一种基于用户画像的智能机器人应答系统的制作方法

本发明涉及智能机器人应答，具体涉及一种基于用户画像的智能机器人应答系统。

背景技术：

1、随着人工智能技术的飞速发展，智能机器人已广泛应用于各个领域，尤其在客户服务、在线教育、医疗咨询等行业中发挥着重要作用。在这些应用中，智能机器人需要具备与人类进行自然交互的能力，以提供高效、准确的服务。因此，构建一个能够理解用户意图、提供个性化应答的智能机器人应答系统显得尤为重要。

2、用户画像是对用户特征、偏好、行为等信息的综合描述，通过收集和分析用户数据，可以构建出不同用户类型的画像。基于用户画像的智能机器人应答系统能够利用这些画像信息，更好地理解用户意图，提供更加个性化的应答内容。

3、现有技术中，传统的智能机器人应答系统通常采用基于规则或模板的匹配方法，通过预设的规则或模板来生成应答内容。然而，这种方法存在局限性，无法适应复杂多变的用户需求和场景。

4、因此，亟需一种基于用户画像的智能机器人应答系统来解决上述问题。

技术实现思路

1、本发明的目的在于提供一种基于用户画像的智能机器人应答系统：解决现有方案中在智能机器人与用户进行应答时，因对用户缺乏用户画像刻画而导致不能够准确理解用户意图的技术问题。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于用户画像的智能机器人应答系统，系统包括用户行为数据获取模块、用户画像构建模块和应答服务模块；

4、用户行为数据获取模块，获取用户行为数据，其中，用户行为数据包括用户内部行为数据和用户外部行为数据，用户内部行为数据包括用户基于特定商品的个性行为信息，用户外部行为数据包括与其他用户的共性行为信息；

5、用户画像构建模块，对用户内部行为数据进行特征抽取，得到第一画像特征cdy，对用户外部行为数据进行特征抽取，得到第二画像特征cde，并将第一画像特征cdy与第二画像特征cde进行联合，得到联合画像特征，并基于联合画像特征构建用户画像；

6、应答服务模块，基于用户画像与用户实现应答交互。

7、进一步地，在对用户内部行为数据进行特征抽取之前，对用户内部行为数据进行预处理，预处理包括以下过程：

8、基于用户基于特定商品的个性行为信息生成个性行为信息序列α＝{a0，a1...ak}，ai为个性行为信息包，i的取值为0到k，每个个性行为信息包，包含用户意向购买商品的描述语句、已购买商品的描述语句、用户浏览过特定商品的描述语句三种描述语句中的一种，ai表示为ai＝{b0，b1...bn}，bj为描述语句，j的取值为0到n，k、n均为正整数。

9、进一步地，在对用户外部行为数据进行特征抽取之前，对用户外部行为数据进行预处理，预处理包括以下过程：

10、基于自然语言处理技术对每个用户的用户外部行为数据进行知识图谱的构建，判断用户是否满足关联条件，若满足，将用户之间进行关联，生成关联图，其中，关联条件为判断用户与其他用户之间是否有相同的用户外部行为数据，若是，则满足关联条件，若否，不满足关联条件，使用图卷积网络来计算用户在关联图中的特征表示：

11、

12、其中，s是关联图中的邻接矩阵，s＝e+v，e为单位矩阵，v为关联图中所有的用户节点矩阵，是s的度矩阵，σ是激活矩阵，hl+1是第l+1层的特征表示，wl是第l层的权重矩阵。

13、进一步地，对用户内部行为数据进行特征抽取，得到第一画像特征具体包括以下过程：

14、对bj进行扩充或拆分为固定的长度m：如果句子长度达不到m，用预设的填充符进行填充，如果句子长度超过了m，直接将其截断；

15、提取bj中的词语，对每个词语进行低维向量映射，得到每个词语的词向量表示pj∈rv×d，d是词映射维度，v是词汇量大小；

16、基于每个词语的词向量表示pj用卷积核f沿着bj作窗口滑动，对窗口内的词向量表示pj进行卷积操作，从句子的滑动窗口中生成句子局部特征cj：

17、cj＝g(pj*(pj：pj+x-1)+t)

18、其中，1≤j≤m-x+1，x为窗口大小，*为卷积运算，t为偏置项，g为非线性激活函数，优选为双曲切线函数；

19、通常会使用q个卷积核来获取句子的不同局部特征，将由q个卷积核产生的q个局部特征cj拼接起来，生成第一画像特征cdy。

20、进一步地，对用户外部行为数据进行特征抽取，得到第二画像特征包括：将hl+1记为第二画像特征cde；

21、进一步地，将第一画像特征cdy与第二画像特征cde进行联合，得到联合画像特征，并基于联合画像特征构建用户画像具体包括以下过程：

22、第一画像特征cdy与第二画像特征cde拼接成新的特征表示cnew，cnew＝{cdy：cde}，将cnew记为联合画像特征；

23、将联合画像特征输入到softmax分类器，获取用户在当前属性类别中的概率值，并将概率值最大的属性类别作为分析结果，根据分析结果，为用户打上相应的标签，标签反映用户在各个维度上的特点和偏好。

24、进一步地，基于用户画像与用户实现应答交互包括以下过程：

25、明确交互需求：根据用户画像，明确与用户进行交互的需求和目标，交互的需求和目标包括提供个性化推荐、解答用户疑问、提供产品使用指南；

26、设计交互策略：根据用户画像的特征和偏好，设计相应的交互策略，包括交互方式、交互内容、交互频率；

27、集成交互技术：利用现代通信技术、自然语言处理(nlp)技术、机器学习技术等，实现用户与系统的智能交互；

28、应答交互实现：

29、接收用户输入：通过用户界面或语音接口接收用户的输入，用户的输入包括文本、语音；

30、理解用户意图：利用基于自然语言处理技术对用户输入进行解析，理解用户的意图和需求；

31、匹配用户画像：根据用户意图，匹配相应的用户画像，确定用户所属的用户类型或用户群体；

32、生成应答内容：根据匹配的用户画像和交互策略，生成符合用户需求的应答内容；

33、提供应答反馈：将生成的应答内容通过用户界面或语音接口反馈给用户，实现与用户的交互。

34、相比于现有方案，本发明实现的有益效果：

35、本发明通过获取用户行为数据，其中，用户行为数据包括用户内部行为数据和用户外部行为数据，对用户内部行为数据进行特征抽取，得到第一画像特征cdy，对用户外部行为数据进行特征抽取，得到第二画像特征cde，并将第一画像特征cdy与第二画像特征cde进行联合，得到联合画像特征，并基于联合画像特征构建用户画像，基于用户画像与用户实现应答交互。通过理解用户的意图和需求，系统可以生成符合用户预期的应答内容。与传统的基于规则或模板的匹配方法相比，这种方法更加灵活和智能，能够适应不同用户类型和场景的需求。

36、此外，基于用户画像的智能机器人应答系统还可以根据用户的反馈和交互数据，不断优化和改进应答策略。通过持续学习和迭代，系统可以不断提升应答的准确性和个性化程度，提供更加优质的服务体验。