本發(fā)明涉及機器人領域，具體涉及一種用于機器人的交互輸出方法以及機器人。

背景技術：

隨著機器人技術的不斷發(fā)展，智能機器人的越來越多的被應用到人類日常的生產生活中。

在現有技術中，最常見的人機交互場景之一是機器人和用戶聊天。但是，在現有的人機交互場景中，機器人和用戶的聊天通常是由用戶發(fā)起并由用戶主導的，機器人只能呆板被動的對用戶的提問做針對性的應答。這就使得整個聊天過程十分單調枯燥，當用戶獲取到自己想要知道的答案時會立即停止聊天進程，甚至在很多情況下用戶在嘗試一兩次提問后就放棄提問，單方面終止交互。

因此，為了提高機器人與用戶聊天的趣味性，提高用戶的聊天意愿，增強機器人的用戶體驗，需要一種更優(yōu)的交互輸出方法。

技術實現要素：

本發(fā)明提供了一種用于機器人的交互輸出方法，所述方法包括：

接收多模態(tài)輸入數據并解析，判斷當前是否存在可以作為話題的體育賽事；

當存在可以作為話題的體育賽事時判斷所述體育賽事是否尚未進行或正在進行但尚未結束；

當所述體育賽事尚未進行或正在進行但尚未結束時獲取與所述體育賽事相關的多維度的樣本數據；

分析所述樣本數據，綜合所述樣本數據的多維度分析結果預測所述體育賽事的預測結果；

以所述體育賽事作為話題與用戶進行交互，其中，將所述預測結果多模態(tài)輸出給所述用戶。

在一實施例中，判斷當前是否存在可以作為話題的體育賽事，其中，在人機交互過程中當所述用戶的輸出內容包含第一體育賽事時，判斷所述第一體育賽事可以作為話題。

在一實施例中，判斷當前是否存在可以作為話題的體育賽事，其中，檢測并分析所述用戶的用戶行為，當所述用戶行為表示所述用戶正在關注第二體育賽事時，判斷所述第二體育賽事可以作為話題。

在一實施例中，獲取與所述體育賽事相關的多維度的樣本數據，其中，所述樣本數據包含搜索數據、社交數據、相關賽事歷史統(tǒng)計數據以及用戶數據，所述用戶數據包含針對主動提問的用戶反饋數據、針對線上活動的用戶行為數據以及用戶歷史交互記錄。

在一實施例中，獲取與所述體育賽事相關的多維度的樣本數據，其中，所述樣本數據包含用戶偏好，所述方法還包括：

采集所述用戶針對所述體育賽事的多模態(tài)行為；

分析所述多模態(tài)行為獲取并保存對應所述體育賽事的用戶偏好；

根據作為話題的所述體育賽事提取對應的所述用戶偏好；

結合所述用戶偏好預測所述體育賽事的預測結果；

結合所述用戶偏好以所述體育賽事作為話題與用戶進行交互。

在一實施例中：

預測所述體育賽事的預測結果，其中，獲取所述體育賽事的多個不同的預測結果，每個所述預測結果對應相應的發(fā)生概率；

將所述預測結果輸出給所述用戶，其中，將所述體育賽事的多個不同的預測結果、每個預測結果對應的發(fā)生概率、預測根據以及信息來源多模態(tài)輸出給用戶。

本發(fā)明還提出了一種智能機器人，所述機器人包括：

當前話題解析模塊，其配置為接收多模態(tài)輸入數據并解析，判斷當前是否存在可以作為話題的體育賽事；

體育賽事進程分析模塊，其配置為當存在可以作為話題的體育賽事時判斷所述體育賽事是否尚未進行或正在進行但尚未結束；

體育賽事數據采集模塊，其配置為當所述體育賽事尚未進行或正在進行但尚未結束時獲取與所述體育賽事相關的多維度的樣本數據；

賽事結果預測模塊，其配置為分析所述樣本數據，綜合所述樣本數據的多維度分析結果預測所述體育賽事的預測結果；

交互輸出模塊，其配置為以所述體育賽事作為話題與用戶進行交互，其中，將所述預測結果多模態(tài)輸出給所述用戶。

在一實施例中，所述當前話題解析模塊包含交互內容解析單元，所述交互內容解析單元配置為在人機交互過程中當所述用戶的輸出內容包含第一體育賽事時判斷所述第一體育賽事可以作為話題。

在一實施例中，所述當前話題解析模塊包含用戶行為分析單元，所述用戶行為分析單元配置為檢測并分析所述用戶的用戶行為，當所述用戶行為表示所述用戶正在關注第二體育賽事時，判斷所述第二體育賽事可以作為話題。

在一實施例中，所述機器人還包含用戶數據還包含用戶偏好采集模塊，所述用戶偏好采集模塊配置為：

采集所述用戶針對所述體育賽事的多模態(tài)行為，分析所述多模態(tài)行為獲取并保存對應所述體育賽事的用戶偏好；

根據作為話題的所述體育賽事提取對應的所述用戶偏好。

本發(fā)明的方法選擇體育賽事作為話題切入點通過對體育賽事的結果預測與用戶展開交互。相較于現有技術，根據本發(fā)明的方法可以大大提高用戶的交互意愿，提高人機交互的用戶體驗。

本發(fā)明的其它特征或優(yōu)點將在隨后的說明書中闡述。并且，本發(fā)明的部分特征或優(yōu)點將通過說明書而變得顯而易見，或者通過實施本發(fā)明而被了解。本發(fā)明的目的和部分優(yōu)點可通過在說明書、權利要求書以及附圖中所特別指出的步驟來實現或獲得。

附圖說明

附圖用來提供對本發(fā)明的進一步理解，并且構成說明書的一部分，與本發(fā)明的實施例共同用于解釋本發(fā)明，并不構成對本發(fā)明的限制。在附圖中：

圖1是根據本發(fā)明一實施例的方法流程圖；

圖2以及圖3是根據本發(fā)明實施例的方法的部分流程圖；

圖4是根據本發(fā)明一實施例的體育賽事結果預測信息流示意圖；

圖5以及圖6是根據本發(fā)明實施例的機器人結構框圖。

具體實施方式

以下將結合附圖及實施例來詳細說明本發(fā)明的實施方式，借此本發(fā)明的實施人員可以充分理解本發(fā)明如何應用技術手段來解決技術問題，并達成技術效果的實現過程并依據上述實現過程具體實施本發(fā)明。需要說明的是，只要不構成沖突，本發(fā)明中的各個實施例以及各實施例中的各個特征可以相互結合，所形成的技術方案均在本發(fā)明的保護范圍之內。

在現有技術中，最常見的人機交互場景之一是機器人和用戶聊天。但是，在現有的人機交互場景中，機器人和用戶的聊天通常是由用戶發(fā)起并由用戶主導的，機器人只能呆板被動的對用戶的提問做針對性的應答。這就使得整個聊天過程十分單調枯燥，當用戶獲取到自己想要知道的答案時會立即停止聊天進程，甚至在很多情況下用戶在嘗試一兩次提問后就放棄提問，單方面終止交互。

因此，為了提高機器人與用戶聊天的趣味性，提高用戶的聊天意愿，增強機器人的用戶體驗，本發(fā)明提出了一種用于機器人的交互輸出方法。

在人與人的日常交互場景中，決定交談雙方的交談意愿強弱的關鍵之一在于當前的交談內容是否符合交談雙方的興趣。如果交談雙方都對當前的交談內容感興趣，那么當前的交談就能很容易的持續(xù)下去。將上述分析引申到人機交互場景中，由于不需要考慮機器人的交談興趣，只需要盡可能的提高用戶的交談興趣。那么，提高用戶的聊天意愿的關鍵點之一就是保持當前的話題內容圍繞用戶感興趣的內容。

進一步的，在人機交互過程中，機器人如果僅僅是針對特定話題進行簡單的資訊推送會造成整個交互進程的枯燥乏味(完全成為了一種資訊查詢過程，無法體現交互的感覺)。因此，為了提高交互的趣味性，機器人需要對與話題相關的資訊進行處理，生成并輸出符合人類交談習慣的交互內容(并且，盡可能的，該交互內容還要符合當前用戶的習慣)。這就要求機器人具備針對資訊的處理分析能力。但是，不同類型的資訊的處理分析模式是不同的，因此機器人不可能具備所有類型的資訊的處理分析能力。因此，為了保證當前的話題是機器人可分析處理的話題，需要機器人對話題的選擇上做出一定的把控引導，引導用戶就機器人熟悉并且用戶也感興趣的話題進行交談。

進一步的，在人與人進行交談的過程中，體育賽事經常作為交談話題(大多數用戶都會對某些特定的體育賽事感興趣興趣)，體育賽事的相關話題具有較高的可能性是用戶所感興趣的。因此，在本發(fā)明一實施例中，預先使得機器人具備體育賽事相關話題的分析處理能力，并在人機交互過程中盡量將當前話題引導至體育賽事上。

進一步的，針對體育賽事，在通常狀態(tài)下用戶的關注點大多集中在體育賽事的結果上。因此，如果針對體育賽事的結果進行討論會有很大的幾率引起用戶的關注(匹配用戶的興趣點)。尤其的，針對尚未結束的體育賽事進行結果預測更是有極大幾率吸引用戶。因此，在本發(fā)明一實施例中，將用戶所感興趣的體育賽事作為話題，圍繞該體育賽事的預測結果和用戶展開人機交互，從而保證用戶對人機交互的興趣度。

接下來基于附圖詳細描述根據本發(fā)明實施例的方法的詳細流程，附圖的流程圖中示出的步驟可以在包含諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行。雖然在流程圖中示出了各步驟的邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

如圖1所示，在一實施例中，機器人在人機交互過程中接收多模態(tài)輸入數據并解析(步驟S100)，判斷當前是否存在可以作為話題的體育賽事(用戶感興趣的體育賽事)(步驟S110)；但不存在可以作為話題的體育賽事時基于其他交互策略進行人機交互(步驟S101)，并繼續(xù)手機新的多模態(tài)輸入數據(返回步驟S100)。

當存在可以作為話題的體育賽事時判斷該體育賽事是否結束(是尚未開始、已開始正在進行但尚未結束或者是已經結束)(步驟S120)。如果該體育賽事已經結束，那么直接獲取該體育賽事的結果(步驟S141)，基于該體育賽事的結果生成并輸出多模態(tài)交互數據。即，以該體育賽事為話題，圍繞體育賽事的結果與用戶展開人機交互。

當該體育賽事沒有結束(正在進行或者尚未開始)時獲取與該體育賽事相關的多維度的樣本數據(步驟S131)；分析樣本數據，綜合樣本數據的多維度分析結果預測體育賽事的預測結果(步驟S132)；最后以該體育賽事作為話題與用戶進行交互(步驟S133)，其中，將步驟S132獲取的預測結果多模態(tài)輸出給用戶。即，以該體育賽事為話題，圍繞機器人預測出的賽事結果與用戶展開人機交互。

根據本發(fā)明的方法，交互話題圍繞用戶所感興趣的體育賽事展開，并且通過賽事的預測結果進一步吸引用戶的注意，從而大大提高人機交互的趣味性，增強用戶的人機交互意愿。

在圖1所示的步驟中，關鍵點之一在于判斷當前是否存在可以作為話題的體育賽事(步驟S110)。為了保證步驟S110中所確定的作為話題的體育賽事可以確實的增加用戶的人機交互意愿，作為話題的體育賽事需要滿足兩個條件：

(1)當前用戶對該體育賽事有一定興趣，如果用戶不感興趣，那么該圍繞體育賽事進行交流是無法提高用戶的交互意愿的。

(2)當前的交互場合適合談論該體育賽事，如果當前交互場景不適合談論該體育賽事(例如，用戶正在專注討論其他資訊)，那么圍繞該體育賽事進行交流就會打破正常的交流進程，從而降低人機交互體驗，即使用戶對該體育賽事存在一定的興趣，但是也無法提高用戶的交互意愿。

基于上述分析，在本發(fā)明一實施例中，在步驟S110中，通過對當前的交互內容進行分析來確定當前是否存在可以作為話題的體育賽事。具體的，在人機交互過程中當用戶的輸出內容包含某體育賽事時，那么首先可以說明用戶對該體育賽事感興趣(要不然不會在交互內容中提及該體育賽事)，其次，當前的交互環(huán)境可以討論該體育賽事(如果交互環(huán)境不適合討論該體育賽事，那么用戶就不會在交互內容中提及該體育賽事)。因此，此時該體育賽事就可以作為話題。

如圖2所示，在一實施例中，獲取用戶輸出(步驟S200)，判斷用戶輸出內容中是否包含體育賽事(步驟S210)。如果不包含，則判斷當前不存在可以作為話題的體育賽事(步驟S212)。如果包含，則判斷當前存在可以作為話題的體育賽事(步驟S211)(用戶輸出內容所包含的體育賽事作為話題)。

進一步的，在某些實際交互場景中，用戶可能并沒有將感興趣的體育賽事包含在自身的輸出中，而是通過用戶行為體現自己對該體育賽事的關注。因此，在一實施例中，檢測并分析所述用戶的用戶行為，當用戶行為表示用戶正在關注體育賽事時，那么首先可以說明用戶對該體育賽事感興趣(要不然不會關注該體育賽事)，其次，當前的交互環(huán)境可以討論該體育賽事(關注該體育賽事的行為并沒有對用戶的其他行為產生干擾，因為如果有干擾，用戶就不會執(zhí)行關注體育賽事的行為)。因此，此時該體育賽事就可以作為話題。

如圖3所示，在一實施例中，檢測并分析用戶行為(步驟S300)，判斷用戶是否關注體育賽事(步驟S310)。如果沒有關注，則判斷當前不存在可以作為話題的體育賽事(步驟S312)。如果關注，則判斷當前存在可以作為話題的體育賽事(步驟S211)(用戶關注的體育賽事作為話題)。

圖2以及圖3所示的實施例分別從兩個角度判斷當前是否存在可以作為話題的體育賽事。進一步的，在本發(fā)明一實施例中，采用將圖2以及圖3所示的兩個角度結合的方式判斷當前是否存在可以作為話題的體育賽事。即在人機交互過程中，檢測用戶輸出內容中是否包含體育賽事的同時檢測用戶行為是否關注體育賽事。如果兩個角度中任一方檢測出體育賽事，那么就判斷存在可以作為話題的體育賽事。

進一步的，判斷用戶輸出內容是否包含體育賽事是在人機交互場景下進行的。在某些應用場合中，用戶當前并沒有與機器人產生交互(用戶在執(zhí)行其他行為)。在此種應用場合下，機器人主要通過對用戶行為進行分析判斷用戶是否關注體育賽事。即，在非人機交互狀態(tài)下，機器人采集(旁觀)用戶行為，判斷用戶是否關注體育賽事。

并且，進一步的，在非人機交互狀態(tài)下，如果機器人判斷用戶關注某體育賽事，則可以以該體育賽事為話題主動向用戶發(fā)起人機交互。

在圖1所示的實施例中，為了進一步提高用戶的交互興趣，機器人針對當前未完成的體育賽事進行結果預測，并基于預測結果與用戶展開交互。在這一過程中，關鍵點之一是必須向用戶提供較為可靠(令人信服)的預測結果，如果預測結果漏洞百出，那么反而會降低用戶的交互意愿。在本發(fā)明一實施例中，為了保證預測結果的可靠性，采用大數據分析的方式進行結果預測。

在一實施例中，機器人獲取與體育賽事相關的多維度的樣本數據并通過對樣本數據的分析來進行結果預測。具體的，機器人所獲取的樣本數據包擴搜索數據(例如谷歌趨勢，百度指數等)，社交數據(例如微博，推特等)，相關賽事歷史統(tǒng)計數據(例如最新積分排名，歷史奪冠信息等)以及用戶數據(人機對話數據等)。

進一步的，在一實施例中，搜索數據、歷史統(tǒng)計信息和社交數據是系統(tǒng)后臺統(tǒng)計，用戶數據則包含針對主動提問的用戶反饋數據、針對線上活動的用戶行為數據以及用戶歷史交互記錄。

具體的，在一實施例中，通過三種形式“主動提問，用戶問題收集和線上游戲”獲取用戶數據。主動提問主要以一種類似于問卷調查等形式，詢問用戶的清香偏好。用戶問題收集主要指的是智能機器人通過對用戶聊天日志的分析，獲取某些特征。而線上游戲主要指的是通過游戲的形式挖掘關注信息。

進一步的，在搜集好樣本數據之后，機器人使用啟發(fā)式算法會從這些數據提取特征，同時把這些數據劃分為訓練集，驗證集和測試集，通過不斷的訓練模型和迭代模型，得到一個比較好的預測模型，然后基于最新搜集的各類數據得到預測結果。

如圖4所示的信息流向示意圖。大數據預測系統(tǒng)通過人機交互層收集用戶(A、B、C)的用戶數據，從后臺收集歷史統(tǒng)計信息、搜索數據以及社交數據。然后大數據預測系統(tǒng)通過人機交互層將生成的預測結果反饋給用戶。

進一步的，通常，針對某一體育賽事，用戶并不僅僅是簡單的關注的該體育賽事。用戶對于體育賽事還具有一些細節(jié)上的偏好特征。例如針對對抗類的體育賽事，用戶會偏向于某一方/某一只隊伍/某個選手(例如足球比賽，用戶可能顯著關注某一支球隊)。因此，為了進一步提高用戶的交互意愿，在一實施例中，機器人在圍繞用戶所關注的體育賽事進行交互輸出時還參考用戶偏好。例如，用戶關注某足球比賽，并且用戶偏向與球隊A，那么，機器人在以足球比賽作為話題時，話題重點就圍繞球隊A。

為了獲取用戶偏好，在一實施例中，機器人采集用戶針對體育賽事的多模態(tài)行為；分析所述多模態(tài)行為獲取并保存對應所述體育賽事的用戶偏好。在這里，用戶偏好是提前獲取并保存的(進一步的，機器人可以獲取多個用戶針對多個不同體育賽事的用戶偏好并保存)。當需要圍繞體育賽事進行人機交互時，機器人根據作為話題的體育賽事(以及當前用戶)提取對應的用戶偏好。并進一步的，結合用戶偏好預測體育賽事的預測結果；以及，結合用戶偏好以體育賽事作為話題與用戶進行交互。

進一步的，所謂預測結果，其是對未來可能發(fā)生的情況所進行的預估，必然不會是一個完全確定的結果。為了避免用戶理解偏差，并體現預測結果的專業(yè)性、可靠性，在本發(fā)明一實施例中，在獲取預測結果的過程中，獲取體育賽事的多個不同的預測結果，每個預測結果對應相應的發(fā)生概率；對應的，在將預測結果輸出給用戶時，將體育賽事的多個不同的預測結果、每個預測結果對應的發(fā)生概率、預測根據以及信息來源多模態(tài)輸出給用戶。這樣就可以讓用戶清楚預測結果的預測來源，體現結果預測的專業(yè)性、可靠性，從而提高用戶的交互意愿。另外，大量相關數據的輸出也會增加圍繞該體育賽事的輔助話題，大大提高用戶的進一步交互意愿。

綜上，本發(fā)明的方法選擇體育賽事作為話題切入點通過對體育賽事的結果預測與用戶展開交互。相較于現有技術，根據本發(fā)明的方法可以大大提高用戶的交互意愿，提高人機交互的用戶體驗。

基于本發(fā)明的方法，本發(fā)明還提出了一種智能機器人。如圖5所示，在一實施例中，機器人包括：

當前話題解析模塊510，其配置為接收多模態(tài)輸入數據并解析，判斷當前是否存在可以作為話題的體育賽事；

體育賽事進程分析模塊520，其配置為當存在可以作為話題的體育賽事時判斷該體育賽事是否尚未進行或正在進行但尚未結束；

體育賽事數據采集模塊530，其配置為當體育賽事尚未進行或正在進行但尚未結束時獲取與該體育賽事相關的多維度的樣本數據；

賽事結果預測模塊540，其配置為分析樣本數據，綜合樣本數據的多維度分析結果預測體育賽事的預測結果；

賽事結果獲取模塊560，其配置為當體育賽事已結束時獲取該體育賽事的實際結果；

交互輸出模塊550，其配置為以體育賽事作為話題與用戶進行交互，其中，將預測結果或實際結果多模態(tài)輸出給用戶。

進一步的，在一實施例中，當前話題解析模塊包含交互內容解析單元，交互內容解析單元配置為在人機交互過程中當用戶的輸出內容包含體育賽事時判斷該體育賽事可以作為話題。

進一步的，在一實施例中，當前話題解析模塊包含用戶行為分析單元，用戶行為分析單元配置為檢測并分析用戶的用戶行為，當用戶行為表示用戶正在關注體育賽事時，判斷該體育賽事可以作為話題。

進一步的，在一實施例中，機器人還包含用戶偏好采集模塊，用戶偏好采集單元配置為采集用戶針對所述體育賽事的多模態(tài)行為，分析多模態(tài)行為獲取并保存對應體育賽事的用戶偏好；當需要圍繞體育賽事進行人機交互時，根據作為話題的體育賽事提取對應的用戶偏好。

如圖6所示，當前話題解析模塊610配置為接收多模態(tài)輸入數據并解析，判斷當前是否存在可以作為話題的體育賽事；

體育賽事進程分析模塊620配置為當存在可以作為話題的體育賽事時判斷該體育賽事是否尚未進行或正在進行但尚未結束；

體育賽事數據采集模塊630配置為當體育賽事尚未進行或正在進行但尚未結束時獲取與該體育賽事相關的多維度的樣本數據；

用戶偏好采集模塊670配置為獲取并保存對應體育賽事的用戶偏好，根據作為話題的體育賽事提取對應的用戶偏好

賽事結果預測模塊640配置為分析樣本數據，結合用戶偏好綜合樣本數據的多維度分析結果預測體育賽事的預測結果；

賽事結果獲取模塊660配置為當體育賽事已結束時獲取該體育賽事的實際結果；

交互輸出模塊650配置為結合用戶偏好以體育賽事作為話題與用戶進行交互，其中，將預測結果或實際結果多模態(tài)輸出給用戶。

雖然本發(fā)明所公開的實施方式如上，但所述的內容只是為了便于理解本發(fā)明而采用的實施方式，并非用以限定本發(fā)明。本發(fā)明所述的方法還可有其他多種實施例。在不背離本發(fā)明實質的情況下，熟悉本領域的技術人員當可根據本發(fā)明做出各種相應的改變或變形，但這些相應的改變或變形都應屬于本發(fā)明的權利要求的保護范圍。