本發(fā)明涉及身份驗證的領域，特別涉及一種基于用戶注冊信息的人機對話控制方法及系統(tǒng)。

背景技術：

近年來，社會對于身份驗證問題的需求越來越迫切，尤其是在攜程、虛擬信用卡等安全問題爆發(fā)，各互聯(lián)網(wǎng)公司加強產(chǎn)品中的安全認證設施，國家開展網(wǎng)絡安全宣傳周以后，人們對于網(wǎng)絡認證的安全意識大大地增強。

用于驗證身份的特征主要是人臉、瞳孔、聲音等生物特征。而與其他生物特征相比，聲紋認證具有用戶接受程度高、設備成本低、方便采集等優(yōu)勢，是非現(xiàn)場身份認證的首選，對于基于電話網(wǎng)絡的應用，是唯一的選擇，因此，聲紋認證在生物認證技術中占有非常重要的地位。

然而，盡管聲紋驗證具有如此多的優(yōu)點，它也面臨著各種各樣的系統(tǒng)攻擊，其中最易施行、成本最低、也最有成效的一種攻擊是回放攻擊，就是錄制認證實體的真實語音樣本，然后攻擊者在認證的時候把聲音樣本回放出來，從而達到欺騙系統(tǒng)的目的。

為抵御錄音回防攻擊攻擊，需要采取人機挑戰(zhàn)-響應策略，由機器主導與用戶的對話，這帶來了以下幾個方面的難點：首先，為了保證系統(tǒng)提出的問題具有很高的隨機性，需要實現(xiàn)準備豐富的問題庫，問題涉及面廣，需要牽涉到語言學、心理學、人們?nèi)粘Ｉ盍晳T等，因此建設一個合格的問題庫具有很高的難度；其次，問題之間的關聯(lián)度也是一個問題，假如用戶需要回答一系列沒有關聯(lián)的隨機問題，這會極大的提高用戶的心理防御，用戶接受度低；第三，在人機會話不合拍的情況下，勉強地應對將影響發(fā)音質(zhì)量，提升系統(tǒng)拒識概率，從而進一步提高人們的抗拒心理。

技術實現(xiàn)要素：

本發(fā)明的主要目的在于克服現(xiàn)有技術的缺點與不足，提供一種基于用戶注冊信息的人機對話控制方法及系統(tǒng)。該方法用于身份認證領域，提高機器挑戰(zhàn)的隨機性和人機對話的自然性，確保對話過程不易被錄音回放攻擊和用戶能順利依據(jù)機器的思路完成人機對話。

為了達到上述目的，本發(fā)明采用以下技術方案：

本發(fā)明基于用戶注冊信息的人機對話控制方法，包括下述步驟：

S1、控制基于概率的多層次話題狀態(tài)機跳轉(zhuǎn)至下一個子狀態(tài)；

S2、根據(jù)當前狀態(tài)從知識主題樹提取對話模板或知識素材；

S3、利用語句生成器將模板或素材轉(zhuǎn)換成文字語句；

S4、將文字語句合成為語音播放給用戶聽；

S5、等待并獲取用戶語音回答，將語音回復轉(zhuǎn)換成文字，并跳轉(zhuǎn)至S1。

作為優(yōu)選的技術方案，步驟S1中，基于概率的多層次話題狀態(tài)機由用戶信息注冊器采集到的信息生成。

作為優(yōu)選的技術方案，步驟S1中，基于概率的多層次話題狀態(tài)機由狀態(tài)和轉(zhuǎn)移概率組成，每一個狀態(tài)對應一類話題，而每個大狀態(tài)下又會派生出一層子狀態(tài)機，代表該大類話題下的細分子話題，而子狀態(tài)機又可以繼續(xù)派生出再下一層子狀態(tài)機，每個狀態(tài)之間有對應的轉(zhuǎn)移概率；部分狀態(tài)有一個入口問題集，進入這類狀態(tài)的子狀態(tài)機之前，會先向用戶提問入口問題，然后再依據(jù)用戶回答決定下一步跳轉(zhuǎn)。

作為優(yōu)選的技術方案，步驟S1中，狀態(tài)跳轉(zhuǎn)的具體過程如下：

S11、初始化當前狀態(tài)Sc為當前層級狀態(tài)機的初始狀態(tài)；

S12、若Sc下沒有子狀態(tài)機，則將Sc作為提取知識主體樹的狀態(tài)；否則執(zhí)行S13；

S13、從Sc開始，依據(jù)其所連弧線上概率轉(zhuǎn)移至下一級子狀態(tài)機中的任意一個狀態(tài)Sk，則此時Sc＝Sk；

S14、若狀態(tài)Sc有入口問題集，則隨機選出一條問題詢問用戶，根據(jù)用戶回答選擇是否進入子狀態(tài)機，若是進入子狀態(tài)機，則Sc賦值為子狀態(tài)機的初始狀態(tài)，跳轉(zhuǎn)至步驟S12；

S15、若狀態(tài)Sc沒有入口問題集，則直接進入子狀態(tài)機，Sc賦值為子狀態(tài)機的初始狀態(tài)，跳轉(zhuǎn)至步驟S12。

作為優(yōu)選的技術方案，步驟S2中，知識主題樹具體如下：

按樹狀劃分，主干為一級主題，主干繼續(xù)向下延伸，繼續(xù)往下細分二級、三級、...、n級主題，葉子主題為沒有任何子主題的主題，葉子主題下的內(nèi)容由常規(guī)語句模板庫和擴展素材庫組成；

其中，所述常規(guī)語句模板庫由模板語句組成，模板語句采用模板語法進行編寫，模板結(jié)構有多選分支、可選分支和類別項三種；

所述擴展素材庫由一系列從互聯(lián)網(wǎng)搜集到的特定主題下簡單句組成，可以是時事素材、人物簡介或者代表某一主題下的知識。

作為優(yōu)選的技術方案，步驟S2流程具體為：

S21、采用深度優(yōu)先搜索從知識主題樹中搜索與當前狀態(tài)所屬話題相匹配的主題；

S22、搜索到與前狀態(tài)所屬話題相匹配的知識主題后，采用隨機選擇策略從該主題對應的常規(guī)語句模板庫選擇一條語句模板，或者從擴展素材庫選擇一個對話素材。

作為優(yōu)選的技術方案，步驟S3中，將模板轉(zhuǎn)換成文字語句的策略為，針對不同模板結(jié)構，采用不同的替換操作：

(1)多選分支：替換時選擇根據(jù)用戶的身份信息選擇一個分支替代；

(2)可選分支：替換時可以選擇用這個分支，或者不用這個分支；

(3)類別項：替換時可以用該類別下的任意對象替換。

作為優(yōu)選的技術方案，步驟S3中，將擴展素材轉(zhuǎn)換成文字語句的策略具體如下：

(1)針對人名進行轉(zhuǎn)換，利用實體命名工具找到素材句子中的人名，然后進行替換；

(2)針對地名進行轉(zhuǎn)換，利用實體命名工具找到素材句子中的地名，然后進行替換；

(3)針對原因進行轉(zhuǎn)換，把陳述句轉(zhuǎn)換成疑問句。

本發(fā)明還提供了一種基于用戶注冊信息的人機對話控制系統(tǒng)，包括：

用戶信息注冊模塊，用于采集用戶身份信息；

基于概率的多層次話題狀態(tài)機，利用用戶身份信息生成，用于控制人機對話過程中的話題轉(zhuǎn)換；

知識主題樹，用于存儲話題知識；

語句生成器，用于將語句模板或知識素材轉(zhuǎn)換成文字語句，由常規(guī)語句模板處理器和擴展素材處理器組成；

常規(guī)語句模板處理器，用于將常規(guī)語句模板轉(zhuǎn)換成普通文字語句；

擴展素材處理器，用于將擴展素材語句轉(zhuǎn)換成問題；

語音合成模塊，用于將文字語句合成為語音播放給用戶；

語音輸入模塊，用于錄取用戶語音輸入，并將其轉(zhuǎn)化成文字；

所述用戶信息注冊模塊、基于概率的多層次話題狀態(tài)機、知識主體樹、語句生成器以及語音合成模塊順序連接，所述語音輸入模塊與基于概率的多層次話題狀態(tài)機連接。

作為優(yōu)選的技術方案，所述知識主體樹，按主題樹劃分，由常規(guī)語句模板庫和擴展素材庫組成；

常規(guī)語句模板庫，采用模板化技術，用于存儲與用戶登記信息直接相關的常規(guī)問題；

擴展素材庫，用于存儲從互聯(lián)網(wǎng)搜集的擴展性素材。

本發(fā)明與現(xiàn)有技術相比，具有如下優(yōu)點和有益效果：

本發(fā)明的基于用戶注冊信息的人機對話控制方法可用于身份認證領域，根據(jù)用戶身份信息產(chǎn)生用戶所熟悉的對話內(nèi)容，以一種自然親切的方式主導人機對話，在用戶防備心理較低的情況下采集用戶聲紋。

附圖說明

圖1示出本發(fā)明基于用戶注冊信息的人機對話控制方法一個實施例的流程圖；

圖2示出本發(fā)明基于用戶注冊信息的人機對話控制方法中基于概率的多層次話題狀態(tài)機的一個實施例的結(jié)構圖；

圖3示出本發(fā)明基于用戶注冊信息的人機對話裝置中用戶信息注冊模塊一個實施例的結(jié)構圖；

圖4示出本發(fā)明基于用戶注冊信息的人機對話控制方法中基于概率的多層次話題狀態(tài)機一個實施例的跳轉(zhuǎn)流程圖；

圖5示出本發(fā)明基于用戶注冊信息的人機對話控制方法中知識主題樹一個實施例的結(jié)構圖；

圖6示出本發(fā)明基于用戶注冊信息的人機對話裝置一個實施例的結(jié)構圖。

具體實施方式

下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述，但本發(fā)明的實施方式不限于此。

如圖1所示為本發(fā)明實施例的流程圖，包括下述步驟：

步驟11，控制基于概率的多層次話題狀態(tài)機跳轉(zhuǎn)至下一個子狀態(tài)；

步驟12，根據(jù)當前狀態(tài)從知識主題樹提取對話模板或知識素材；

步驟13，利用語句生成器將模板或素材轉(zhuǎn)換成文字語句；

步驟14，將文字語句合成為語音播放給用戶聽；

步驟15，等待并獲取用戶語音回答，將語音回復轉(zhuǎn)換成文字，并跳轉(zhuǎn)至步驟11。

根據(jù)本發(fā)明的優(yōu)選實施例，步驟11中的狀態(tài)跳轉(zhuǎn)可以由基于概率的多層次話題狀態(tài)機執(zhí)行。

如圖2所示為本發(fā)明基于用戶注冊信息的人機對話控制方法中基于概率的多層次話題狀態(tài)機的一個實施例的結(jié)構圖，為了直觀地闡述本發(fā)明涉及規(guī)則思想，圖2僅示出狀態(tài)機的一部分。

基于概率的多層次話題狀態(tài)機可以由狀態(tài)和轉(zhuǎn)移概率組成，如圖2所示，每一個圓圈代表一個狀態(tài)，每個狀態(tài)代表對應于一類話題，而每個狀態(tài)下又會有一層子狀態(tài)機，代表該類話題下的細分子話題，而子狀態(tài)機又可以繼續(xù)派生出下一層子狀態(tài)機；而弧線代表狀態(tài)轉(zhuǎn)移關系，弧線上的權重表示狀態(tài)之間的轉(zhuǎn)移概率。此外，子狀態(tài)可以有一個入口問題集，問題集內(nèi)含多個入口問題，進入該狀態(tài)的子狀態(tài)機之前，會先向用戶提問入口問題，然后再依據(jù)用戶回答決定下一步跳轉(zhuǎn)。

基于概率的多層次話題狀態(tài)機由用戶信息注冊器采集到的信息生成，圖3為用戶信息注冊器的結(jié)構圖，用于采集用戶本身、妻子(假如有)、所有孩子(假如有)的年齡、籍貫、受教育程度、出生日期等信息。該裝置可以部署在一臺服務器上，用戶從互聯(lián)網(wǎng)訪問注冊頁面，填寫信息，并提交信息，然后用戶信息注冊器將信息保存至特定的存儲介質(zhì)中。

圖4為基于概率的多層次話題狀態(tài)機的跳轉(zhuǎn)流程圖，包括以下步驟：

步驟31，初始化當前狀態(tài)變量S_c＝S₁₀，其中，表示第一層狀態(tài)機的初始狀態(tài)S₁₀；

步驟32，若S_c下沒有子狀態(tài)機，則返回狀態(tài)Sc，否則執(zhí)行步驟33；

步驟33，從S_c開始，依據(jù)其所連弧線上概率轉(zhuǎn)移至下一級子狀態(tài)機中的任意一個狀態(tài)S_k，則此時S_c＝S_k；

步驟34，若狀態(tài)S_c有入口問題集，則選出一條問題詢問用戶，根據(jù)用戶回答選擇是否進入子狀態(tài)機，若是進入子狀態(tài)機，則S_c賦值為子狀態(tài)機的初始狀態(tài)S_j0；跳轉(zhuǎn)至步驟32；

步驟35，若狀態(tài)S_c沒有入口問題集，則直接進入子狀態(tài)機，S_c賦值為子狀態(tài)機的初始狀態(tài)S_j0；跳轉(zhuǎn)至步驟32。

舉例來說，用戶從第一層狀態(tài)機初始狀態(tài)S₁₀開始跳轉(zhuǎn)至S₁₄，進入愛好話題，由于S₁₄沒有入口問題集，因此直接進入S₁₄的下一層子狀態(tài)機，跳轉(zhuǎn)至子狀態(tài)機的初始狀態(tài)S₂₀，然后跳轉(zhuǎn)至S₂₂，進入旅游話題，由于S₂₂同樣沒有入口問題集，因此直接進入S₂₂的下一層子狀態(tài)機，跳轉(zhuǎn)至子狀態(tài)機的初始狀態(tài)S₃₀，然后跳轉(zhuǎn)至S₃₁，進入湖南話題，該狀態(tài)下有入口問題集，選擇一條用戶提問，如“你有去過湖南旅游嗎？”，若用戶回答“是”，則繼續(xù)進入S₃₁，以此類推，一直深入至最底層的子狀態(tài)機。

圖5為知識主題樹的示例結(jié)構圖，按樹狀劃分，主干為一級主題，主干繼續(xù)向下延伸，開枝散葉，繼續(xù)往下細分二級、三級、...、n級主題，葉子主題為沒有任何子主題的主題。

根據(jù)本發(fā)明的優(yōu)選實施例，步驟12中，根據(jù)當前狀態(tài)所屬話題從知識主題樹中搜索相匹配的主題，搜索方式可以采用深度優(yōu)先搜索，從第一級主題開始和當前狀態(tài)所屬話題比較，若相同，則認為找到匹配主題，否則，繼續(xù)往下搜索，若遇到葉子主題，則應回溯至父級主題。

根據(jù)本發(fā)明的優(yōu)選實施例，步驟12中，搜索到與前狀態(tài)所屬話題相匹配的知識主題后，可從該主題對應的常規(guī)語句模板庫選擇一條語句模板，或者從擴展素材庫選擇一個對話素材，選擇策略可以采用隨機選擇策略。

常規(guī)語句模板庫模板語句組成，模板語句采用模板語法進行編寫，模板結(jié)構有多選分支、可選分支、類別項三種，結(jié)構具體可參見下文。

擴展素材庫由一系列從互聯(lián)網(wǎng)搜集到的特定主題下簡單句組成，可以是時事素材，人物簡介等，代表某一主題下的知識。

根據(jù)本發(fā)明的優(yōu)選實施例，步驟13中，語句生成器先對輸入作出判斷，若輸入為語句模板，則調(diào)用常規(guī)語句模板處理器進行處理；若輸入為對話素材，則調(diào)用擴展素材處理器進行處理。

常規(guī)語句模板處理器用于將語句模板中的模板結(jié)構替換為常規(guī)文字。本實施例的一種實現(xiàn)方式中，模板結(jié)構和對應的替換策略如下：

(1)多選分支：用“|”分隔各個選擇分支，替換時選擇根據(jù)用戶的身份信息選擇一個分支替代，例如“小學|中學”表明可以用“小學”或“中學”進行替代；

(2)可選分支：用“？”作為符號，替換時可以選擇用這個分支，或者不用這個分支，例如“(平時)？喜歡旅游嗎”，替換后可以變成“喜歡旅游嗎”，或者變成“平時喜歡旅游嗎”；

(3)類別項：用“<>”包含類型，替換時可以用該類別下的任意對象替換，例如“<運動>”，替換時可以用屬于“運動”類別的任意一個名詞替換，可以替換成“足球”或者“籃球”等等。

擴展素材處理器用于將擴展素材轉(zhuǎn)換成常規(guī)的問題，擴展素材從擴展素材庫獲取，擴展素材庫預先收錄從互聯(lián)網(wǎng)上摘錄下來的簡單句，本實施例的一種實現(xiàn)方式中，擴展素材處理器的轉(zhuǎn)換策略如下：

(1)針對人名進行轉(zhuǎn)換，可以利用實體命名工具找到素材句子中的人名，然后用“誰”進行替換，例如，“三國時，諸葛亮大擺空城計”，可將“諸葛亮”替換成“誰”，轉(zhuǎn)換結(jié)果為“三國時，誰大擺空城計”；

(2)針對地名進行轉(zhuǎn)換，可以利用實體命名工具找到素材句子中的地名，然后用“哪里”進行替換，例如，“廣交會在廣州舉行”，可將“廣州”替換成“哪里”，轉(zhuǎn)換結(jié)果為“廣交會在哪里舉行”；

(3)針對原因進行轉(zhuǎn)換，可以在陳述句前面加上“為什么”轉(zhuǎn)換成疑問句，例如，“海水是咸的”，加上“為什么”后，轉(zhuǎn)換結(jié)果為“為什么海水是咸的”。

圖6為實現(xiàn)本發(fā)明基于用戶注冊信息的人機對話方法的一個裝置圖，圖中表明了各模塊的連線關系，該裝置包括如下模塊：

用戶信息注冊模塊，用于采集用戶身份信息；

基于概率的多層次話題狀態(tài)機，利用用戶身份信息生成，用于控制人機對話過程中的話題轉(zhuǎn)換；

知識主題樹，用于存儲話題知識，按主題樹劃分，由常規(guī)語句模板庫和擴展素材庫組成；

常規(guī)語句模板庫，采用模板化技術，用于存儲與用戶登記信息直接相關的常規(guī)問題；

擴展素材庫，用于存儲從互聯(lián)網(wǎng)搜集的擴展性素材；

語句生成器，用于將語句模板或知識素材轉(zhuǎn)換成文字語句，由常規(guī)語句模板處理器和擴展素材處理器組成；

常規(guī)語句模板處理器，將常規(guī)語句模板轉(zhuǎn)換成普通文字語句；

擴展素材處理器，將擴展素材語句轉(zhuǎn)換成問題；

語音合成模塊，將文字語句合成為語音播放給用戶；

語音輸入模塊，錄取用戶語音輸入，并將其轉(zhuǎn)化成文字。

根據(jù)本發(fā)明的優(yōu)選實施例，語音合成模塊和語音輸入模塊這兩個模塊可以采用開源庫或?qū)Ｓ玫恼Z音-文字轉(zhuǎn)換芯片完成，也可以由實施方自行研發(fā)實現(xiàn)。

上述各功能模塊可以集成在一個處理模塊中，也可以是各個模塊單獨物理存在，也可以兩個或兩個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件、存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件或它們的組合來實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。

上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。