公开/公告号CN112905802A
专利类型发明专利
公开/公告日2021-06-04
原文格式PDF
申请/专利权人 华南师范大学;
申请/专利号CN202110182908.9
发明设计人 朱定局;
申请日2021-02-10
分类号G06F16/36(20190101);G06N3/04(20060101);G06N3/08(20060101);G06N20/00(20190101);G16H10/20(20180101);
代理机构44224 广州华进联合专利商标代理有限公司;
代理人谢曲曲
地址 510631 广东省广州市天河区中山大道西55号
入库时间 2023-06-19 11:16:08
技术领域
本发明涉及人工智能技术领域,特别是涉及一种自动生成问卷备选答案的人工智能方法和机器人。
背景技术
现有技术下,填写问卷需要花费用户大量的时间。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有技术下,用户填写问卷需要花很多时间,所以很多用户特别不愿意填写问卷,特别是时间很紧张的用户更不愿意填写问卷了。
因此,现有技术还有待于改进和发展。
发明内容
基于此,有必要针对现有技术的缺陷或不足,提供自动生成问卷备选答案的人工智能方法和机器人,通过同类用户过去的数据与问卷的答案来训练模型,并通过训练得到的模型来根据用户的数据来预测用户问卷的答案,这样就能为用户节省填写问卷的时间,用户只需要修改填写不正确的答案。例如,对滑雪运动员进行心理健康调查问卷,滑雪运动员训练忙,特别是在赛前更没有时间进行问卷的填写,此时通过本申请自动生成问卷答案,而且该答案是根据该滑雪运动员的数据预测出来的,所以跟滑雪运动员填写的答案很接近,滑雪运动员只需对自动生成的答案进行部分修改就可以提交,从而极大节省了运动员的问卷填写时间,使得更多的运动员愿意进行问卷调查的填写。
第一方面,本发明实施例提供一种人工智能方法,所述方法包括:
问卷获取步骤:获取问卷;
目标用户问卷数据获取步骤:获取目标用户的问卷以及目标用户的与所述问卷相关的数据;
目标用户问卷答案生成步骤:将目标用户的与所述问卷相关的数据输入目标用户的人工智能问卷答案生成模型,计算得到的输出作为目标用户的问卷的答案。
优选地,所述方法还包括:
目标用户的用户类型获取步骤:获取目标用户的用户类型;
人工智能问卷答案生成模型获取步骤:获取对应的用户类型为目标用户的用户类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的子类型,若子类型存在,则获取对应的用户类型为子类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的父类型,若父类型存在,则获取对应的用户类型为父类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的兄弟类型,若兄弟类型存在,则获取对应的用户类型为兄弟类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的最近祖辈类型,若最近祖辈类型存在,则获取对应的用户类型为最近祖辈类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型。
优选地,所述方法还包括:
目标用户问卷答案修改步骤:将目标用户的问卷的答案自动填写到目标用户的问卷中,并提醒目标用户对目标用户的问卷中不正确的答案进行修改。
优选地,所述方法还包括:
人工智能问卷答案生成模型增量训练步骤:从目标用户修改并提交后的问卷中提取答案,将目标用户的与所述问卷相关的数据作为输入,将所述提取的答案作为预期输出对人工智能问卷答案生成模型进行训练。
第二方面,本发明实施例提供一种人工智能系统,所述系统包括:
问卷获取模块:获取问卷;
目标用户问卷数据获取模块:获取目标用户的问卷以及目标用户的与所述问卷相关的数据;
目标用户问卷答案生成模块:将目标用户的与所述问卷相关的数据输入目标用户的人工智能问卷答案生成模型,计算得到的输出作为目标用户的问卷的答案。
优选地,所述系统还包括:
目标用户的用户类型获取模块:获取目标用户的用户类型;
人工智能问卷答案生成模型获取模块:获取对应的用户类型为目标用户的用户类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的子类型,若子类型存在,则获取对应的用户类型为子类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的父类型,若父类型存在,则获取对应的用户类型为父类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的兄弟类型,若兄弟类型存在,则获取对应的用户类型为兄弟类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的最近祖辈类型,若最近祖辈类型存在,则获取对应的用户类型为最近祖辈类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型。
优选地,所述系统还包括:
目标用户问卷答案修改模块:将目标用户的问卷的答案自动填写到目标用户的问卷中,并提醒目标用户对目标用户的问卷中不正确的答案进行修改。
优选地,所述系统还包括:
人工智能问卷答案生成模型增量训练模块:从目标用户修改并提交后的问卷中提取答案,将目标用户的与所述问卷相关的数据作为输入,将所述提取的答案作为预期输出对人工智能问卷答案生成模型进行训练。
第三方面,本发明实施例提供一种人工智能装置,所述装置包括第二方面实施例任意一项所述系统的模块。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
第五方面,本发明实施例提供一种机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序,所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
本实施例提供的自动生成问卷备选答案的人工智能方法和机器人,包括:问卷获取步骤;目标用户问卷数据获取步骤;目标用户问卷答案生成步骤。上述方法、系统和机器人,通过自动生成问卷答案的方式减轻用户填写问卷的工作量,对于工作忙、时间紧张的用户来说非常有用,而且用户问卷是根据用户数据和人工智能技术生成的,所以可以预知用户将会填写的答案,用户只需要对自动生成的答案进行少量改动就可以完成问卷的填写,极大节省了用户的时间和填写问卷的效率。现有技术的问卷调查都是需要让用户从新填写,需要很多工作量和时间,对于时间很忙的用户而言,是一种时间上的浪费,而且用户千差万别,也无法存在一种标准答案供用户参考,本申请根据用户数据来预知用户将会填写的问卷答案,极巧妙地解决了这个技术难题。
附图说明
图1为本发明的一个实施例提供的人工智能方法的流程图;
图2为本发明的一个实施例提供的人工智能方法包括的流程图。
具体实施方式
下面结合本发明实施方式,对本发明实施例中的技术方案进行详细地描述。
本发明的基本实施例
本发明的一个实施例提供一种人工智能方法,如图1所示,所述方法包括:问卷获取步骤:获取问卷;目标用户问卷数据获取步骤:获取目标用户的问卷以及目标用户的与所述问卷相关的数据;目标用户问卷答案生成步骤:将目标用户的与所述问卷相关的数据输入目标用户的人工智能问卷答案生成模型,计算得到的输出作为目标用户的问卷的答案。技术效果:所述方法通过自动生成问卷答案的方式减轻用户填写问卷的工作量,对于工作忙、时间紧张的用户来说非常有用,而且用户问卷是根据用户数据和人工智能技术生成的,所以可以预知用户将会填写的答案,用户只需要对自动生成的答案进行少量改动就可以完成问卷的填写,极大节省了用户的时间和填写问卷的效率。
在一个优选的实施例中,如图2所示,所述方法还包括:目标用户的用户类型获取步骤:获取目标用户的用户类型;人工智能问卷答案生成模型获取步骤:获取对应的用户类型为目标用户的用户类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的子类型,若子类型存在,则获取对应的用户类型为子类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的父类型,若父类型存在,则获取对应的用户类型为父类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的兄弟类型,若兄弟类型存在,则获取对应的用户类型为兄弟类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的最近祖辈类型,若最近祖辈类型存在,则获取对应的用户类型为最近祖辈类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型。技术效果:所述方法通过获取目标用户的类型,从而获取用户类型对应的人工智能问卷答案生成模型来进行问卷答案的预测,因为同一类型的用户的问卷答案必然类似,所以根据同类型的人工智能问卷答案生成模型进行预测可以提高问卷答案的预测准确率。
在一个优选的实施例中,所述方法还包括:目标用户问卷答案修改步骤:将目标用户的问卷的答案自动填写到目标用户的问卷中,并提醒目标用户对目标用户的问卷中不正确的答案进行修改。技术效果:所述方法通过目标用户对问卷答案的修改,就能够获得用户提交的问卷答案,完成了问卷调查的过程和功能。
在一个优选的实施例中,所述方法还包括:人工智能问卷答案生成模型增量训练步骤:从目标用户修改并提交后的问卷中提取答案,将目标用户的与所述问卷相关的数据作为输入,将所述提取的答案作为预期输出对人工智能问卷答案生成模型进行训练。技术效果:所述方法通过当前问卷调查用户修改后的答案对人工智能问卷答案生成模型进行进一步训练,使得人工智能问卷答案生成模型的预测效果越来越好,所以随着人工智能问卷答案生成模型的使用,人工智能问卷答案生成模型的效果会在模型的不断地增量训练中与时俱进。
本发明的一个实施例提供一种人工智能系统,所述系统包括:问卷获取模块:获取问卷;目标用户问卷数据获取模块:获取目标用户的问卷以及目标用户的与所述问卷相关的数据;目标用户问卷答案生成模块:将目标用户的与所述问卷相关的数据输入目标用户的人工智能问卷答案生成模型,计算得到的输出作为目标用户的问卷的答案。技术效果:所述系统通过自动生成问卷答案的方式减轻用户填写问卷的工作量,对于工作忙、时间紧张的用户来说非常有用,而且用户问卷是根据用户数据和人工智能技术生成的,所以可以预知用户将会填写的答案,用户只需要对自动生成的答案进行少量改动就可以完成问卷的填写,极大节省了用户的时间和填写问卷的效率。
在一个优选的实施例中,所述系统还包括:目标用户的用户类型获取模块:获取目标用户的用户类型;人工智能问卷答案生成模型获取模块:获取对应的用户类型为目标用户的用户类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的子类型,若子类型存在,则获取对应的用户类型为子类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的父类型,若父类型存在,则获取对应的用户类型为父类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的兄弟类型,若兄弟类型存在,则获取对应的用户类型为兄弟类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的最近祖辈类型,若最近祖辈类型存在,则获取对应的用户类型为最近祖辈类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型。技术效果:所述系统通过获取目标用户的类型,从而获取用户类型对应的人工智能问卷答案生成模型来进行问卷答案的预测,因为同一类型的用户的问卷答案必然类似,所以根据同类型的人工智能问卷答案生成模型进行预测可以提高问卷答案的预测准确率。
在一个优选的实施例中,所述系统还包括:目标用户问卷答案修改模块:将目标用户的问卷的答案自动填写到目标用户的问卷中,并提醒目标用户对目标用户的问卷中不正确的答案进行修改。技术效果:所述系统通过目标用户对问卷答案的修改,就能够获得用户提交的问卷答案,完成了问卷调查的过程和功能。
在一个优选的实施例中,所述系统还包括:人工智能问卷答案生成模型增量训练模块:从目标用户修改并提交后的问卷中提取答案,将目标用户的与所述问卷相关的数据作为输入,将所述提取的答案作为预期输出对人工智能问卷答案生成模型进行训练。技术效果:所述系统通过当前问卷调查用户修改后的答案对人工智能问卷答案生成模型进行进一步训练,使得人工智能问卷答案生成模型的预测效果越来越好,所以随着人工智能问卷答案生成模型的使用,人工智能问卷答案生成模型的效果会在模型的不断地增量训练中与时俱进。
本发明的优选实施例
问卷获取步骤:获取问卷。问卷例如心理健康调查问题,各种社会调查问卷,等等。
目标用户问卷数据获取步骤:获取目标用户的问卷以及目标用户的与所述问卷相关的数据。目标用户指的是需要填写问卷的用户,例如对运动员进行心理健康问卷调查,那么运动员就是目标用户。与心理健康问卷相关的数据例如脑电数据、手环数据、体检数据等反映运动员心理健康的数据。
目标用户的用户类型获取步骤:获取目标用户的用户类型。用户类型例如运动员或滑雪运动员等。
用户类型知识图谱构建步骤:获取各种用户类型,将每个用户类型作为每个节点,判断每两个节点之间的关系,所述每两个节点包括第一节点和第二节点,若第一节点对应的用户类型是第二节点对应的用户类型的父类型,则第一节点为第二节点的父节点,第二节点为第一节点的子节点,构建从第一节点到第二节点的有向边,该边对应的关系为父子关系;若第一节点对应的用户类型是第二节点对应的用户类型的子类型,则第一节点为第二节点的子节点,第二节点为第一节点的父节点,构建从第二节点到第一节点的有向边,该边对应的关系为父子关系;若第一节点和第二节点有共同的父节点,则构建从第一节点到第二节点的无向边,该边对应的关系为兄弟关系。
人工智能问卷答案生成模型获取步骤:获取对应的用户类型为目标用户的用户类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败(即对应的用户类型为目标用户的用户类型的人工智能问卷答案生成模型不存在),则从用户类型知识图谱中获取目标用户的用户类型的子类型,若子类型存在,则获取对应的用户类型为子类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的父类型,若父类型存在,则获取对应的用户类型为父类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的兄弟类型,若兄弟类型存在,则获取对应的用户类型为兄弟类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型;若获取失败,则从用户类型知识图谱中获取目标用户的用户类型的最近祖辈类型,若最近祖辈类型存在,则获取对应的用户类型为最近祖辈类型的人工智能问卷答案生成模型,作为目标用户的人工智能问卷答案生成模型。
目标用户问卷答案生成步骤:将目标用户的与所述问卷相关的数据输入目标用户的人工智能问卷答案生成模型,计算得到的输出作为目标用户的问卷的答案。
目标用户问卷答案修改步骤:将目标用户的问卷的答案自动填写到目标用户的问卷中,并提醒目标用户对目标用户的问卷中不正确的答案进行修改。
人工智能问卷答案生成模型增量训练步骤:从目标用户修改并提交后的问卷中提取答案,将目标用户的与所述问卷相关的数据作为输入,将所述提取的答案作为预期输出对人工智能问卷答案生成模型进行训练。
人工智能问卷答案生成模型构建步骤:初始化深度学习模型或卷积神经网络模型或机器学习模型或其它人工智能模型作为初始模型;获取已知多个用户的问卷答案(为多个用户提交的问卷答案)以及目标用户的与所述问卷相关的数据;将每个用户的与所述问卷相关的数据作为输入,将所述每个用户的所述问卷答案作为预期输出对初始模型进行训练和测试得到人工智能问卷答案生成模型;获取所述已知多个用户的类型,作为人工智能问卷答案生成模型对应的用户类型。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,则对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
机译: 电子人或机器人的人工智能计算机系统,其中电子人或机器人的人工智能计算机系统的接收信号反应,电子人或机器人的人工智能计算机系统的关联,思想机器人或机器人的人工智能计算机系统的实例化,以及该机器人或机器人的人工智能计算机系统的工作方法
机译: 电子人或机器人的人工智能的计算机系统,其中该计算机系统的记录的信号来自电子人或机器人的人工智能,电子人或机器人的人工智能的计算机系统的对应关联。机器人,并在计算机系统中物理地构建了电子人或机器人的人工智能计算机系统的相应思想,以及电子人或机器人的人工智能计算机系统的工作方法
机译: 电子人或机器人的人工智能的计算机系统,其中,电子人或机器人的人工智能的计算机系统的接收信号反应,电子人或机器人的人工智能的计算机系统的对应关联。 android,物理上构建了电子人或机器人的人工智能计算机系统的相应思想,以及电子人或机器人的人工智能计算机系统的工作方法