具有三观立场的聊天机器人技术
阅读：872发布：2020-05-14
专利汇可以提供具有三观立场的聊天机器人技术专利检索，专利查询，专利分析的服务。并且本文公开的具有三观立场的 聊天 机器人 技术，通过在会话处理的过程中，对候选答复进行观点提取，并将该观点与 聊天机器人 的立场进行对比，对候选答复进行筛选，剔除掉与聊天机器人的立场矛盾的候选答复，从而在会话过程中，体现出聊天机器人的三观立场。，下面是具有三观立场的聊天机器人技术专利的具体信息内容。
1.一种方法，包括：
根据用户查询生成多个候选答复；
对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点；
根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场；
对各个候选答复进行筛选，删除掉观点与所述立场矛盾的候选答复。
2.根据权利要求1所述的方法，其中，
所述对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
如果所述候选答复包含完整的语义结构，则从所述候选答复中直接提取所述观点，如果所述候选答复缺少完整的语义结构，则将所述用户查询与所述候选答复结合在一起后，再提取所述观点。
3.根据权利要求1所述的方法，其中，所述立场关系图中的每个节点中包括如下信息：
持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
4.根据权利要求1所述的方法，其中，对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
根据所述候选答复的语法规则进行观点提取，和/或，基于神经网络模型进行观点提取，生成与各个所述候选答复对应的观点。
5.根据权利要求1所述的方法，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
根据所述立场关系图中记录的所述聊天机器人与所述目标之间的直接关系，推断所述聊天机器人应当持有的立场。
6.根据权利要求1所述的方法，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
根据所述立场关系图中记录的所述聊天机器人与所述目标之间的间接关系，来推断所述聊天机器人应当持有的立场。
7.根据权利要求1所述的方法，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
根据立场关系图中记录的目标并结合所述立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断所述聊天机器人对所述用户查询和/或候选答复中包含的目标应当持有的立场。
8.根据权利要求1所述的方法，其中，还包括：
判断用户查询是否为立场性询问，如果所述用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
9.根据权利要求8所述的方法，其中，如果所述用户查询是非立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
10.根据权利要求8所述的方法，其中，所述立场性询问包括：
用户查询表达了用户对所述目标的观点，和/或，用户查询提出的问题涉及到所述聊天机器人对所述目标的所持的立场。
11.一种装置，包括：
候选答复生成模块，用于根据用户查询生成多个候选答复；
观点提取模块，用于对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点；
立场推断模块，用于根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场，
答复筛选模块，用于对各个候选答复进行筛选，删除掉观点与所述立场矛盾的候选答复。
12.根据权利要求11所述的装置，其中，所述立场关系图中的每个节点中包括如下信息：持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
13.根据权利要求11所述的装置，其中，所述根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
根据所述立场关系图中记录的所述聊天机器人与所述目标之间的直接关系，推断所述聊天机器人应当持有的立场。
14.根据权利要求11所述的装置，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
根据所述立场关系图中记录的所述聊天机器人与所述目标之间的间接关系，来推断所述聊天机器人应当持有的立场。
15.根据权利要求11所述的装置，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
根据立场关系图中记录的目标并结合所述立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断所述聊天机器人对所述用户查询和/或候选答复中包含的目标应当持有的立场。
16.根据权利要求11所述的装置，其中，还包括：用户查询判定模块和输出控制模块，用户查询判定模块，用于判断用户查询是否为立场性询问，并将判定结果发送给所述输出控制模块；
所述输出控制模块，用于根据所述判定结果执行如下输出控制：
如果所述用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
17.根据权利要求16所述的装置，其中，所述输出控制还包括：
如果所述用户查询是非立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
18.一种电子设备，包括：
处理单元；以及
存储器，耦合至所述处理单元并且包含存储于其上的指令，所述指令在由所述处理单元执行时使所述设备执行动作，所述动作包括：
根据用户查询生成多个候选答复；
对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点；
根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场；
对各个候选答复进行筛选，删除掉观点与所述立场矛盾的候选答复。
19.根据权利要求18所述的电子设备，其中，所述对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
如果所述候选答复包含完整的语义结构，则从所述候选答复中直接提取所述观点，如果所述候选答复缺少完整的语义结构，则将所述用户查询与所述候选答复结合在一起后，再提取所述观点。
20.根据权利要求18所述的电子设备，其中，所述立场关系图中的每个节点中包括如下信息：持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
21.根据权利要求18所述的电子设备，其中，所述动作还包括：
判断用户查询是否为立场性询问，如果所述用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
具有三观立场的聊天机器人技术
背景技术
[0001] 聊天机器人(chatbot)是一个用来模拟人类对话或聊天的应用程序或者计算机系统。随着语言处理技术的发展，聊天机器人已经广泛地应用到各种应用程序或者智能设备中，以提供人机间灵活的交流方式。
[0002] 现有的聊天机器人主要还是侧重于对用户说出的话进行答复的内容，如何帮助用户解决问题等等。而随着聊天机器人深入应用，用户更希望能够出现更加拟人化的聊天机器人，从而使得用户能够感受到更加丰富的人格特性。发明内容
[0003] 提供本发明实施例内容是为了以精简的形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。
[0004] 本文公开的具有三观立场的聊天机器人技术，通过在会话处理的过程中，对候选答复进行观点提取，并将该观点与聊天机器人的立场进行对比，对候选答复进行筛选，剔除掉与聊天机器人的立场矛盾的候选答复，从而在会话过程中，体现出聊天机器人的三观立场。
[0005] 上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。附图说明
[0006] 图1为本发明实施例的会话处理装置的应用场景之一的示例框图；
[0007] 图2为本发明实施例的会话处理装置的应用场景之二的示例框图；
[0008] 图3为本发明实施例的会话处理装置的应用场景之三的示例框图；
[0009] 图4为本发明实施例的会话处理装置之一的结构的示意框图；
[0010] 图5为本发明实施例的立场关系图的结构示意图；
[0011] 图6为本发明实施例的会话处理装置之二的结构示意框图；
[0012] 图7为本发明实施例的会话处理方法之一的流程示意图；
[0013] 图8为本发明实施例的会话处理方法之二的流程示意图；
[0014] 图9为本发明实施例的电子设备的结构框图。
具体实施方式
[0015] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0016] 本文中，术语“技术”可以指代例如(一个或多个)系统、(一个或多个)方法、计算机可读指令、(一个或多个)模块、算法、硬件逻辑(例如，现场可编程门阵列(FPGA))、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)和/或上述上下文以及在本文档通篇中所允许的(一项或多项)其它技术。
[0017] 随着人工智能的发展，越来越多的聊天机器人朝着拟人化的方向发展，希望聊天机器人在于用户进行沟通交流时，体现出更多的人类的特性。在人类的特征中，三观是一个很重要并且处于核心地位的特征，三观构成了某个具体人物的精神核心，是人物的灵魂。
[0018] 一般而言三观是指世界观、价值观、人生观，三观会具体体现到人物对一个事物的喜恶的看法，对一个命题所持有的态度，简单来说就是对事物或者命题的立场。人物的三观是一个抽象的概念，需要在具体的会话中去体现。人物的三观在会话中可以从如下三方面体现：
[0019] 1)一致性：在相对长的时间内，会对某一事物或者观点的立场是稳定的，不会出现矛盾的情形。
[0020] 2)推断性：基于三观的立场体现了人物深层的性格和思想，会从一个具体事物或者观点，延伸到关联的其他事物或者观点，或者拓展到一类事务或者观点。
[0021] 3)主动性：在谈及某一事物或者观点时，会主动表达自己的立场。
[0022] 在本发明实施例中，将以上的三个方面作为目标，来在技术上实现聊天机器人的三观。简单来说，以上的三方面是通过如下技术手段来实现：
[0023] 1)一致性的实现：在输出回复之前，根据聊天机器人的立场关系图对候选的答复进行筛选，筛除掉与人物的三观冲突的回复，避免出现矛盾，保持人物三观的一致性。
[0024] 2)推断性的实现：构建聊天机器人对于人、事物或者命题的立场关系图，基于该立场关系图，对相近似或者相关联的人、事物或者命题的立场进行推断。
[0025] 3)主动性的实现：在聊天机器人与用户的会话过程中，能够充分表现出具有明显人物三观的答复，在技术实现上，可以通过控制输出具有观点性的答复的概率来体现主动性。
[0026] 具体应用示例
[0027] 如图1所示，其为本发明实施例的会话处理装置的应用场景之一的示例框图100。作为一种示例，图1所示的处理装置101设置于服务器102中，服务器102通过通信网络104与用户终端103连接。服务器102中运行有聊天机器人的后台处理系统，用户终端103中运行有具有聊天机器人功能的APP(或者网页客户端)，该APP通过通信网络104与服务器102聊天机器人的后台处理系统通信连接。用户终端103中的APP通过聊天界面与用户105进行会话，并将会话信息实时发送给聊天机器人的后台处理系统，该聊天机器人的后台处理系统根据用户的会话信息来识别用户意图，并生成相应的答复，然后再发送给用户终端103中的APP，并输出显示或者语音播放给用户。本发明实施例的处理装置101可以嵌入到服务器102中的聊天机器人的后台处理系统中，作为该后台处理系统的一部分，或者将该后台处理系统的功能整合到本发明实施例的处理装置101中，以实现对用户会话的完整处理。此外，处理装置
101也可以实现为服务器102。
101也可以实现为服务器102。
[0028] 其中，用户终端103可以是：智能移动电话、平板电脑、个人数据助理(PDA)、个人媒体播放器装置、无线网络观看装置、个人头戴装置、专用装置或包括以上功能中的任何一个的混合装置，还可以是台式计算机、笔记本电脑、平板电脑、专用服务器等计算机设备。上述的服务器102可以由一个或多个计算机系统实现(分布式服务器)，也可以是实现为基于云架构的云服务器。
[0029] 如图2所示，其为本发明实施例的会话处理装置的应用场景之二的示例框图200。作为另一种示例，处理装置201可以被实现为小型因素便携式(或移动)电子设备202或者设置于小型因素便携式(或移动)电子设备202中。这里所说的小型因素便携式(或移动)电子设备202可以是：例如，智能移动电话、平板电脑、个人数据助理(PDA)、个人媒体播放器装置、无线网络观看装置、个人头戴装置、专用装置或包括以上功能中的任何一个的混合装置。用户203可以电子设备202提供的人机交互界面与聊天机器人进行会话。
[0030] 如图3所示，其为本发明实施例的会话处理装置的应用场景之三的示例框图300。作为另一种示例，处理装置301还可以被实现为台式计算机、笔记本电脑、专用服务器等计算机设备302，或者设置于这些计算机设备302中。用户303可以通过计算设备302提供的人机交互界面与聊天机器人进行会话。
[0031] 图4所示，其为本发明实施例的会话处理装置之一的结构的示意框图400。该会话处理装置包括：候选答复生成模块401、观点提取模块402、立场推断模块403以及答复筛选模块404。在进行会话处理的过程中，还会涉及到用于生成候选答复的语料库405以及立场关系图406。语料库405和/或立场关系图406可以作为该会话处理装置的一部分，存储于该会话处理装置的本地存储介质中，也可以储于与会话处理装置连接的服务器或者数据库中。
[0032] 其中，候选答复生成模块401，用于根据用户查询407生成多个候选答复408。候选答复生成模块401在生成候选答复的过程中，基于预设的答复生成模型，从语料库405中提取与用户查询407匹配的多个候选答复408。
[0033] 观点提取模块402，用于对各个候选答复进行观点提取，生成与各个候选答复对应的观点。其中提取出的观点可以包括候选答复所涉及的目标，该目标可以用于立场推断模块403的处理。
[0034] 如果候选答复包含完整的语义结构，则从候选答复中直接提取观点，如果候选答复缺少完整的语义结构，则将用户查询与候选答复结合在一起后，再提取观点。例如，用户查询为“你喜欢吃苹果吗”，其中的一个候选答复为“我不喜欢吃苹果”，对于这个候选的答复而言，其语义结构非常完整，有完善的主谓宾结构，能够提取出清晰的观点。而如果候选答复为“我也喜欢”，对于这个候选答复而言，语义结构并不完整，缺少宾语，如果单从这个候选答复而言，无法确定该候选答复的观点，因此，需要将用户查询和候选答复结合在一起才能提取出观点。
[0035] 上述的观点可以是多元组的形式，具体可以包括：观点持有者(opinionholder)、观点指向的目标(target)、观点持有者对目标的情感(sentiment)。其中，观点持有者一般是聊天机器人，在进行线上处理时，对于当前的某一个候选答复而言，观点持有者就是当前参与会话的聊天机器人。上述的目标就是候选答复中涉及的目标，目标也可以是具体事物也可以是命题。例如，候选答复为“我很喜欢吃苹果”，其中的“苹果”就是目标，再例如，候选答复为“我认为影星A比影星B更漂亮”，在该候选答复中，目标是一个命题“影星A和影星B谁漂亮”。目标还可以再具体为目标实体(targetentity)和目标方面(targetaspect)。目标实体和目标方面可以理解为目标(target)具体内容。目标本身可以只有目标实体，比如苹果，目标也可以是目标实体+目标方面，比如苹果(目标实体)的价格(目标方面)、苹果的味道。上述的情感可以包括肯定、否定以及中性的情感类型。此外，观点中还可以包括该观点的时间范围(timespan)信息，通过该时间范围信息来设定该观点的有效时间范围。
[0036] 提取观点的处理可以采用如下几种方式之一或者多种方式的结合：
[0037] 1)根据候选答复的语法规则进行观点提取。在这种方式下，可以基于预设的规则对语法结构和词性的识别，来提取出候选答复所表达的观点。
[0038] 2)基于神经网络模型进行观点提取。
[0039] 一种方式可以基于Bi-LSTM(双向LSTM，其中，LSTM为Long Short-TermMemory，即长短期记忆网络)模型和CRF(条件随机场)模型来进行观点提取。另一种方式可以采用CNN(ConvolutionalNeural Network，卷积神经网络)模型进行观点提取。再一种方式还可以基于指针网络(PointerNetwork)模型进行观点提取，生成与各个候选答复对应的观点。
[0040] 此外，由于候选答复可以来自于语料库405，可以对语料库405中的部分或者全部语料事先进行线下的观点标定，这样在进行线上的会话处理时，生成的候选答复可以通过直接读取语料中的观点标签来提取候选答复的观点。在线下进行观点标定的处理，可以采用上述观点提取方式提取出语料的观点后，再进行标定。观点标定的处理也可以采用线上和线下相结合的方式，通过线上处理提取出的观点，可以直接用于语料库405中相应语料的观点标定。
[0041] 立场推断模块403，用于根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场。用户查询407也可以输入到立场推断模块403用于进行立场推断，例如立场推断模块403可以从用户查询407中直接获取立场所针对的目标，在有些候选答复缺少完整语义结构时，也需要结合用户查询407来进行分析，当然用户查询407也可以直接从观点提取模块402中获取到候选答复涉及的目标，而不用再从用户查询407中获取。
[0042] 立场关系图406中记录了一个或多个聊天机器人(不同角色或者不同人设)之间、多个目标之间以及多个聊天机器人与多个目标之间的立场关系。作为可选择的方式，可以为每一个聊天机器人单独建立一个立场关系图，也可以将所有的聊天机器人的立场关系整合在一张立场关系图中进行记录。
[0043] 如图5所示，其为本发明实施例的立场关系图的结构示意图500，图5所示的立场关系图具体到数据存储形式上，可以以多元组的形式存储在立场关系图的各个节点中，具体内容如下表：
[0044] 表一
[0045]持有者 目标 关系 情感
BOTA BOTB 父女(A为父亲) 喜欢
BOTB BOTA 女父(B为女儿) 喜欢
BOTA BOTC 朋友 喜欢
BOTC BOTA 朋友 喜欢
BOTA 苹果(苹果的味道) 吃 喜欢
BOTB 苹果(苹果的味道) 吃 讨厌
BOTA 命题：影星X和Y谁漂亮 命题判定 X漂亮
BOTB 命题：影星X和Y谁漂亮 命题判定 Y漂亮
BOTA BOTB 父女(A为父亲) 喜欢
BOTB BOTA 女父(B为女儿) 喜欢
BOTA BOTC 朋友 喜欢
BOTC BOTA 朋友 喜欢
BOTA 苹果(苹果的味道) 吃 喜欢
BOTB 苹果(苹果的味道) 吃 讨厌
BOTA 命题：影星X和Y谁漂亮 命题判定 X漂亮
BOTB 命题：影星X和Y谁漂亮 命题判定 Y漂亮
[0046] 结合图5和表一，其中涉及两个聊天机器人BOTA和BOTB以及BOTC、一个事物苹果、以及一个命题“影星X和Y谁漂亮”。其中，只有聊天机器人BOTA和BOTB以及BOTC能作为持有者(立场的持有者)，所有的聊天机器人、事物以及命题都可以作为目标。聊天机器人之间的关系可以是双向的，而聊天机器人与事物或者命题之间的关系是单向的。通过立场关系可以体现出各个聊天机器人的整体人设。
[0047] 基于上述立场关系图，就可以推断出聊天机器人对候选答复涉及的目标应当持有的立场。具体地，可能会涉及如下三种情形：
[0048] 1)根据立场关系图中记录的聊天机器人与目标之间的直接关系，推断聊天机器人应当持有的立场。
[0049] 如图5所示，如果候选的答复为“我很喜欢吃苹果”，其中苹果是目标，如果当前的聊天机器人为BOTA，从立场关系图中可以看出，BOTA与苹果之间的立场关系为BOTA喜欢吃苹果。这种立场关系的推断是基于立场关系图中直接记录的聊天机器人与目标之间的关系而得出的。
[0050] 2)根据立场关系图中记录的聊天机器人与目标之间的间接关系，来推断聊天机器人应当持有的立场。
[0051] 如图5所示，如果当前处理会话的聊天机器人为BOTB，而候选答复中涉及的目标为BOTC，根据立场关系图中的记载，BOTB与BOTC之间没有直接的立场关系。但是，BOTB与BOTA是女父关系(且喜欢)，BOTA与BOTC是朋友关系(且喜欢)，BOTB与BOTC之间虽然没有建立直接的立场关系，但是BOTB通过BOTA建立了间接的立场关系，BOTB喜欢自己的父亲BOTA，那么推断出也应该喜欢父亲所喜欢的朋友BOTC。相反，如果BOTB讨厌自己的父亲BOTA，那么推断出也应该讨厌父亲所喜欢的朋友BOTC。
[0052] 3)根据立场关系图中记录的目标并结合立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断聊天机器人对用户查询和/或候选答复中包含的目标应当持有的立场。
[0053] 如图5所示，如果当前处理会话的聊天机器人为BOTA，候选答复涉及到的目标为香蕉，在图5的立场关系图中，记录了BOTA爱吃苹果，但是，并未记载BOTA是否爱吃香蕉。针对这种情况，可以根据立场关系图以外的知识库或者知识模型或者规则来进行观点推断。例如，可以通过一些相似度模型，来判断苹果和香蕉之间的相似度，如果相似度较高，则可以认为喜欢吃苹果一般会喜欢吃香蕉。也可以通过一些知识库来判断，比如可以通过访问知识库来获取苹果与香蕉之间的口味相似性，或者一些人们对于水果口味的统计(94％爱吃苹果的人都爱吃香蕉)。再例如，也可以通过预设的规则来推断BOTA的观点，比如，可以设定为喜欢吃某种水果就认为喜欢吃多数水果。
[0054] 答复筛选模块404，用于对各个候选答复进行筛选，删除掉观点与立场矛盾的候选答复，剩余的候选答复作为待输出答复409等待输出。
[0055] 在获取到了候选答复的观点以及当前聊天机器人对于答复中的目标所持有的立场后，就可以将两者进行比较，判定候选答复的观点与聊天机器人的立场是否存在矛盾，如果存在矛盾，则将该候选答复删除，从而保持聊天机器人人设的一致性。筛选后的答复可以是体现聊天机器人立场的答复也可以是立场性较弱或者没有立场性的中性答复。
[0056] 例如，针对用户查询为“你喜欢吃苹果吗”，生成的候选答复包括“我也喜欢吃苹果”、“我不喜欢吃苹果”、“还可以”。如果当前处理会话的聊天机器人为BOTA，则基于确定的BOTA对苹果的立场关系可知，BOTA是喜欢吃苹果的，从而可以将候选答复中的“我不喜欢吃苹果”的候选答复去掉，保留积极的立场性候选答复“我也喜欢吃苹果”以及中性的候选答复“还可以”。
[0057] 经过答复筛选模块404的筛选来后，剩下的为待输出答复，这些待输出答复是符合当前聊天机器人人设的，或者是至少与当前聊天机器人人设不矛盾的。
[0058] 通过上述图4所示的会话处理装置，能够将候选答复中与当前聊天机器人的人设相矛盾的候选答复去除掉，从而充分保证聊天机器人的三观的一致性和稳定性，从而让用户在与聊天机器人的交流过程中，感受到聊天机器人的三观。
[0059] 经过上述的答复筛选模块404筛选后，剩余的候选答复都是与聊天机器人的三观不矛盾的待输出答复，针对这些待输出答复，可以再进行一些答复输出控制后，确定最终的答复进行输出。例如，可以根据候选答复与用户查询之间的匹配度的打分排名，选择最靠前的候选答复进行输出。另外，也可以引入立场性答复的概率控制模型，基于预设的立场性答复概率，在中性答复和立场性答复之间进行选择输出。
[0060] 进一步地，为了充分体现聊天机器人的三观，本发明实施例引入了针对用户查询来选择合适的时机，进行主动输出立场性答复的机制。具体地，如图6所示，其为本发明实施例的会话处理装置之二的结构示意框图600，在图4的基础上，增加了用户查询判定模块601和输出控制模块602，
[0061] 其中，用户查询判定模块601，用于判断用户查询是否为立场性询问，并将判定结果发送给输出控制模块。
[0062] 输出控制模块602，用于根据判定结果进行如下输出控制，从而输出最终答复603：
[0063] 如果用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出；
[0064] 如果用户查询是非立场性询问，则可以输出非立场性询问或者根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
[0065] 上述的立场性询问可以包括：
[0066] 1)用户表达了自己的观点，例如：我很喜欢吃苹果。针对这种情况，聊天机器人可以主动展示自己对于苹果的喜好，从而体现其立场。
[0067] 2)用户表达了问题性询问，间接地涉及到机器人的立场，例如：你想吃苹果吗？针对这样的用户查询，常规的回答可能是“我想吃”或者“我不想吃”等。而在本发明实施例中，为了充分体现立场，可以针对用户的这种类型的询问，选择立场性的答复，例如，“太好了，我非常喜欢吃苹果”。
[0068] 3)用户直接表达立场性询问，例如：你喜欢吃苹果吗？针对这种情况，聊天机器人直接回复体现其立场性的答复。
[0069] 以上三种类型只是示例性地列举了立场性询问的类型，在实际的会话处理中，也可以根据需要，设定其他的用户查询类型作为立场性询问。
[0070] 聊天机器人在面对立场性询问时，优先选择立场性的答复，以体现其三观，在面对非立场性询问时，可以通过概率控制来选择立场性答复和非立场性答复。通过概率的高低，可以控制了聊天机器人三观性格的突出程度，如果想让聊天机器人的三观特性相对突出一些，则可以提高输出立场性答复的概率或者扩大上述的立场性询问的判定类型(将更大范围的用户查询设定为立场性询问)，反之，如果想让聊天机器人的三观特性表现平凡一些，则可以降低输出立场性答复的概率或者缩小上述的立场性询问的判定类型。
[0071] 需要说明的是，在上述的会话处理装置的附图中，其中的箭头方向仅为了说明的需要，突出一部分信息或数据的流向，或者控制指令的传递方向，上述的附图并不限制在实际的技术方案实现过程中，所需要的其他信息或数据的流向或者控制命令的传递方向。
[0072] 以上介绍了本发明实施例的会话处理装置，上述会话处理装置所执行的功能可以实现为下面介绍的会话处理方法。
[0073] 如图7所示，其为本发明实施例的会话处理方法之一的流程示意图700，如图7所示，该处理流程包括：
[0074] S701：根据用户查询生成多个候选答复。在该步骤处理中，可以基于预设的答复生成模型，基于语料库，提取出与用户查询匹配的多个候选答复。该步骤S701的处理可以由上述的会话处理装置的候选答复生成模块401执行。
[0075] S702：对各个候选答复进行观点提取，生成与各个候选答复对应的观点。该观点可以包括候选答复所涉及的目标。在该步骤处理中，如果候选答复包含完整的语义结构，则从候选答复中直接提取观点，如果候选答复缺少完整的语义结构，则将用户查询与候选答复结合在一起后，再提取观点。
[0076] 提取观点的处理可以采用如下几种方式之一或者多种方式的结合：
[0077] 1)根据候选答复的语法规则进行观点提取。在这种方式下，可以基于预设的规则对语法结构和词性的识别，来提取出候选答复所表达的观点。
[0078] 2)基于神经网络模型进行观点提取。
[0079] 一种方式可以基于Bi-LSTM(双向LSTM，其中，LSTM为Long Short-TermMemory，即长短期记忆网络)模型和CRF(条件随机场)模型来进行观点提取。另一种方式可以采用CNN(ConvolutionalNeural Network，卷积神经网络)模型进行观点提取。再一种方式还可以基于指针网络(PointerNetwork)模型进行观点提取，生成与各个候选答复对应的观点。
[0080] 上述的步骤S702的处理可以由上述的会话处理装置的观点提取模块402执行。
[0081] S703：根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场。候选的答复涉及的目标在步骤S702的处理中已经被提取出来，在步骤S703中可以直接使用。其中，立场关系图记录了一个或多个聊天机器人(不同角色或者不同人设)之间、多个目标之间以及多个聊天机器人与多个目标之间的立场关系。作为可选择的方式，可以为每一个聊天机器人单独建立一个立场关系图，也可以将所有的聊天机器人的立场关系整合在一张立场关系图中进行记录。
[0082] 基于上述立场关系图，就可以推断出聊天机器人对候选答复涉及的目标应当持有的立场。具体地，可能会涉及如下三种情形：
[0083] 1)根据立场关系图中记录的聊天机器人与目标之间的直接关系，推断聊天机器人应当持有的立场。
[0084] 2)根据立场关系图中记录的聊天机器人与目标之间的间接关系，来推断聊天机器人应当持有的立场。
[0085] 3)根据立场关系图中记录的目标并结合立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断聊天机器人对用户查询和/或候选答复中包含的目标应当持有的立场。
[0086] 在获取到了候选答复的观点以及当前聊天机器人对于答复中的目标所持有的立场后，就可以将两者进行比较，判定候选答复的观点与聊天机器人的立场是否存在矛盾，如果存在矛盾，则将该候选答复删除，从而保持聊天机器人人设的一致性。筛选后的答复可以是体现聊天机器人立场的答复也可以是立场性较弱或者没有立场性的中性答复。
[0087] 上述的步骤S703的处理可以由上述的会话处理装置的立场推断模块403执行。
[0088] S704：对各个候选答复进行筛选，删除掉观点与立场矛盾的候选答复，剩余的候选答复作为待输出答复等待输出。步骤S704的处理将会用到步骤S702中提取出的观点和步骤S703中提取出的立场。
[0089] 在步骤S704中，在获取到了候选答复的观点以及当前聊天机器人对于答复中的目标所持有的立场后，就可以将两者进行比较，判定候选答复的观点与聊天机器人的立场是否存在矛盾，如果存在矛盾，则将该候选答复删除，从而保持聊天机器人人设的一致性。筛选后的答复可以是体现聊天机器人立场的答复也可以是立场性较弱或者没有立场性的中性答复。
[0090] 上述的步骤S704的处理可以由上述的会话处理装置的答复筛选模块404执行。通过上述的会话处理方法的处理流程，能够将候选答复中与当前聊天机器人的人设相矛盾的候选答复去除掉，从而充分保证聊天机器人的三观的一致性和稳定性，从而让用户在与聊天机器人的交流过程中，感受到聊天机器人的三观。
[0091] 如图8所示，其为本发明实施例的会话处理方法之二的流程示意图800，如图8所示，该处理流程包括：
[0092] S801：根据用户查询生成多个候选答复；
[0093] S802：对各个候选答复进行观点提取，生成与各个候选答复对应的观点；
[0094] S803：根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场；
[0095] S804：对各个候选答复进行筛选，删除掉观点与立场矛盾的候选答复。
[0096] 上述的步骤S801至步骤S804的处理过程与图7中的步骤S701至步骤S704的处理过程是一致的。
[0097] S805：判断用户查询是否为立场性询问；如果用户查询是立场性询问，则执行S806，如果用户查询是非立场性询问，则执行S807。该步骤S805的处理可以由上述放入会话处理装置的用户查询判定模块601执行。
[0098] S806：在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
[0099] S807：根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
[0100] 上述的立场性询问可以包括：
[0101] 1)用户表达了自己的观点，例如：我很喜欢吃苹果。针对这种情况，聊天机器人可以主动展示自己对于苹果的喜好，从而体现其立场。
[0102] 2)用户表达了问题性询问，间接地涉及到机器人的立场，例如：你想吃苹果吗？针对这样的用户查询，常规的回答可能是“我想吃”或者“我不想吃”等。而在本发明实施例中，为了充分体现立场，可以针对用户的这种类型的询问，选择立场性的答复，例如，“太好了，我非常喜欢吃苹果”。
[0103] 3)用户直接表达立场性询问，例如：你喜欢吃苹果吗？针对这种情况，聊天机器人直接回复体现其立场性的答复。
[0104] 以上三种类型只是示例性地列举了立场性询问的类型，在实际的会话处理中，也可以根据需要，设定其他的用户查询类型作为立场性询问。
[0105] 聊天机器人在面对立场性询问时，优先选择立场性的答复，以体现其三观，在面对非立场性询问时，可以通过概率控制来选择立场性答复和非立场性答复。通过概率的高低，可以控制了聊天机器人三观性格的突出程度，如果想让聊天机器人的三观特性相对突出一些，则可以提高输出立场性答复的概率或者扩大上述的立场性询问的判定类型(将更大范围的用户查询设定为立场性询问)，反之，如果想让聊天机器人的三观特性表现平凡一些，则可以降低输出立场性答复的概率或者缩小上述的立场性询问的判定类型。
[0106] 上述的步骤S806和步骤S807的处理可以由上述的会话处理装置的输出控制模块602执行。
[0108] 以上介绍了本发明实施例的会话处理方法的各个流程，其技术细节以及相应的技术效果在之前针对会话处理装置的介绍中进行了详细说明，在此不再赘述。
[0109] 具体实现示例
[0110] 在一些例子中，上述图1至图8涉及的一个或多个模块或者一个或多个步骤或者一个或多个处理过程，可以通过软件程序、硬件电路，也可以通过软件程序和硬件电路相结合的方式来实现。例如，上述各个组件或者模块以及一个或多个步骤都可在芯片上系统(SoC)中实现。SoC可包括：集成电路芯片，该集成电路芯片包括以下一个或多个：处理单元(如中央处理单元(CPU)、微控制器、微处理单元、数字信号处理单元(DSP)等)、存储器、一个或多个通信接口、和/或用于执行其功能的进一步的电路和可任选的嵌入的固件。
[0111] 如图9所示，其为发明实施例的电子设备的结构框图。电子设备900包括：存储器901和处理器902。
[0112] 存储器901，用于存储程序。除上述程序之外，存储器901还可被配置为存储其它各种数据以支持在电子设备900上的操作。这些数据的示例包括用于在电子设备900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
[0113] 存储器901可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
[0114] 存储器901耦合至处理器902并且包含存储于其上的指令，所说的指令在由处理器902执行时使电子设备执行动作，作为一种电子设备的实施例，该动作可以包括：
[0115] 根据用户查询生成多个候选答复；
[0116] 对各个候选答复进行观点提取，生成与各个候选答复对应的观点；
[0117] 根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场；
[0118] 对各个候选答复进行筛选，删除掉观点与立场矛盾的候选答复。
[0119] 其中，
[0120] 对各个候选答复进行观点提取，生成与各个候选答复对应的观点可以包括：
[0121] 如果候选答复包含完整的语义结构，则从候选答复中直接提取观点，如果候选答复缺少完整的语义结构，则将用户查询与候选答复结合在一起后，再提取观点。
[0122] 立场关系图中的每个节点中可以包括如下信息：持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
[0123] 其中，对各个候选答复进行观点提取，生成与各个候选答复对应的观点可以包括：
[0124] 根据候选答复的语法规则进行观点提取，和/或，基于神经网络模型进行观点提取，生成与各个候选答复对应的观点。
[0125] 其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场可以包括如下三种情形的处理：
[0126] 根据立场关系图中记录的聊天机器人与目标之间的直接关系，推断聊天机器人应当持有的立场；
[0127] 根据立场关系图中记录的聊天机器人与目标之间的间接关系，来推断聊天机器人应当持有的立场；
[0128] 根据立场关系图中记录的目标并结合立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断聊天机器人对用户查询和/或候选答复中包含的目标应当持有的立场。
[0129] 电子设备执行的动作还可以包括：
[0130] 判断用户查询是否为立场性询问，如果用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出，如果用户查询是非立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
[0131] 对于上述的处理操作，在前面方法和装置的实施例中已经进行了详细说明，对于上述的处理操作的详细内容同样也适用于电子设备900中，即可以将前面实施例中提到的具体处理操作，以程序的方式写入在存储器901，并通过处理器902来进行执行。
[0132] 进一步，如图9所示，电子设备900还可以包括：通信组件903、电源组件904、音频组件905、显示器906、芯片组907等其它组件。图9中仅示意性给出部分组件，并不意味着电子设备900只包括图9所示组件。
[0133] 通信组件903被配置为便于电子设备900和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件903经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件903还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
[0134] 电源组件904，为电子设备的各种组件提供电力。电源组件904可以包括电源管理系统，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。
[0135] 音频组件905被配置为输出和/或输入音频信号。例如，音频组件905包括一个麦克风(MIC)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器901或经由通信组件903发送。在一些实施例中，音频组件905还包括一个扬声器，用于输出音频信号。
[0136] 显示器906包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
[0137] 上述的存储器901、处理器902、通信组件903、电源组件904、音频组件905以及显示器906可以与芯片组907连接。芯片组907可以提供处理器902与电子设备900中的其余组件之间的接口。此外，芯片组907还可以提供电子设备900中的各个组件对存储器901的访问接口以及各个组件间相互访问的通讯接口。
[0138] 示例条款
[0139] A：一种方法，包括：
[0140] 根据用户查询生成多个候选答复；
[0141] 对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点；
[0142] 根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场；
[0143] 对各个候选答复进行筛选，删除掉观点与所述立场矛盾的候选答复。
[0144] B：根据段落A所述的方法，其中，
[0145] 所述对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
[0146] 如果所述候选答复包含完整的语义结构，则从所述候选答复中直接提取所述观点，如果所述候选答复缺少完整的语义结构，则将所述用户查询与所述候选答复结合在一起后，再提取所述观点。
[0147] C：根据段落A所述的方法，其中，所述立场关系图中的每个节点中包括如下信息：持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
[0148] D：根据段落A所述的方法，其中，对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
[0149] 根据所述候选答复的语法规则进行观点提取，和/或，基于神经网络模型进行观点提取，生成与各个所述候选答复对应的观点。
[0150] E：根据段落A所述的方法，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0151] 根据所述立场关系图中记录的所述聊天机器人与所述目标之间的直接关系，推断所述聊天机器人应当持有的立场。
[0152] F：根据段落A所述的方法，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0153] 根据所述立场关系图中记录的所述聊天机器人与所述目标之间的间接关系，来推断所述聊天机器人应当持有的立场。
[0154] G：根据段落A所述的方法，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0155] 根据立场关系图中记录的目标并结合所述立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断所述聊天机器人对所述用户查询和/或候选答复中包含的目标应当持有的立场。
[0156] H：根据段落A所述的方法，其中，还包括：
[0157] 判断用户查询是否为立场性询问，如果所述用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
[0158] I：根据段落H所述的方法，其中，如果所述用户查询是非立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
[0159] J：根据段落H所述的方法，其中，所述立场性询问包括：
[0160] 用户查询表达了用户对所述目标的观点，和/或，用户查询提出的问题涉及到所述聊天机器人对所述目标的所持的立场。
[0161] K：一种装置，包括：
[0162] 候选答复生成模块，用于根据用户查询生成多个候选答复；
[0163] 观点提取模块，用于对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点；
[0164] 立场推断模块，用于根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场，
[0165] 答复筛选模块，用于对各个候选答复进行筛选，删除掉观点与所述立场矛盾的候选答复。
[0166] L：根据段落K所述的装置，其中，所述对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
[0167] 如果所述候选答复包含完整的语义结构，则从所述候选答复中直接提取所述观点，如果所述候选答复缺少完整的语义结构，则将所述用户查询与所述候选答复结合在一起后，再提取所述观点。
[0168] M：根据段落K所述的装置，其中，所述立场关系图中的每个节点中包括如下信息：持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
[0169] N：根据段落K所述的装置，其中，对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
[0170] 根据所述候选答复的语法规则进行观点提取，和/或，基于神经网络模型进行观点提取，生成与各个所述候选答复对应的观点。
[0171] O：根据段落K所述的装置，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0172] 根据所述立场关系图中记录的所述聊天机器人与所述目标之间的直接关系，推断所述聊天机器人应当持有的立场。
[0173] P：根据段落K所述的装置，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0174] 根据所述立场关系图中记录的所述聊天机器人与所述目标之间的间接关系，来推断所述聊天机器人应当持有的立场。
[0175] Q：根据段落K所述的装置，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0176] 根据立场关系图中记录的目标并结合所述立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断所述聊天机器人对所述用户查询和/或候选答复中包含的目标应当持有的立场。
[0177] R：根据段落K所述的装置，其中，还包括：用户查询判定模块和输出控制模块，[0178] 用户查询判定模块，用于判断用户查询是否为立场性询问，并将判定结果发送给所述输出控制模块；
[0179] 所述输出控制模块，用于根据所述判定结果执行如下输出控制：
[0180] 如果所述用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
[0181] S：根据段落R所述的装置，其中，所述输出控制还包括：
[0182] 如果所述用户查询是非立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
[0183] T：根据段落R所述的装置，其中，所述立场性询问包括：
[0184] 用户查询表达了用户对所述目标的观点，和/或，用户查询提出的问题涉及到所述聊天机器人对所述目标的所持的立场。
[0185] U：一种电子设备，包括：
[0186] 处理单元；以及
[0187] 存储器，耦合至所述处理单元并且包含存储于其上的指令，所述指令在由所述处理单元执行时使所述设备执行动作，所述动作包括：
[0188] 根据用户查询生成多个候选答复；
[0189] 对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点；
[0190] 根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场；
[0191] 对各个候选答复进行筛选，删除掉观点与所述立场矛盾的候选答复。
[0192] V：根据段落U所述的电子设备，其中，所述对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
[0193] 如果所述候选答复包含完整的语义结构，则从所述候选答复中直接提取所述观点，如果所述候选答复缺少完整的语义结构，则将所述用户查询与所述候选答复结合在一起后，再提取所述观点。
[0194] W：根据段落U所述的电子设备，其中，所述立场关系图中的每个节点中包括如下信息：持有者、目标、持有者与目标之间的关系以及持有者对目标所持有的情感。
[0195] X：根据段落U所述的电子设备，其中，对各个所述候选答复进行观点提取，生成与各个所述候选答复对应的观点包括：
[0196] 根据所述候选答复的语法规则进行观点提取，和/或，基于神经网络模型进行观点提取，生成与各个所述候选答复对应的观点。
[0197] Y：根据段落U所述的电子设备，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0198] 根据所述立场关系图中记录的所述聊天机器人与所述目标之间的直接关系，推断所述聊天机器人应当持有的立场。
[0199] Z：根据段落U所述的电子设备，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0200] 根据所述立场关系图中记录的所述聊天机器人与所述目标之间的间接关系，来推断所述聊天机器人应当持有的立场。
[0201] A1：根据段落U所述的电子设备，其中，根据立场关系图，推断聊天机器人对候选答复涉及的目标应当持有的立场包括：
[0202] 根据立场关系图中记录的目标并结合所述立场关系图以外的知识库和/或知识模型和/或规则进行推断，推断所述聊天机器人对所述用户查询和/或候选答复中包含的目标应当持有的立场。
[0203] B1：根据段落U所述的电子设备，其中，所述动作还包括：
[0204] 判断用户查询是否为立场性询问，如果所述用户查询是立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，选择立场性答复进行输出。
[0205] C1：根据段落B1所述的电子设备，其中，如果所述用户查询是非立场性询问，则在删除掉观点与所述情感矛盾的候选答复后剩下的候选答复中，根据预设的立场性答复的概率控制规则，输出立场性答复或非立场性答复。
[0206] D1：根据段落B1所述的电子设备，其中，所述立场性询问包括：
[0207] 用户查询表达了用户对所述目标的观点，和/或，用户查询提出的问题涉及到所述聊天机器人对所述目标的所持的立场。
[0208] 结语
[0209] 系统的多个方面的硬件与软件实现之间区别不大；使用硬件还是软件通常(但并不总是，因为在某些背景下，硬件与软件之间的选择可以变得显著)是表示成本与效率权衡的设计选择。存在可以实现在此描述的处理和/或系统和/或其它技术(例如，硬件、软件，以及/或固件)的各种承载工具，并且优选承载工具将随着部署该处理和/或系统和/或其它技术的背景而改变。例如，如果实现方确定速度和准确度最重要，则该实现方可以选择主要硬件和/或固件承载工具；如果灵活性最重要，则该实现方可以选择主要软件实现；或者，此外又另选地，该实现方可以选择硬件、软件，以及/或固件的一些组合。
[0210] 前述详细描述已经经由使用框图、流程图，以及/或示例阐述了该装置和/或处理的各种实施方式。至于这种框图、流程图，以及/或示例包含一个或更多个功能和/或操作，本领域技术人员应当明白，这种框图、流程图，或示例内的每一个功能和/或操作可以单独地和/或共同地，通过宽范围的硬件、软件、固件，或者实际上其任何组合来实现。在一个实施方式中，在此描述的主旨的几个部分可以经由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)，或其它集成格式来实现。然而，本领域技术人员应当认识到，在此公开的实施方式的一些方面整个地或者部分地可以等同地在集成电路中实现，实现为运行在一个或更多个计算机上的一个或更多个计算机程序(例如，实现为运行在一个或更多个计算机系统上的一个或更多个程序)，实现为运行在一个或更多个处理器上的一个或更多个程序(例如，实现为运行在一个或更多个微处理器上的一个或更多个程序)，实现为固件，或者实际上实现为其任何组合，并且根据本公开，设计电路和/或编写用于软件和/或固件的代码完全处于本领域技术人员的技术内。另外，本领域技术人员应当清楚的是，在此描述的主题的机制能够按多种形式作为程序产品分配，并且在此描述的主题的例示性实施方式适用，而与被用于实际执行该分配的特定类型的信号承载介质无关。信号承载介质的示例包括但不限于，以下：可记录型介质，如软盘、硬盘驱动器(HDD)、质密盘(CD)、数字通用盘(DVD)、数字磁带、计算机存储器等；和传输型介质，如数字和/或模拟通信媒介(例如，光纤线缆、波导管、有线通信链路、无线通信链路等)。
[0211] 本领域技术人员应当认识到，按在此阐述的方式来描述装置和/或处理，并且此后，使用工程实践将这样描述的装置和/或处理集成到数据处理系统中是本领域内常见的。即，在此描述的装置和/或处理的至少一部分可以经由合理量的实验而集成到数据处理系统中。本领域技术人员应当认识到的是，通常的数据处理系统通常包括以下中的一个或更多个：系统单元外壳、视频显示装置、诸如易失性和非易失性存储器的存储器、诸如微处理器和数字信号处理器的处理器、诸如操作系统、驱动器、图形用户接口，以及应用程序的计算实体、诸如触摸板或触摸屏的一个或更多个交互式装置，以及/或包括反馈回路和控制电动机的控制系统(例如，用于感测位置和/或速度的反馈；用于移动和/或调节组件和/或数量的控制马达)。通常的数据处理系统可以利用任何合适商业可获组件来实现，如通常在数据计算/通信和/或网络通信/计算系统中找到的那些。
[0212] 在此描述的主题有时例示了包含在不同的其它组件内或与其相连接的不同组件。要明白的是，这样描绘的架构仅仅是示例性的，并且实际上，可以实现获得相同功能的许多其它架构。在概念意义上，用于获得相同功能的组件的任何排布结构都有效地“关联”，以使获得希望功能。因此，在此为获得特定功能而组合的任两个组件都可以被看作彼此“相关联”，以使获得希望功能，而与架构或中间组件无关。同样地，这样关联的任两个组件还可以被视作彼此“可操作地连接”，或“可操作地耦接”，以获得希望功能，并且能够这样关联的任两个组件也可以被视作可彼此“操作地耦接”，以获得希望功能。可操作地耦接的具体示例包括但不限于，物理上可配合和/或物理上交互的组件和/或可无线地交互和/或无线地交互的组件和/或逻辑上交互和/或逻辑上可交互组件。
[0213] 针对在此实质上使用的任何复数和/或单数术语，本领域技术人员可以针对背景和/或应用在适当时候从复数翻译成单数和/或从单数翻译成复数。为清楚起见，各种单数/多数置换在此可以确切地阐述。
[0214] 本领域技术人员应当明白，一般来说，在此使用的，而且尤其是在所附权利要求书中(例如，所附权利要求书的主体)使用的术语通常旨在作为“开放式”措辞(例如，措辞“包括(including)”应当解释为“包括但不限于”，措辞“具有(having)”应当解释为“至少具有”，措辞“包括(include)”应当解释为“包括但不限于”等)。本领域技术人员还应当明白，如果想要特定数量的介绍权利要求列举，则这种意图将明确地在该权利要求中陈述，并且在没有这些列举的情况下，不存在这种意图。例如，为帮助理解，下面所附权利要求书可以包含使用介绍性短语“至少一个”和“一个或更多个”来介绍权利要求列举。然而，使用这种短语不应被认作，暗示由不定冠词“一(a)”或“一(an)”介绍的权利要求列举将包含这种介绍权利要求列举的任何特定权利要求限制于仅包含一个这种列举的发明，即使同一权利要求包括介绍性短语“一个或更多个”或“至少一个”以及诸如“一(a)”或“一(an)”的不定冠词(例如，“一(a)”或“一(an)”通常应当被解释成意指“至少一个”或“一个或更多个”)；其对于使用为介绍权利要求列举而使用的定冠词来说同样保持为真。另外，即使明确地陈述特定数量的介绍权利要求列举，本领域技术人员也应当认识到，这种列举通常应当被解释成，至少意指所陈述数量(例如，“两个列举”的仅有的列举在没有其它修饰语的情况下通常意指至少两个列举，或者两个或更多个列举)。而且，在使用类似于“A、B，以及C等中的至少一个”的惯例的那些实例中，一般来说，这种句法结构希望本领域技术人员在意义上应当理解这种惯例(例如，“具有A、B，以及C中的至少一个的系统”应当包括但不限于具有单独A、单独B、单独C、A和B一起、A和C一起、B和C一起，以及/或A、B以及C一起等的系统)。在使用类似于“A、B，或C等中的至少一个”的惯例的那些实例中，一般来说，这种句法结构希望本领域技术人员在意义上应当理解这种惯例(例如，“具有A、B，或C中的至少一个的系统”应当包括但不限于具有单独A、单独B、单独C、A和B一起、A和C一起、B和C一起，以及/或A、B以及C一起等的系统)。本领域技术人员还应当明白的是，实际上，呈现两个或更多个另选术语的任何转折词和/短语(无论处于描述、权利要求书中，还是在附图中)应当被理解成，设想包括这些术语、这些术语中的任一个，或者两个术语的可能性。例如，短语“A或B”应当被理解成，包括“A”或“B”或“A和B”的可能性。
[0215] 本说明书中针对“实现方式”、“一个实现方式”、“一些实现方式”，或“其它实现方式”的引用可以意指，结合一个或更多个实现方式描述的特定特征、结构，或特性可以被包括在至少一些实现方式中，但不必被包括在所有实现方式中。前述描述中不同出现的“实现方式”、“一个实现方式”，或“一些实现方式”不必全部针对同一实现方式而引用。
[0216] 虽然利用不同方法和系统描述和示出了特定示例性技术，但本领域技术人员应当明白，在不脱离要求保护的主题的情况下，可以进行各种其它修改，并且可以代替等同物。另外，在不脱离在此描述的中心概念的情况下，可以进行许多修改以使适应针对要求保护的主题的教导的特定情况。因此，要求保护的主题不限于所公开的特定示例，而是这种要求保护的主题还可以包括落入所附权利要求书及其等同物的范围内的所有实现。
[0217] 尽管已经用结构特征和/或方法动作专用的语言描述了本主题，但要理解，所附权利要求书中定义的主题不必限于所描述的具体特征或动作。而是，这些具体特征和动作是作为实现该权利要求的解说性形式而公开的。
[0218] 除非另外具体声明，否则在上下文中可以理解并一般地使用条件语言(诸如“能”、“能够”、“可能”或“可以”)表示特定示例包括而其他示例不包括特定特征、元素和/或步骤。因此，这样的条件语言一般并非旨在暗示对于一个或多个示例以任何方式要求特征、元素和/或步骤，或者一个或多个示例必然包括用于决定的逻辑、具有或不具有用户输入或提示、在任何特定实施例中是否要包括或要执行这些特征、元素和/或步骤。
[0219] 除非另外具体声明，应理解联合语言(诸如短语“X、Y或Z中至少一个”)表示项、词语等可以是X、Y或Z中的任一者、或其组合。
[0220] 本文所述和/或附图中描述的流程图中任何例行描述、元素或框应理解成潜在地表示包括用于实现该例程中具体逻辑功能或元素的一个或多个可执行指令的代码的模块、片段或部分。替换示例被包括在本文描述的示例的范围内，其中各元素或功能可被删除，或与所示出或讨论的顺序不一致地执行，包括基本上同步地执行或按相反顺序执行，这取决于所涉及的功能，如本领域技术人也将理解的。
[0221] 应当强调，可对上述示例作出许多变型和修改，其中的元素如同其他可接受的示例那样应被理解。所有这样的修改和变型在此旨在包括在本公开的范围内并且由以下权利要求书保护。
[0222] 本领域普通技术人员可以理解：实现上述各方法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，执行包括上述各方法实施例的步骤；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。
[0223] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种智能养老陪伴机器人 | 2020-05-12 | 217 |
| 一种基于栈的聊天机器人对话管理方法 | 2020-05-13 | 821 |
| 机器人交互控制方法及装置、存储介质、服务器 | 2020-05-20 | 204 |
| 聊天机器人的语料生成方法及装置、存储介质、服务器 | 2020-05-21 | 877 |
| 在线客服应答系统及方法 | 2020-05-23 | 187 |
| 具有三观立场的聊天机器人技术 | 2020-05-14 | 872 |
| 一个电子商务网站基于规则运行的聊天机器人构建方法 | 2020-05-15 | 190 |
| 一种基于搜索引擎的问答方法和装置 | 2020-05-23 | 680 |
| 一种智能对话系统 | 2020-05-08 | 215 |
| 一种送餐机器人 | 2020-05-26 | 857 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈