括：根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

以及，当所述确定的对话状态为推理状态时，所述步骤13中所述调用并执行与所述对话状态对应的处理过程包括：

根据所述特征信息以及所述用户个性倾向信息和共性倾向信息中的至少一个推理生成衍生信息；

根据所述衍生信息和所述特征信息查找知识库中的网络资源；

若查找到网络资源，则所述将所述处理过程的处理结果返回给用户包括：根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容；

若没有查找到网络资源，则执行与查询状态对应的处理过程。

以及，当所述确定的对话状态为查询状态时，所述步骤13中所述调用并执行与所述对话状态对应的处理过程包括：

根据所述特征信息查找知识库中的网络资源；

若查找到网络资源，则判断所述网络资源的数量是否多于预定数量；

若所述网络资源的数量多于预定数量，则步骤14中将所述处理过程的处理结果返回给用户包括：根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容；

若所述网络资源数量少于预定数量，则步骤14中将所述处理过程的处理结果返回给用户包括：向用户返回所述网络资源。

若没有查找到网络资源，则步骤14中将所述处理过程的处理结果返回给用户包括：根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

以及，当所述用户输入的即时上下文信息为关于所返回的回复内容或者网络资源的评价信息时，所述步骤11中根据用户输入的即时上下文信息获得反映所述用户需求的特征信息包括：对所述评价信息进行情感倾向分析处理，获得表示用户不满意的特征信息；

当所述确定的对话状态为不满意状态时，所述步骤13中调用并执行与所述对话状态对应的处理过程包括：输出当前对话状态的标识和上一个对话状态的标识；

则，步骤14中将所述处理过程的处理结果返回给用户包括：根据所述当前对话状态的标识和上一个对话状态的标识生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

对应于上述人机交互方法，本发明实施例还提供一种人机交互系统，如图2所示，该人机交互系统包括：自然语言理解模块21、动态交互模块22和状态控制与处理模块23、自然语言生成模块24。

其中，自然语言理解模块21，用于对用户输入的即时上下文信息进行自然语言处理(NLP)，即根据用户输入的即时上下文信息获得反映该用户需求的特征信息；

动态交互模块22，用于加载领域知识，并组织所述获得的特征信息，本实施例中的特征信息是按照动态主题树的形式组织的；这里的领域知识包括多个领域词典，并且每个对话状态都设有相应的领域词典，如果所述特征信息刚好落在某个领域词典内，那么就可以确定本次人机交互中用户所需的对话状态就是这个领域词典相应的对话状态。

状态控制与处理模块23，用于至少根据所述领域知识和所述特征信息，确定当前匹配该用户需求的对话状态；调用并执行与所述对话状态对应的处理过程。

自然语言生成模块24，用于将处理过程执行的处理结果返回给用户。

本实施例中的对话状态可以包括很多种，例如：查询状态、推理状态、闲聊状态、不满意状态等，其中的查询状态中包括引导性回复或者返回网络资源，具体实现方式见实施例2和实施例3中的详细说明。

本发明实施例提供的人机交互方法及系统，由于对人机交互过程划分了不同的对话状态，而且对应不同的对话状态有不同的处理方法，至少根据特征信息和领域知识确定当前匹配用户需求的对话状态，其中，这些特征信息包括：关键词、词性、句法等等，然后调用该对话状态对应的处理功能进行处理，并将处理结果返回给用户，实现了人机双向交互过程。根据用户输入的即时上下文信息的不同，该系统可以确定当前匹配用户需求的对话状态，该对话状态可以根据用户需求发生变化，故能够实现对话状态的动态调整，从而能够实现根据用户的需求动态调整匹配用户需求的对话状态，实现个性化的、拟人体验的双向人机交互过程，进而提高用户体验性。

实施例2：

本发明实施例还提供了一种人机交互方法，应用于人机交互系统，如图3所示，本发明实施例人机交互方法包括如下步骤：

301、人机交互系统加载知识库中的资源和用户信息库中的资源，其中知识库中的资源包括：领域知识、网络资源和专家制定的规则等信息；用户信息库中的资源包括：共性倾向信息、个性倾向信息等信息。

这里的领域知识表示人机交互过程所应用领域的知识，通过领域知识并结合特征信息能够确定匹配用户需求的对话状态。一般来说，领域知识包括多个领域词典，并且每个对话状态都设有相应的领域词典，如果所述特征信息刚好落在某个领域词典内，那么就可以确定本次人机交互中用户所需的对话状态就是这个领域词典相应的对话状态。当然，如果通过某个即时上下文信息能够获取多个特征信息，而这些特征信息分别属于不同的对话状态相应的领域词典，则根据这些对话状态之间的优先级来确定当前与用户需求匹配的对话状态，例如：当查询状态和推理状态都存在时，而推理状态优先级较高，则确定推理状态为与用户需求匹配的对话状态。

302、用户登陆该人机交互系统，该系统已加载了该用户的个性倾向信息，以及与该用户相关的共性倾向信息，并将这些信息以树形结构组织起来，生成动态主题树的次主属性分支。

303、人机交互系统接收用户输入的即时上下文信息。例如：用户输入的即时上下文信息为“我想吃川菜”。

304、人机交互系统分析用户输入的即时上下文信息，根据所输入的即时上下文信息获取反映该用户需求的特征信息，并按照树形结构组织这些特征信息，即基于特征信息生成动态主题树的主属性分支，主属性分支是按照特征信息的重要性排序的，可以描述用户子需求的权重以及时间序列。本发明实施例中的特征信息包括：关键词(“川菜”)、以及由关键词得出的特征信息等，本实施例中采用将即时上下文信息中的关键词(“吃”)得出的特征信息“餐馆信息”作为主属性分支中最重要的特征信息，而将特征信息“川菜”作为主属性分支中次重要的特征信息。

305、根据之前加载的领域知识和所述特征信息确定当前匹配该用户需求的对话状态，上述特征信息包括：关键词、句法、词性等。例如：系统可以根据“餐馆信息”和“川菜”等特征信息结合领域知识中的领域词典判断出对话状态为查询状态。

由于本发明实施例中确定的对话状态为查询状态，下面具体说明调用并执行查询状态对应的处理过程。

306、参考动态主题树的主属性分支中的特征信息在已经加载的知识库的所有网络资源中查找网络资源。在本发明实施例中，系统在上述所有网络资源中查找所有川菜餐馆的网络资源。

307、判断是否查找到网络资源，若查找到了网络资源，则执行步骤308；若没有查找到网络资源，则执行步骤310。

308、判断网络资源数量是否大于预定数量，若网络资源数量大于预订数量，则执行步骤310；若网络资源数量小于或等于预订数量，则执行步骤309。

本发明实施例中取预定数量为5，若网络资源数量小于或等于5，则执行步骤309；资源数量大于5，则执行步骤310。

309、人机交互系统向用户返回查找到的网络资源，假设本发明实施例中查找到了5条川菜餐馆的网络资源，则将查找到的5条川菜餐馆的网络资源直接反馈给用户。应当理解的是：如果执行查询状态对应的处理过程的处理结果是查找到的网络资源，则向用户返回该网络资源。

310、系统生成自然语言形式的引导性回复内容，并将引导性回复内容返回给用户，其中的引导性回复内容可以根据用户的当前查询状态的标识、特征信息，以及个性倾向信息和共性倾向信息中的至少一个生成。在本发明实施例中，例如：系统可能会引导用户，提问“你想到哪吃饭”的自然语言形式的引导性回复内容。应当理解的是：通过将执行查询状态对应的处理过程的处理结果输出到自然语言生成模块，以生成自然语言形式的引导性回复内容。

311、判断用户是否继续输入即时上下文信息，如果用户继续输入即时上下文信息，则执行步骤303，否则执行步骤312。例如：用户对于310步骤中系统的提问“你想到哪吃饭”作出回复“南山”，继续执行步骤303，系统分析“南山”属于地名，然后系统就会把子主题地址(南山)加入到已有的餐馆信息动态主题树中，动态主题树的内容得到补充。如果系统在之后的交互过程中从用户输入的即时上下文信息中又得到关于价格的特征信息，则系统会把子主题价位加入到主题树中，假设在之后的人机交互过程中，系统分析用户输入内容得到用户对加入子主题价格后返回的网络资源不满，那么系统会从主题树中将子主题价格去掉，重新进行网络资源的查询，实现回溯查询。假设用户已得到了想要的川菜餐馆信息，用户又想查询宾馆信息，输入“南山有几家宾馆”，系统分析即时上下文信息中的特征信息包括关键词“宾馆”等，系统发现宾馆信息与之前的餐馆信息无任何关联，发现用户最重要的需求已改变，系统不会将宾馆信息加入到原餐馆信息主题树中，而是会将宾馆信息作为一个新的动态主题树替换掉之前的动态主题树，实现对话主题的变更。即动态主题树的内容是动态变化的，不是一旦生成就固定不变的。

312、保存用户当前对话的即时上下文信息，以及根据即时上下文信息获得的反映用户需求的特征信息，并保存本次人机交互过程中系统所调用的对话状态序列和动态主题树内容等。

对应于上述人机交互方法，本发明实施例还提供一种人机交互系统，该系统将人机交互的过程划分出不同的对话状态，并且每个对话状态分别对应一个处理单元；如图4所示，该系统包括：自然语言理解模块41、动态交互模块42、状态控制与处理模块43和自然语言生成模块44。

其中，自然语言理解模块41用于对用户输入的即时上下文信息进行自然语言处理(NLP)，即根据接收的用户输入的即时上下文信息获得反映该用户需求的特征信息；

动态交互模块42用于加载领域知识，并组织所述特征信息(即时上下文信息中的关键词和由关键词得到的特征信息，如“吃”得到餐馆信息)；即本实施例中的特征信息是按照动态主题树的形式组织的；

状态控制与处理模块43用于至少根据所述领域知识和所述特征信息，确定当前匹配该用户需求的对话状态；调用并执行与所述对话状态对应的处理过程；

自然语言生成模块44，用于将该处理过程对应的处理结果返回给用户，以完成人机双向交互过程，所谓的人机双向交互过程是指“用户问-系统答，系统问-用户答”的双向混合主导模式的人机交互。

在一种实现下，上述系统中的动态交互模块42，具体用于从用户信息库、知识库中加载领域知识、以及与该用户相关的共性倾向信息和该用户的个性倾向信息，并且将获得的特征信息、用户个性化信息按照树形结构组织(基于特征信息生成主题树主属性分支，基于该用户的个性倾向信息生成动态主题树次主属性分支)，或者将获得的特征信息进一步加入到已有的树形结构中，完成动态主题树的创建或维护。

本实施例中的状态控制与处理模块43包括：状态判断和分发单元和至少一个处理单元，每个对话状态分别对应一个处理单元，其中的状态判断和分发单元用于根据所述特征信息以及用户个性倾向信息和共性倾向信息中的至少一个结合所述领域知识，确定当前与所述用户需求匹配的对话状态，调用与所述对话状态相应的处理单元进行处理；

至少一个处理单元，每个对话状态分别对应一个处理单元，用于以对应该对话状态的处理方式进行处理并输出处理结果。即不同的处理单元用于在不同的对话状态下进行人机双向交互处理。

对应于上述图3描述的人机交互过程，本实施例中的状态控制与处理模块43具体实现如下：

如图4所示，状态控制与处理模块43包括：

状态判断和分发单元431，用于确定对话状态为查询状态，调用查询状态对应的处理单元，即调用查询状态处理单元432进行后续处理；

查询状态处理单元432用于根据所述特征信息(动态主题树的主属性分支)、查找知识库中的网络资源；若查找到网络资源，则判断所述网络资源的数量是否多于预定数量；在所述网络资源的数量多于预定数量时，由所述自然语言生成模块44根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容；在所述网络资源数量少于预定数量时，由所述所述自然语言生成模块44向用户返回所述网络资源。

其中，查询状态下，查询状态处理单元432在所述网络资源的数量多于预定数量时通过自然语言生成模块44生成自然语言形式的引导性回复内容，其生成回复内容的依据包括如下几种情况：

1、根据用户信息库中该用户的查询状态、个性倾向信息、和所述即时上下文信息中的特征信息生成对应的回复内容；

2、根据查询状态、用户信息库中与该用户相关的共性倾向信息和所述即时上下文信息中的特征信息生成对应的回复内容；

3、同时结合查询状态、用户信息库中该用户的个性倾向信息、与该用户相关的共性倾向信息、以及所述即时上下文信息中的特征信息生成对应的回复内容。

当查询状态处理单元432没有查找到网络资源时，也通过自然语言生成模块44向用户返回一个自然语言形式的引导性回复内容，该回复内容的生成及发送过程和上述网络资源的数量多于预定数量时对应的过程相似，此处不再赘述。

本发明实施例中还需要用到用户信息库和知识库，其中用户信息库用来储存用户的注册信息、用户的个性倾向信息及与用户相关的共性倾向信息；知识库中存储了网络资源、专家规则以及领域知识等。

本发明提供的人机交互方法及系统，由于对人机交互过程划分了不同的对话状态，而且对应不同的对话状态有不同的处理方法。本发明实施例说明了当对话状态为查询状态时，调用并执行查询状态对应的处理过程，若系统发现资源量过大或无资源时，无法直接返回资源，系统可以根据所述即时上下文信息中的特征信息、用户的个性倾向信息和/或共性倾向信息向用户返回自然语言形式的引导性回复内容(例如：提问或者提示)，然后根据用户接着输入的即时上下文信息，进一步增加限制条件，缩小搜索范围，返回经过系统挑选的用户可能想要的结果，从而精确快速地匹配用户需求，达到为用户服务的目的；而现有技术会返回所有查到的资源，这样就需要用户从中自己挑选想要的结果，浪费许多时间和精力，或者系统根本没有资源反馈给用户。

实施例3：

本发明实施例提供了一种人机交互方法，应用于人机交互系统，如图3所示，本发明实施例的人机交互方法包括如下步骤：

501、人机交互系统加载知识库中的资源和用户信息库中的资源，其中知识库中的资源包括：领域知识、网络资源和专家规则等；用户信息库中的资源包括：共性倾向信息、个性倾向信息等。

这里的领域知识表示人机交互过程所应用领域的知识，通过领域知识并结合特征信息能够确定匹配用户需求的对话状态。一般来说，领域知识包括多个领域词典，并且每个对话状态都设有相应的领域词典，如果所述特征信息刚好落在某个领域词典内，那么就可以确定本次人机交互中用户所需的对话状态就是这个领域词典相应的对话状态。当然，如果通过某个即时上下文信息能够获取多个特征信息，而这些特征信息分别属于不同的对话状态相应的领域词典，则根据这些对话状态之间的优先级来确定当前与用户需求匹配的对话状态，例如：当查询状态和推理状态都存在时，而推理状态优先级较高，则确定推理状态为与用户需求匹配的对话状态。

502、用户登陆上述提供人机交互服务的系统，该系统已加载了该用户的个性倾向信息，以及与该用户相关的共性倾向信息，并将这些信息以树形结构组织起来生成动态主题树的次主属性分支。

503、人机交互系统接收用户输入的即时上下文信息。例如：用户输入的即时上下文信息为“我想请朋友吃饭”。

504、人机交互系统分析用户输入的即时上下文信息，即根据所述即时上下文信息获取反映该用户需求的特征信息，并按照树形结构组织这些特征信息，即基于特征信息生成动态主题树的主属性分支，主属性分支是按照特征信息的重要性排序的。本发明实施例的即时上下文信息中的特征信息包括：关键词、以及由关键词得出的特征信息等，本实施例中采用将即时上下文信息中的关键词“吃饭”得出的特征信息“餐馆信息”作为动态主题树的主属性分支中最重要的特征信息，而将特征信息“朋友”作为主属性分支中次重要的特征信息。

505、根据之前加载的领域知识和所述特征信息确定当前匹配该用户需求的对话状态。例如：系统可以根据“朋友”和“餐馆信息”等特征信息结合领域知识确定当前对话状态为推理状态。

由于本发明实施例中查找到的对话状态为推理状态，下面具体说明调用并执行的推理状态的处理过程。

506、根据所述特征信息和用户个性倾向信息推理得到衍生信息，该衍生信息是和特征信息及个性倾向信息都相关的信息，一般用来更进一步地反映用户当前需求，即表示推理出来的反映用户需求的进一步查询条件，以便系统可以按照衍射信息和特征信息进行查询。本发明实施例中，系统根据“朋友”、“餐馆信息”，从用户个性倾向信息中查找到这样一条“用户和朋友吃饭时一般吃川菜”，推理出衍生信息，其中的关键词为“川菜”。

在有的情况下，还可以根据特征信息、个性倾向信息和共性倾向信息来推理出衍生信息。

推理出衍生信息后，系统可以根据推理状态的标识和所述衍生信息生成一句自然语言形式的引导性回复内容，对用户进行引导或提示。具体如下：

507、系统根据推理状态的标识和衍生信息生成一句自然语言形式的引导性回复内容，并将该回复内容输出给用户。例如：本发明实施例中的衍生信息，其中包含的信息为“川菜”，所以生成的自然语言为“你是不是想吃川菜”，输出给用户。

508、判断用户是否继续输入即时上下文信息，如果用户继续输入即时上下文信息，则执行步骤503，否则执行步骤509。在实行步骤503时，可能判断出的对话状态不是推理状态，则需要执行不同对话状态对应该的处理过程，例如：可能执行实施例2中的步骤306至步骤312所描述的查询状态，这相当于再一次接收到用户输入的即时上下文信息进行的处理过程。

例如：用户对于步骤507中系统的提问“你是不是想吃川菜”作出回复“是”，系统分析“川菜”属于菜系，然后系统就会把菜系作为动态主题树的分支加入到已有的餐馆信息动态主题树中，使得动态主题树的内容得到动态补充。

509、保存用户当前对话的即时上下文信息，并保存本次人机交互过程中系统所调用的对话状态序列和动态主题树内容等。

对应于上述人机交互方法，本发明实施例还提供一种人机交互系统，该系统将人机交互的过程划分出不同的对话状态，并且每个对话状态分别对应一个处理单元，如图6所示，该系统包括：自然语言理解模块61、动态交互模块62、状态控制与处理模块63和自然语言生成模块64。

其中，自然语言理解模块61，用于对用户输入的即时上下文信息进行自然语言处理(NLP)，即根据接收的用户输入的即时上下文信息获取反映该用户需求的特征信息；

动态交互模块62，用于加载领域知识，并组织所述特征信息，本实施例中的特征信息是按照动态主题树的形式组织的；

状态控制与处理模块63，用于至少根据所述领域知识和所述特征信息，确定当前匹配该用户需求的对话状态；调用并执行与所述对话状态对应的处理过程，并将处理结果通过自然语言生成模块64返回给用户，以完成人机双向交互过程，所谓的人机双向交互过程是指“用户问-系统答，系统问-用户答”的双向混合主导模式的人机交互。

在一种实现下，上述系统中的动态交互模块62，具体用于从知识库、用户信息库中加载领域知识、以及与该用户相关的共性倾向信息和该用户的个性倾向信息，并且将自然语言理解模块61从即时上下文信息中获取的特征信息、用户个性化信息按照树形结构组织，或者将自然语言理解模块61从即时上下文信息中获取的特征信息进一步加入到已有的树形结构中，完成动态主题树的创建或维护。

本实施例中的状态控制与处理模块63包括：状态判断和分发单元、至少一个处理单元，每个对话状态分别对应一个处理单元，其中，状态判断和分发单元用于根据所述特征信息以及用户个性倾向信息和共性倾向信息中的至少一个结合所述领域知识，确定当前与所述用户需求匹配的对话状态，调用与所述对话状态相应的处理单元进行处理；

至少一个处理单元，每个对话状态分别对应一个处理单元，用于以对应该对话状态的处理方式进行处理并输出处理结果；而不同的处理单元用于在不同的对话状态下进行人机双向交互处理。

对应于上述图5描述的人机交互过程，本实施例中的状态控制与处理模块63具体实现，如图6所示，包括：

状态判断和分发单元631，用于确定对话状态为推理状态，并调用推理状态相应的处理单元，即调用推理状态处理单元633进行后续处理。

所述推理状态处理单元633，用于根据所述特征信息以及所述用户个性倾向信息推理生成衍生信息；在一种实现下，即用于根据所述特征信息查找与所述用户个性倾向信息相关的衍生信息；

自然语言生成模块64，用于根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

本发明实施例中还需要用到用户信息库和知识库，其中用户信息库用来储存用户的注册信息、用户的个性倾向信息、及与用户相关的共性倾向信息；知识库中存储了网络资源、领域知识和专家规则等。

本发明实施例提供的人机交互方法及系统，由于对人机交互过程划分了不同的对话状态，不同对话状态对应相应的处理方法。本发明实施例说明了对话状态为推理状态时，系统根据用户的个人倾向信息和共性倾向信息找到与该用户相关的衍生信息；然后系统通过衍生信息生成自然语言形式的引导性回复内容(例如：提示或提问)，以便对用户进行引导，用户根据系统的引导与系统进行下一轮交互，通过多次交互可以最后得出用户需要的信息。

上述人机交互方法及系统还划分了用户评价的不满意状态，系统所接收的即时上下文信息可以是用户对上一次交互的评价，例如：用户对系统返回的自然语言形式的回复内容的评价、以及用户对返回的网络资源的评价。

如果所接收的评价为不满意评价，如：用户对反馈的资源或自然语言回复具有否定的回答时，状态控制与处理模块调用不满意状态相应的处理单元，即调用不满意状态处理单元634，所述不满意状态处理单元634用于输出当前的不满意状态的标识以及前一个对话状态的标识；

自然语言生成模块64，进一步用于根据当前对话状态的标识和上一个对话状态的标识生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

上述回复内容的生成依据包括如下几种情况：

1、根据当前的推理状态、用户信息库中该用户的个性倾向信息和所述即时上下文信息中的特征信息生成对应的回复内容；

2、根据当前的推理状态、用户信息库中与该用户相关的共性倾向信息生成、以及所述即时上下文信息中的特征信息生成对应的回复内容；

3、同时当前的推理状态、结合用户信息库中该用户的个性倾向信息、与该用户相关的共性倾向信息、以及所述即时上下文信息中的特征信息生成对应的回复内容。

上述人机交互方法及系统还划分了闲聊状态，即和用户进行一些日常简单的对话。系统知识库当中包含回复模板，当对话状态为闲聊时，系统会在模板中找到对应的回复，例如：用户输入“你好”，系统生成回复内容“你好”。

在实际操作过程中，用户使用一次系统，可能会与计算机之间进行多次交互，所以对话状态会从当前对话状态转移到另一个对话状态，是动态调整的。举例说明，例如：用户打开系统后，说了一句“你好”，计算机对即时上下文信息中的特征信息进行分析，确定当前对话状态是闲聊状态，那么系统从回复模板中找到对应的回答，生成回复内容，返回“你好”，这样就已经完成了一次人机对话，用户如果再输入“我今天想吃川菜”，系统分析其中的信息，确定当前对话状态为查询状态，想要查询川菜餐馆的信息，系统调出川菜餐馆信息，但发现网络上川菜餐馆信息有很多，系统不会把大量的资源直接返回给用户，而是会生成自然语言形式的回复内容“你想到哪里吃饭”，引导用户，将查询范围缩小，增加查询条件，用户回答“南山”。

假设一，系统发现南山地区没有川菜餐馆，但是用户的个性倾向信息中有这样一句“川菜和湘菜口味相近”，系统根据该用户个性倾向信息生成自然语言回复内容“南山没有川菜餐馆，湘菜餐馆可不可以”，用户回答“可以”，然后系统继续查找南山地区的湘菜餐馆信息，并输出给用户，用户得到想要的信息，说了一句“再见”，系统会根据即时上下文信息分析出用户结束操作，系统结束对话，释放对话资源。

总结这一次人机交互过程，对话状态由闲聊转移到查询，查询状态下的引导和直接回复，最后结束对话，这就是这次人机交互过程的对话序列。

假设二，假设系统发现南山地区有川菜餐馆，把餐馆信息返回给用户，但是用户说了一句“我不想去这几家”，系统根据即时上下文信息分析出用户对结果不满意，将对话状态转移到用户评价不满状态，系统根据用户的个人倾向信息中有这样一句“川菜和湘菜口味相近”，将湘菜餐馆信息提供给用户，用户得到了想要的信息，说了一句“再见”，系统根据即时上下文信息分析出用户结束操作，系统结束对话。

总结这一次人机交互过程，对话状态由闲聊转移到查询，查询状态下的引导和直接回复，到用户评价不满，最后结束对话，这就是这次人机交互过程的对话序列。

本实施例中人机交互系统中还可以进行实施例2中的查询状态的处理，只需要在状态控制与处理模块63中增加查询状态处理单元632即可。

实施例4：

本发明实施例提供了一种人机交互方法，应用于人机交互系统，如图7所示，本发明实施例的人机交互方法包括如下步骤：

701、人机交互系统加载知识库中的资源和用户信息库中的资源，其中知识库中的资源包括：领域知识、网络资源和专家规则等；用户信息库中的资源包括：共性倾向信息、个性倾向信息等。

这里的领域知识表示人机交互过程所应用领域的知识，通过领域知识并结合特征信息能够确定匹配用户需求的对话状态。一般来说，领域知识包括多个领域词典，并且每个对话状态都设有相应的领域词典，如果所述特征信息刚好落在某个领域词典内，那么就可以确定本次人机交互中用户所需的对话状态就是这个领域词典相应的对话状态。当然，如果通过某个即时上下文信息能够获取多个特征信息，而这些特征信息分别属于不同的对话状态相应的领域词典，则根据这些对话状态之间的优先级来确定当前与用户需求匹配的对话状态，例如：当查询状态和推理状态都存在时，而推理状态优先级较高，则确定推理状态为与用户需求匹配的对话状态。

702、用户登陆上述提供人机交互服务的系统，该系统已加载了该用户的个性倾向信息，以及与该用户相关的共性倾向信息，并将这些信息以树形结构组织起来生成动态主题树的次主属性分支。

703、人机交互系统接收用户输入的即时上下文信息。例如：用户输入的即时上下文信息为“我想请朋友吃饭”。

704、人机交互系统分析用户输入的即时上下文信息，即根据所述即时上下文信息获取反映用户需求的特征信息，并按照树形结构组织这些特征信息，即基于特征信息生成动态主题树的主属性分支，主属性分支是按照特征信息的重要性排序的。本发明实施例的即时上下文信息中的特征信息包括：关键词、以及由关键词得出的特征信息等，本实施例中采用将即时上下文信息中的关键词“吃饭”得出的特征信息“餐馆信息”作为动态主题树的主属性分支中最重要的特征信息，而将特征信息“朋友”作为主属性分支中次重要的特征信息。

705、根据之前加载的领域知识和所述特征信息确定当前匹配该用户需求的对话状态。例如：系统可以根据“朋友”和“餐馆信息”等特征信息结合领域知识确定当前对话状态为推理状态。

由于本发明实施例中查找到的对话状态为推理状态，下面具体说明调用并执行的推理状态的处理过程。

706、根据之前得到的特征信息和用户个性倾向信息推理出衍生信息，该衍生信息是和特征信息及个性倾向信息都相关的信息，一般用来更进一步地反映用户当前需求的查询条件，以便系统可以按照该查询条件结合特征信息进行查询。本发明实施例中，系统根据“朋友”、“餐馆信息”，从用户个性倾向信息中查找到这样一条“用户和朋友吃饭时一般吃川菜”，推理出衍生信息，其中的关键词为“川菜”。

在有的情况下，还可以根据特征信息、个性倾向信息和共性倾向信息来推理出衍生信息。

推理出衍生信息后，系统需要对所述推理出的衍生信息进行有效性验证，换句话说，即根据利用衍生信息和特征信息的查询结果来验证推理的有效性与否。具体如下：

707、参考所述衍生信息和之前获得的特征信息在已经加载的知识库的所有网络资源中查找网络资源。在本发明实施例中，系统在上述所有网络资源中查找所有川菜餐馆的网络资源。

708、判断是否查找到网络资源，若查找到了网络资源，则执行步骤709；若没有查找到网络资源，则执行步骤710。

709、系统根据所述衍生信息和当前的推理状态的标识生成自然语言形式的引导性回复内容，并将引导性回复内容返回给用户，在本发明实施例中，例如：系统可能会引导用户，提问“你是想和朋友吃川菜吗？”的自然语言形式的引导性回复内容。应当理解的是：通过将执行推理状态对应的处理过程的处理结果输出到自然语言生成模块，以生成自然语言形式的引导性回复内容。

步骤710、执行查询状态对应的处理过程；详见说明书其他部分描述；

711、判断用户是否继续输入即时上下文信息，如果用户继续输入即时上下文信息，则执行步骤703，否则执行步骤712。例如：用户对于709步骤中系统的提问“你是想和朋友吃川菜吗？”作出回复“是”，继续执行步骤703，并将推理出的衍生信息“川菜”的有效资源返回给用户。

712、保存用户当前对话的即时上下文信息，以及根据即时上下文信息获得的反映用户需求的特征信息，并保存本次人机交互过程中系统所调用的对话状态序列和动态主题树内容等。

对应于上述人机交互方法，本发明实施例还提供一种人机交互系统，该系统将人机交互的过程划分出不同的对话状态，并且每个对话状态分别对应一个处理单元，如图8所示，该系统包括：自然语言理解模块81、动态交互模块82、状态控制与处理模块83和自然语言生成模块84。

其中，自然语言理解模块81，用于对用户输入的即时上下文信息进行自然语言处理(NLP)，即根据接收的用户输入的即时上下文信息获取反映用户需求的特征信息，这里的用户需求可以理解为获得希望结果的需求；

动态交互模块82，用于加载领域知识，并组织所述特征信息，本实施例中的特征信息是按照动态主题树的形式组织的；

状态控制与处理模块83，用于至少根据所述领域知识和所述特征信息，确定确定当前匹配该用户需求的对话状态；调用并执行与所述对话状态对应的处理过程，并将处理结果通过自然语言生成模块84返回给用户，以完成人机双向交互过程，所谓的人机双向交互过程是指“用户问-系统答，系统问-用户答”的双向混合主导模式的人机交互。

在一种实现下，上述系统中的动态交互模块82，具体用于从知识库、用户信息库中加载领域知识、以及与该用户相关的共性倾向信息和该用户的个性倾向信息，并且将自然语言理解模块81从即时上下文信息中获取的特征信息、用户个性化信息按照树形结构组织，或者将自然语言理解模块81从即时上下文信息中获取的特征信息进一步加入到已有的树形结构中，完成动态主题树的创建或维护。

本实施例中的状态控制与处理模块83包括：状态判断和分发单元、至少一个处理单元，每个对话状态分别对应一个处理单元，其中，状态判断和分发单元用于根据所述特征信息以及用户个性倾向信息和共性倾向信息中的至少一个结合所述领域知识，确定当前与所述用户需求匹配的对话状态，调用与所述对话状态相应的处理单元进行处理；

至少一个处理单元，每个对话状态分别对应一个处理单元，用于以对应该对话状态的处理方式进行处理并输出处理结果；而不同的处理单元用于在不同的对话状态下进行人机双向交互处理。

对应于上述图7描述的人机交互过程，本实施例中的状态控制与处理模块83具体实现，如图8所示，包括：

状态判断和分发单元831，用于确定对话状态为推理状态，并调用推理状态相应的处理单元，即调用推理状态处理单元836进行后续处理。

所述推理状态处理单元836，用于根据所述特征信息查找与所述用户个性倾向信息相关的衍生信息；然后根据所述衍生信息和所述特征信息查找知识库中的网络资源；

则，自然语言生成模块84，用于在推理状态处理单元836查找到网络资源时，根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。若没有查找到网络资源，执行查询状态对应的处理过程即查询状态对应的处理单元进行处理。

本发明实施例提供的人机交互方法及系统，由于对人机交互过程划分了不同的对话状态，不同对话状态对应相应的处理方法。本发明实施例说明了对话状态为推理状态时，系统根据用户的个人倾向信息和共性倾向信息找到与该用户相关的衍生信息；并对所述衍生信息进行有效性验证，以保证推理出的衍生信息有效可用，用户根据系统的引导与系统进行下一轮交互，通过多次交互可以最后得出用户需要的信息。

实施例5：

本发明实施例中提供用户接口，让用户加入自己个性的规则或领域知识，将个体倾向信息加入到用户信息库中，用于增强用户自身的使用体验；并且将设计良好并得到普遍任何的规则或知识(用户贡献内容)加入到规则库中，用以增强系统的使用体验；

本发明实施例的人机交互方法中进一步包括开放学习流程，该过程流程图步骤如图9所示：

91、接收用户输入的个性倾向信息，所述个性倾向信息为用户个人的一些爱好、生活规则、习惯等。

所述个性倾向信息还包括从用户直接输入的个性倾向信息中再统计出新的信息，例如：一个用户输入了许多个性倾向信息，其中的好多条都带有“川菜”这个词，那么系统会统计出“川菜”这条个性倾向信息占这个用户所有个性倾向信息的比例，当比例大于目标比例(假设为70％)，则系统得到这个用户可能对吃“川菜”很有兴趣，把“该用户爱吃川菜”作为这个用户的新个性倾向信息。

92、在一个统计周期内，对于每个个性倾向信息统计出与该个性倾向信息相关的用户占所有用户的比例；

93、将所述比例超过预定目标比例的个性倾向信息作为共性倾向信息。

例如：假设对于“川菜和湘菜口味相同”这个个性倾向信息，系统统计有65个用户输入过这个个性倾向信息，用户总数为100个，预定目标比例为50％，那么这个65％的比例大于预定目标比例50％，则“川菜和湘菜口味相同”这条个性倾向信息可以作为所有用户的共性倾向信息。

本发明实施例提供的人机交互方法提供的开放学习过程，扩充了用户信息库，使信息库中增加了许多用户自己的个性化知识，当用户使用系统时，可以为用户提供个性化的服务，还扩充了用户的共性倾向信息，适用于所有用户，使系统的整体性能提高，使系统更灵活，能够处理经验性的知识。与已有技术相比，系统变得更“聪明”了。

实施例6：

在实施例2、实施例3和实施例4中提到用户信息库，本发明还提供人机交互方法扩充了用户信息库，用户信息库中的个性倾向信息和共性倾向信息可以通过分析用户输入的即时上下文信息得到扩充，为了对用户输入的即时上下文信息进行分析，该方法还包括历史上下文处理过程，该过程流程图步骤如图10所示：

101、读取保存的所述即时上下文信息中的特征信息，应当理解的是：保存的即时上下文信息即历史上下文信息；

102、在一个统计周期内统计同一用户输入的即时上下文信息中每个特征信息出现的概率；

103、将出现的概率超过预定目标概率的特征信息作为个性倾向信息。

例如：假设统计周期为30天，系统统计出某用户在这30天内使用过50次本系统，29次是查询川菜相关信息，那么川菜出现概率为58％，大于预定概率50％，则把“用户喜欢吃川菜”作为该用户的个性倾向信息。

104、在一个统计周期内，对于每个特征信息统计出与该特征信息相关的用户占所有用户的比例；

105、将所述比例超过预定目标比例的特征信息作为共性倾向信息。

例如：假设统计周期为30天，系统统计出在这30天内有100个用户使用了本系统，其中56个用户查询川菜相关信息，“川菜”特征信息所占比例56％大于预定比例50％，则“川菜”作为共性倾向信息存储。

本发明实施例提供的人机交互方法的历史上下文处理过程，扩充了用户信息库，使用户信息库中不仅仅存储用户的个人注册信息，还多了个性倾向信息和共性倾向信息，方便系统为用户提供个性化的服务。

本发明实施例提供人机交互系统，如图11所示，该人机交互系统包括：自然语言理解模块111、动态交互模块112、状态控制与处理模块113和自然语言生成模块114。

其中，自然语言理解模块111，用于对用户输入的即时上下文信息进行自然语言处理(NLP)，即根据接收的用户输入的即时上下文信息获取反映用户需求的特征信息；

动态交互模块112，用于加载领域知识，并组织所述特征信息(和用户个性化信息和用户共性信息)，一般将特征信息按照动态主题树的形式组织的；

状态控制与处理模块113，用于至少根据所述领域知识和所述特征信息，确定当前匹配该用户需求的对话状态；调用并执行与所述对话状态对应的处理过程，并将处理结果通过自然语言生成模块114返回给用户，以完成人机双向交互过程，所谓的人机双向交互过程是指“用户问-系统答，系统问-用户答”的双向混合主导模式的人机交互。

对于一个功能较为完善的人机交互系统，一般还需要同时包括开放学习模块115和历史上下文处理模块116。

其中，所述开放学习模块115用于接收用户输入的个性倾向信息；在一个统计周期内，对于每个个性倾向信息统计出与该个性倾向信息相关的用户占所有用户的比例；并将所述比例超过预定目标比例的个性倾向信息作为共性倾向信息。

本发明实施例中将所述的个性倾向信息和共性倾向信息存储在用户信息库中，以便后续的人机交互过程使用。

其中，历史上下文处理模块116用于保存所述即时上下文信息；在一个统计周期内统计同一用户输入的即时上下文信息中每个特征信息出现的概率；并将出现的概率超过预定目标概率的特征信息作为个性倾向信息，并将个性倾向信息存储到用户信息库。通过历史上下文处理模块，本实施例能够从用户输入的即时上下文信息中获取个性倾向信息，使得用户信息库得大库扩充。

本实施例还可以获取共性倾向信息，具体为：历史上下文处理模块116在一个统计周期内，对于每个特征信息统计出与该特征信息相关的用户占所有用户的比例；并将所述比例超过预定目标比例的特征信息作为共性倾向信息，并将共性倾向信息存储到用户信息库。

本发明实施例主要用在各种人机交互系统中，例如：餐馆信息的查询系统、城市的交通查询系统等。

本领域普通技术人员可以理解：实现上述人机交互方法的实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (22)

1、一种人机交互方法，其特征在于，该方法包括：

根据用户输入的即时上下文信息，获得反映所述用户需求的特征信息；

至少根据所述特征信息和领域知识，确定当前与所述用户需求匹配的对话状态；

调用并执行与所述确定的对话状态对应的处理过程，并将所述处理过程的处理结果返回给用户。

2、根据权利要求1所述的人机交互方法，其特征在于，该方法还包括：

加载与该用户相关的共性倾向信息和/或该用户的个性倾向信息，所述共性倾向信息包括用户输入的共性倾向信息或基于该用户的历史上下文信息挖掘得到的该用户的共性倾向信息；所述个性倾向信息包括用户输入的个性倾向信息或基于该用户的历史上下文信息挖掘得到的该用户的个性倾向信息。

3、根据权利要求2所述的人机交互方法，其特征在于，该方法还包括：

将所述获得的特征信息、所述共性倾向信息和/或所述个性倾向信息按照树形结构组织；或者将所述特征信息进一步加入到已有的树形结构中，得到动态主题树。

4、根据权利要求2所述的人机交互方法，其特征在于，所述至少根据所述特征信息和领域知识，确定当前与所述用户需求匹配的对话状态包括：根据所述特征信息以及用户个性倾向信息和共性倾向信息中的至少一个结合领域知识，确定当前与所述用户需求匹配的对话状态。

5、根据权利要求4所述的人机交互方法，其特征在于，当所述确定的对话状态为推理状态时，所述调用并执行与所述对话状态对应的处理过程包括：

根据所述特征信息以及所述用户个性倾向信息和共性倾向信息中的至少一个推理生成衍生信息；

所述将所述处理过程的处理结果返回给用户包括：根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

6、根据权利要求4所述的人机交互方法，其特征在于，当所述确定的对话状态为推理状态时，所述调用并执行与所述对话状态对应的处理过程包括：

根据所述特征信息以及所述用户个性倾向信息和共性倾向信息中的至少一个推理生成衍生信息；

根据所述衍生信息和所述特征信息查找知识库中的网络资源；

若查找到网络资源，则所述将所述处理过程的处理结果返回给用户包括：根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容；

若没有查找到网络资源，则执行与查询状态对应的处理过程。

7、根据权利要求4所述的人机交互方法，其特征在于，当所述确定的对话状态为查询状态时，所述调用并执行与所述对话状态对应的处理过程包括：

根据所述特征信息查找知识库中的网络资源；

若查找到网络资源，则判断所述网络资源的数量是否多于预定数量；

若所述网络资源的数量多于预定数量，则将所述处理过程的处理结果返回给用户包括：根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容；

若所述网络资源数量少于预定数量，则将所述处理过程的处理结果返回给用户包括：向用户返回所述网络资源。

8、根据权利要求7所述的人机交互方法，其特征在于，该方法还包括：

若没有查找到网络资源，则将所述处理过程的处理结果返回给用户包括：根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

9、根据权利要求5、6、7或8所述的人机交互方法，其特征在于，当所述用户输入的即时上下文信息为关于所返回的回复内容或者网络资源的评价信息时，所述根据用户输入的即时上下文信息获得反映所述用户需求的特征信息包括：对所述评价信息进行情感倾向分析处理，获得表示用户不满意的特征信息；

当所述确定的对话状态为不满意状态时，所述调用并执行与所述对话状态对应的处理过程包括：输出当前对话状态的标识和上一个对话状态的标识；

则，所述将所述处理过程的处理结果返回给用户包括：根据所述当前对话状态的标识和上一个对话状态的标识生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

10、根据权利要求1所述的人机交互方法，其特征在于，该方法还包括：

保存所述即时上下文信息；

在一个统计周期内统计同一用户输入的即时上下文信息中每个特征信息出现的概率；

将出现的概率超过预定目标概率的特征信息作为个性倾向信息。

11、根据权利要求10所述的人机交互方法，其特征在于，该方法还包括：

在一个统计周期内，对于每个特征信息统计出与该特征信息相关的用户占所有用户的比例；

将所述比例超过预定目标比例的特征信息作为共性倾向信息。

12、根据权利要求1所述的人机交互方法，其特征在于，该方法还包括：

接收用户输入的个性倾向信息；

在一个统计周期内，对于每个个性倾向信息统计出与该个性倾向信息相关的用户占所有用户的比例；

将所述比例超过预定目标比例的个性倾向信息作为共性倾向信息。

13、一种人机交互系统，其特征在于，该系统包括：

自然语言理解模块，用于根据用户输入的即时上下文信息，获得反映所述用户需求的特征信息；

动态交互模块，用于加载领域知识，并组织所述自然语言理解模块获得的特征信息；

状态控制与处理模块，用于至少根据所述领域知识和所述特征信息，确定当前与所述用户需求匹配的对话状态；调用并执行与所述对话状态对应的处理过程；

自然语言生成模块，用于将所述处理过程对应的处理结果返回给用户。

14、根据权利要求13所述的人机交互系统，其特征在于，所述动态交互模块，进一步用于加载用户的共性倾向信息和/或用户的个性倾向信息；则，所述状态控制与处理模块包括：

状态判断和分发单元，用于根据所述特征信息以及用户个性倾向信息和共性倾向信息中的至少一个结合所述领域知识，确定当前与所述用户需求匹配的对话状态，调用与所述对话状态相应的处理单元进行处理；

至少一个处理单元，每个对话状态分别对应一个处理单元，用于以对应该对话状态的处理方式进行处理并输出处理结果。

15、根据权利要求14所述的人机交互系统，其特征在于，若所述确定的对话状态为推理状态，则所述状态判断和分发单元调用推理状态相应的处理单元；

所述处理单元为第一推理状态处理单元，用于根据所述特征信息以及所述用户个性倾向信息和共性倾向信息中的至少一个推理生成衍生信息；

所述自然语言生成模块为第一自然语言生成模块，用于根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

16、根据权利要求14所述的人机交互系统，其特征在于，若所述确定的对话状态为推理状态，则所述状态判断和分发单元调用推理状态相应的处理单元；

所述处理单元为第二推理状态处理单元，用于根据所述特征信息以及所述用户个性倾向信息和共性倾向信息中的至少一个推理生成衍生信息；并根据所述衍生信息和所述特征信息查找知识库中的网络资源；

则，所述自然语言生成模块为第二自然语言生成模块，用于在所述第二推理状态处理单元查找到网络资源时，根据所述推理状态的标识和所述衍生信息生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

17、根据权利要求14所述的人机交互系统，其特征在于，若所述确定的对话状态为查询状态，则所述状态确定和分发单元调用查询状态相应的处理单元；

所述处理单元为查询状态处理单元，用于根据所述特征信息查找知识库中的网络资源；

则，所述自然语言生成模块为第三自然语言生成模块，用于在所述查询状态处理单元查找到网络资源且所述网络资源的数量多于预定数量时，根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容；

或者，用于在所述查询状态处理单元查找到网络资源且所述网络资源数量少于预定数量时，向用户返回所述网络资源；

或者，用于在所述查询状态处理单元没有查找到网络资源时，根据所述查询状态的标识、特征信息以及所述个性倾向信息和共性倾向信息中的至少一个生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

18、根据权利要求15、16或17所述的人机交互系统，其特征在于，当所述用户输入的即时上下文信息为关于所返回的回复内容或者网络资源的评价信息时，所述自然语言理解模块还用于对所述评价信息进行情感倾向分析处理，获得表示用户不满意的特征信息；

若所述确定的对话状态为不满意状态，则所述状态确定和分发单元调用不满意状态对应的处理单元；所述处理单元为不满意状态处理单元，用于输出当前对话状态的标识和上一个对话状态的标识；

则，所述自然语言生成模块，进一步用于根据当前对话状态的标识和上一个对话状态的标识生成自然语言形式的引导性回复内容，并向用户返回所述回复内容。

19、根据权利要求13所述的人机交互系统，其特征在于，所述动态交互模块为第一动态交互模块，用于将所述特征信息、用户共性倾向信息和/或用户个性倾向信息按照树形结构组织，或者将所述特征信息进一步加入到已有的树形结构中，完成动态主题树的创建或维护。

20、根据权利要求13所述的人机交互系统，其特征在于，所述系统进一步包括：历史上下文处理模块，用于在一个统计周期内统计同一用户输入的即时上下文信息中每个特征信息出现的概率；并将出现的概率超过预定目标概率的特征信息作为用户的个性倾向信息。

21、根据权利要求20所述的人机交互系统，其特征在于，所述历史上下文处理模块进一步用于在一个统计周期内，对于每个特征信息统计出与该特征信息相关的用户占所有用户的比例；并将所述比例超过预定目标比例的特征信息作为共性倾向信息。

22、根据权利要求13所述的人机交互系统，其特征在于，所述系统进一步包括：开放学习模块，用于在一个统计周期内，对于用户输入的每个性倾向信息，统计出与该个性倾向信息相关的用户占所有用户的比例；并将所述比例超过预定目标比例的个性倾向信息作为共性倾向信息。

Images