人机交互方法、装置及终端制造方法及图纸

一种人机交互方法、装置及终端。所述方法包括：接收输入请求；获取与所述输入请求对应的预设参考因素信息；利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请求对应的响应，以及输出所述响应对应的日志信息；其中，所述预设参考因素信息包括：生成所述响应时待参考的第一参考因素的标识信息；所述日志信息包括：生成所述响应的过程中实际使用的参考因素的标识信息；所述预设参考因素信息是基于前一次输出的所述输入请对应的日志信息确定的。应用上述方案，可以提高人工智能决策结果的准确性。

【技术实现步骤摘要】
人机交互方法、装置及终端
本专利技术涉及人工智能
，具体涉及一种人机交互方法、装置及终端。
技术介绍
人工智能(ArtificialIntelligence，AI)，主要是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前，人工智能通常包括机器学习及人工智能决策两部分。其中，机器学习，指的是计算机利用已有的数据进行处理，得出某种模型的过程。而人工智能决策，指的是利用机器学习得到的模型，预测未来的过程。现有的人工智能，思考过程就像黑盒子(BlackBox)一样，输入采样数据后，生成模型并输出决策结果。人类无法理解或分析终端的思考过程，导致决策结果的准确性较差。
技术实现思路
本专利技术要解决的问题为：如何提高人工智能决策结果的准确性。为解决上述问题，本专利技术实施例提供了一种人机交互方法，所述方法包括：接收输入请求；获取与所述输入请求对应的预设参考因素信息；利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请求对应的响应，以及输出所述响应对应的日志信息；其中，所述预设参考因素信息包括：生成所述响应时待参考的第一参考因素的标识信息；所述日志信息包括：生成所述响应的过程中实际使用的参考因素的标识信息；所述预设参考因素信息是基于前一次输出的所述输入请对应的日志信息确定的。可选地，所述预设参考因素信息还包括：生成所述预设训练模型时待参考的第二参考因素的标识信息。>可选地，所述第一参考因素信息与所述第二参考因素信息相同。可选地，所述预设参考因素信息还包括：各参考因素对应的参考权重信息。可选地，所述日志信息还包括：各参考因素对应的实际权重信息。可选地，所述获取与所述输入请求对应的预设参考因素信息，包括：获取前一次输出的所述输入请求对应的日志信息；对所获取的日志信息中的信息进行调整，得到所述预设参考因素信息。可选地，所述日志信息与所述预设参考因素信息及所述输入请求相关。可选地，所述参考因素属于以下任意一种类型：物理定律；自然定律；人类经验；大数据。本专利技术实施例还提供了一种人机交互装置，所述装置包括：接收单元，适于接收输入请求；获取单元，适于获取与所述输入请求对应的预设参考因素信息；输出单元，适于利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请求对应的响应，以及输出所述响应对应的日志信息；其中，所述预设参考因素信息包括：生成所述响应时待参考的第一参考因素的标识信息；所述日志信息包括：生成所述响应的过程中实际使用的参考因素的标识信息；所述预设参考因素信息是基于前一次输出的所述输入请对应的日志信息确定的。可选地，所述预设参考因素信息还包括：生成所述预设训练模型时待参考的第二参考因素的标识信息。可选地，所述第一参考因素信息与所述第二参考因素信息相同。可选地，所述预设参考因素信息还包括：各参考因素对应的参考权重信息。可选地，所述日志信息还包括：各参考因素对应的实际权重信息。可选地，所述获取单元，适于获取前一次输出的所述输入请求对应的日志信息，对所获取的日志信息中的信息进行调整，得到所述预设参考因素信息。可选地，所述日志信息与所述预设参考因素信息及所述输入请求相关。可选地，所述参考因素为以下任意一种：物理定律；自然定律；人类经验；大数据。可选地，所述装置还包括：学习单元，适于接收采样数据并进行机器学习，得到所述预设训练模型。本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述任一种所述方法的步骤。本专利技术实施例还提供了一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一种所述方法的步骤。与现有技术相比，本专利技术实施例的技术方案具有以下优点：应用本专利技术的方案，由于输入请求对应的响应，利用了输入请求对应的预设参考因素信息而生成，且预设参考因素信息是基于前一次输出的所述输入请对应的日志信息确定的，也就是基于前一次生成输入请对应的响应的过程中实际使用的参考因素确定的，由此可以基于生成响应的过程中实际使用的参考因素，调整所述预设参考因素，进而调整最终输出的响应，缩短决策的收敛时间，使得最终输出的响应更加准确。附图说明图1是人机交互过程的示意图；图2是本专利技术实施例中一种人机交互方法的流程图；图3是本专利技术实施例中一种人机交互过程的示意图；图4是本专利技术实施例中一种人机交互装置的结构示意图。具体实施方式参照图1，现有的人工智能，思考过程就像黑盒子(BlackBox)一样，采样数据输入后，终端进行机器学习。在终端接收到输入请求时，利用机器学习的结果，输出相应的响应。由于人类无法对终端进行理解或分析，故终端输出响应的准确性较差。针对上述问题，本专利技术的实施例提供了一种人机交互方法，应用所述方法，除利用输入请求对应的预设训练模型外，还利用输入请求对应的预设参考因素信息，来生成相应的响应。由于预设参考因素信息是基于日志信息确定的，也就是基于生成响应的过程中实际使用的参考因素确定的，由此可以基于生成响应的过程中实际使用的参考因素，调整所述预设参考因素，进而调整最终输出的响应，缩短决策的收敛时间，使得最终输出的响应更加准确。为使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施例作详细地说明。参照图2，本专利技术实施例提供了一种人机交互方法，所述方法可以包括如下步骤：步骤21，接收输入请求。在具体实施中，可以通过多种方式接收输入请求，具体接收方式不作限制。比如，可以通过终端的人机交互界面接收所述输入请求，也可以通过远程控制的方式，接收所述输入请求。在具体实施中，所述输入请求的形式可以存在多种，可以为语音信息，也可以为文字信息，具体不作限制。比如，所述输入请求可以为“今天约会会迟到吗？”、“明天会下雨吗？”等语音信息。步骤22，获取与所述输入请求对应的预设参考因素信息。在具体实施中，可以在接收输入请求的同时，获取与所述输入请求对应的预设参考因素信息，也可以在接收到输入请求后，获取与所述输入请求对应的预设参考因素信息。在具体实施中，可以为每个输入请求，预先设置对应的预设参考因素信息。每个输入请求对应的预设参考因素信息，可以相同，也可以不同。步骤23，利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请求对应的响应，以及输出所述响应对应的日志信息。在本专利技术的一实施例中，所述预设参考因素信息可以仅包括：生成所述响应时待参考的第一参考本文档来自技高网...

【技术保护点】
1.一种人机交互方法，其特征在于，包括：/n接收输入请求；/n获取与所述输入请求对应的预设参考因素信息；/n利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请求对应的响应，以及输出所述响应对应的日志信息；/n其中，所述预设参考因素信息包括：生成所述响应时待参考的第一参考因素的标识信息；所述日志信息包括：生成所述响应的过程中实际使用的参考因素的标识信息；所述预设参考因素信息是基于前一次输出的所述输入请对应的日志信息确定的。/n

【技术特征摘要】
1.一种人机交互方法，其特征在于，包括：
接收输入请求；
获取与所述输入请求对应的预设参考因素信息；
利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请求对应的响应，以及输出所述响应对应的日志信息；
其中，所述预设参考因素信息包括：生成所述响应时待参考的第一参考因素的标识信息；所述日志信息包括：生成所述响应的过程中实际使用的参考因素的标识信息；所述预设参考因素信息是基于前一次输出的所述输入请对应的日志信息确定的。


2.如权利要求1所述的人机交互方法，其特征在于，所述预设参考因素信息还包括：生成所述预设训练模型时待参考的第二参考因素的标识信息。


3.如权利要求2所述的人机交互方法，其特征在于，所述第一参考因素信息与所述第二参考因素信息相同。


4.如权利要求1或2所述的人机交互方法，其特征在于，所述预设参考因素信息还包括：各参考因素对应的参考权重信息。


5.如权利要求4所述的人机交互方法，其特征在于，所述日志信息还包括：各参考因素对应的实际权重信息。


6.如权利要求4所述的人机交互方法，其特征在于，所述获取与所述输入请求对应的预设参考因素信息，包括：
获取前一次输出的所述输入请求对应的日志信息；
对所获取的日志信息中的信息进行调整，得到所述预设参考因素信息。


7.如权利要求1所述的人机交互方法，其特征在于，所述日志信息与所述预设参考因素信息及所述输入请求相关。


8.如权利要求1所述的人机交互方法，其特征在于，所述参考因素属于以下任意一种类型：
物理定律；
自然定律；
人类经验；
大数据。


9.一种人机交互装置，其特征在于，包括：
接收单元，适于接收输入请求；
获取单元，适于获取与所述输入请求对应的预设参考因素信息；
输出单元，适于利用与所述输入请求对应的预设训练模型，及所述预设参考因素信息，生成并输出与所述输入请...

【专利技术属性】
技术研发人员：余兴，
申请(专利权)人：芯盟科技有限公司，浙江清华长三角研究院，
类型：发明
国别省市：浙江;33