基于人工智能提供智能服务的方法、智能服务系统及智能终端

摘要

本申请涉及一种基于人工智能提供智能服务的方法、智能服务系统及智能终端。该方法包括：收到用户的第一服务请求；针对所述第一服务请求确定检索词及其权重；根据所述检索词及其权重提供第一服务结果；以及收集所述用户对所述第一服务结果的反馈信息，根据所述反馈信息中的评价信息实时调整所述针对第一服务请求的检索词和/或其权重。

说明书

技术领域

本申请涉及人工智能领域，更具体地，涉及基于人工智能提供智能服务的方法、智能服务系统及智能终端。

背景技术

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、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。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

当前，在诸如PC、笔记本电脑、智能手机、平板电脑之类的智能终端的应用程序App领域，涌现出各种各样的基于人工智能的智能服务系统(通常又称为智能个人助手、智能个人助理等等)，用户可以用问答对话的方式与其进行交互，例如，用户可以输入询问附近有哪些餐馆、询问近期有哪些电影上映、订外卖等等的请求，而系统通常通过检索(包括相关性计算、人工策略等)为用户提供服务。

某些智能服务系统可能内置有反馈功能，以便收集用户的使用满意度，从而对系统进行训练和改进。然而，这些智能服务系统对用户反馈信息的收集以及对系统的训练和改进都是线下进行的，其存在的问题至少在于：线下收集的信息不是实时的动态数据。也就是说，在相当长的时间间隔内，用于系统训练和学习的数据都是一成不变的，从而导致用户得到的第一服务结果也是固定不变的，使得检索准确率低，大大地影响了用户的使用体验。

在背景技术中公开的上述信息仅用于加强对本发明的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。

发明内容

有鉴于此，本申请实施例希望提供一种基于人工智能提供智能服务的方法、智能服务系统及智能终端，以至少解决现有技术中存在的问题。

本申请实施例的技术方案是这样实现的：

根据本申请的一个实施例，提供一种基于人工智能提供智能服务的方法，包括：收到用户的第一服务请求；针对所述第一服务请求确定检索词及其权重；根据所述检索词及其权重提供第一服务结果；以及收集所述用户对所述第一服务结果的反馈信息，根据所述反馈信息中的评价信息实时调整所述针对第一服务请求的检索词和/或其权重。

优选地，上述方法可以在智能终端或远程服务器上实现。

优选地，所述反馈信息中的评价信息可以为分值或正、负反馈。

优选地，当所述反馈信息中的评价信息为正反馈或所述分值大于或等于预定阈值时，提升并保存所述针对第一服务请求的检索词的权重。

优选地，上述方法可以进一步包括，当所述反馈信息中的评价信息为负反馈或所述分值低于预定阈值时，根据实时调整后的检索词和/或其权重，立即提供新的第一服务结果。

优选地，所述实时调整所述检索词和/或其权重可以包括：当所述反馈信息中的评价信息为负反馈或所述分值低于预定阈值时，确定在所述用户第一服务请求之前的预定时段内是否存在除第一服务请求之外的一个或多个其它服务请求；以及当确定存在时，根据所述负反馈或分值，结合所述一个或多个其它服务请求中的至少一个的检索词，来实时调整针对第一服务请求的检索词和/或其权重。

优选地，所述确定检索词及其权重可以包括：获取所述用户的实时状态信息和/或历史信息；以及根据所述第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息确定检索词及其权重。

优选地，所述确定检索词及其权重可以包括：根据所述第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息，对所述第一服务请求进行抽象空间表示；根据所述第一服务请求选择用于筛选第一服务结果的数据库检索方式；以及将所述第一服务请求的抽象空间表示与所述数据库检索方式的抽象空间表示进行融合，以得到所述检索词及其权重。

优选地，所述第一服务结果为由多个第一服务结果条目构成的列表，并且当所述用户对该列表中的至少一个第一服务结果条目的反馈的分值低于预定阈值或为负反馈时，根据实时调整后的检索词和/或其权重，对该列表中的第一服务结果条目进行实时重新排序，并立即提供重新排序后的列表。

根据本申请的另一实施例，提供一种基于人工智能的智能服务系统，包括：请求接收模块，被配置为接收用户的第一服务请求；增强学习模块，被配置为针对所述第一服务请求确定检索词及其权重；服务处理模块，被配置为根据所述检索词及其权重提供第一服务结果；以及反馈功能模块，被配置为收集所述用户对所述第一服务结果的反馈信息，以得到所述反馈信息中的评价信息；其中，所述增强学习模块进一步被配置为根据所述反馈信息中的评价信息实时调整针对第一服务请求的检索词和/或其权重。

优选地，所述反馈信息中的评价信息可以为分值或正、负反馈。

优选地，所述增强学习模块可以被配置为：当所述反馈信息中的评价信息为正反馈或所述分值大于或等于预定阈值时，提升并保存所述针对第一服务请求的检索词的权重

优选地，所述服务处理模块可以进一步被配置为当所述反馈信息中的评价信息为负反馈或所述分值低于预定阈值时，根据实时调整后的所述检索词和/或其权重，立即提供新的第一服务结果。

优选地，所述增强学习模块可以被配置为：当所述反馈信息中的评价信息为负反馈或所述分值低于预定阈值时，确定在所述用户第一服务请求之前的预定时段内是否存在除第一服务请求之外的一个或多个其它服务请求；以及当确定存在时，根据所述负反馈或分值，结合所述一个或多个其它服务请求中的至少一个的检索词，来实时调整针对第一服务请求的检索词和/或其权重。

优选地，所述增强学习模块可以进一步被配置为：获取所述用户的实时状态信息和/或历史信息；以及根据所述第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息确定检索词及其权重。

优选地，所述增强学习模块可以被配置为：根据所述第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息，对所述第一服务请求进行文本抽象空间表示；根据所述第一服务请求选择用于筛选第一服务结果的数据库检索方式；将所述文本抽象空间表示与所述数据库检索方式的抽象空间表示进行融合，以得到所述检索词及其权重。

优选地，所述第一服务结果可以为由多个第一服务结果条目构成的列表，并且所述服务处理模块可以被配置为当所述用户对该列表中的至少一个第一服务结果条目的反馈的分值低于预定阈值或为负反馈时，根据实时调整后的检索词和/或其权重，对该列表中的第一服务结果条目进行实时重新排序，并立即提供重新排序后的列表。

根据本申请的又一实施例，提供一种基于人工智能的智能终端，包括与用户互动的接口设备以及与所述接口设备连接的编译设备，所述编译设备包括：存储器；以及与所述存储器连接的处理器；所述处理器被配置为接收用户的第一服务请求；针对所述第一服务请求确定检索词及其权重；根据所述检索词及其权重提供第一服务结果；以及收集所述用户对所述第一服务结果的反馈信息，根据所述反馈信息中的评价信息实时调整所述针对第一服务请求的检索词和/或其权重。

根据本申请实施例的提供基于人工智能的智能服务的方法、智能服务系统及智能终端，能够实时收集用户针对服务结果的反馈信息(例如，包括“喜欢”这种正反馈信息和“不喜欢”这种负反馈信息)，并根据该反馈信息实时调整系统参数得到新的检索词、检索词的新权重、或两者。这样实现了对系统的实时训练和改进，从而提高了检索准确率。

这部分旨在提供对本专利申请的主题的概述。这部分并非旨在提供本发明的排他性的或详尽的说明。本文包括了详细的描述，以提供关于本专利申请的进一步信息。

附图说明

在附图中(这些附图不一定是按照比例绘制的)，相同的数字能够描述不同视图中的相似部件。具有不同字母后缀的相同数字能够表示相似部件的不同示例。附图通过示例而非限制的方式概括地示例了本申请中讨论的各个实施例。

图1示出了根据本申请一个实施例的基于人工智能提供智能服务的方法100的流程图。

图2示出了确定检索词及其权重的具体实现方式的示意图。

图3示出了根据本申请另一实施例的基于人工智能提供智能服务的方法300的流程图。

图4a-4c示出了根据本申请另一实施例的基于人工智能提供智能服务的方法的一个应用示例的示意图。

图5为实现本申请实施例的基于人工智能的智能服务系统的物理架构500的结构示意图。

图6为实现本申请实施例的基于人工智能的智能终端的框图。

图7为实现图3所示的方法实施例的交互流程图。

图8为根据本申请实施例的基于人工智能的智能服务系统的结构示意图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可能认识的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

在本申请的各个实施例中，智能服务系统与用户进行交互(以及优选地，与服务器数据库或用户所使用的智能终端进行交互)，解析用户输入的第一服务请求的内容(以及优选地，结合用户的实时状态数据和/或历史数据，例如，用户当前状态，用户当前所处的地理位置，用户的性别，用户的年龄，用户所在地的当地时间，用户的行为日志等等)以得到检索词；实时收集用户针对第一服务结果的反馈信息(例如，包括“喜欢”这种正反馈信息和“不喜欢”这种负反馈信息)，并根据该反馈信息实时调整系统参数得到新的检索词、检索词的新权重、或两者。这样实现了对系统的实时训练和改进，从而提高了检索准确率。优选地，在收集到负反馈信息并且用户仍在当前检索服务界面的情况下，系统可以根据新的检索词和/或其权重，立即提供新的第一服务结果。如此一来，在用户不满意检索结果时，系统能够及时收集对检索结果不满意的有效反馈信息，从而立即对第一服务结果进行优化，以提升用户的使用体验。

图1示出了根据本申请一个实施例的基于人工智能提供智能服务的方法100的流程图。该方法由将在下文中具体描述的基于人工智能的智能服务系统来实现。在一个示例中，该方法的全部步骤可以在诸如PC、笔记本电脑、智能手机以及平板电脑之类的智能终端中(例如，通过预先安装于其中的应用程序App)实现。在另一示例中，也可以由与智能终端可通信地连接的远程计算机设备(例如，远程服务器)实现全部或部分步骤，而智能终端中安装的App或上网浏览器中显示的检索页面可以仅作为与用户交互的界面或实现部分步骤。

如图1所示，该方法100包括如下步骤：

在步骤102，收到用户的第一服务请求。

在一个示例中，该第一服务请求可以是文本请求输入、语音请求输入和图片请求输入中的至少一种。在一个示例中，智能服务系统也可以提供服务列表供用户选择，在这种情况下，从用户的角度来看，该第一服务请求可以表现为点击服务列表中的某个服务类型的手势。在一个示例中，从用户的角度来看，该第一服务请求可以表现为针对之前系统提供的服务结果的进一步请求，例如，点击服务结果中的“查看详情”的链接的手势。该步骤实际上是用户提出问题的过程，例如，订北京到深圳的飞机票。

在步骤104，针对所接收的用户的第一服务请求确定检索词及其权重。

这里所提及的检索词涵盖了区别于现有技术中的检索词的含义。以中文文本输入的第一服务请求为例，在现有技术中，检索词是根据预定的中文分词算法将输入的中文文本切分而成的，也就是说，检索词提取自第一服务请求的内容信息。而在本申请中，检索词可以不仅仅限于第一服务请求的内容信息。在一个示例中，在确定检索词及其权重之前，可以获取用户的实时状态信息和历史信息中的至少一者。用户的实时状态信息可以包括用户当前所处的地理位置，用户的性别，用户的年龄，用户所在地的当地时间等等。智能服务系统可以从服务器数据库和/或用户当前使用的智能终端中收集用户的实时状态信息，以便更准确地预测用户的当前需求。用户的历史信息可以包括用户浏览过的页面、页面长度、浏览时间、用户的查询日志等等。智能服务系统可以从用户当前使用的智能终端中收集用户的历史信息，以便更准确地预测用户的兴趣偏好。由此，智能服务系统可以根据第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息来确定检索词及其权重。将在下文中对确定检索词及其权重的具体实现方式进行详细描述。

在步骤106，根据所述检索词及其权重提供第一服务结果。智能服务系统可以利用检索词及其权重进行检索或执行相应处理，以返回第一服务结果。

针对不同类型的第一服务请求，第一服务结果具有不同的表现形式。例如，如果用户询问“附近有哪些餐馆”，则第一服务结果表现为用户所在地理位置附近的多个餐馆的列表；如果用户询问“今天天气怎么样”，则第一服务结果表现为当天用户所在地理位置的天气信息。

在步骤108，收集所述用户对所述第一服务结果的反馈信息，根据所述反馈信息中的评价信息实时调整所述针对第一服务请求的检索词和/或其权重。

用户对服务结果的反馈可以被量化成分值。反馈的分值可以是用户对某个服务结果的评分，也可以是智能服务系统根据预定算法对用户针对某个服务结果的行为的打分。在某些情况下，反馈可以简单地划分为正反馈和负反馈。在正反馈(对检索结果满意)的情况下，该反馈可以表现为点赞、语音(例如，检索结果太有用了！)、点击检索结果(即便没有下单)、点击检索结果并下单等。在负反馈(对检索结果不满意)的情况下，该反馈可以表现为长时间不对检索结果进行操作、关闭某个检索结果、关闭该检索服务、关闭整个APP、语音(例如：检索结果好烂！)、转换话题等。

用户对服务结果的反馈(例如，喜欢/不喜欢)会保留在基于人工智能的智能服务系统中。简单来说，当用户对服务结果满意时，智能服务系统可以提高检索词的权重。当用户对服务结果不满意时，智能服务系统可以降低当前检索词的权重、启用新的检索词。通过对用户反馈信息的学习，实时调整检索词和/或其权重，智能服务系统会不断筛选出用户可能喜欢的结果，而将质量不高的结果过滤掉。通过这一方式，智能服务系统可以不断提升服务质量，从而提高用户满意度，提高系统粘性。

图2示出了图1所示的方法100中确定检索词及其权重的具体实现方式的示意图。如上所述，为了提高检索的准确度，当用户输入服务请求202时，智能服务系统可以根据服务请求的输入信息以及所获取的用户的实时状态信息和/或历史信息来确定检索词及其权重。智能服务系统在确定检索词及其权重时，需要对从服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息提取的关键词进行抽象空间表示204。可以利用神经网络来对其进行抽象空间表示，上述关键词经抽象空间表示后转化为向量的形式。此外，可以根据用户的服务请求选择用于筛选服务结果的数据库检索方式206。检索方式即为对数据库中的结果进行筛选的方式的刻画，通常系统可以根据需要预先设置多种检索方式。然后，将服务请求的抽象空间表示204(即输入向量)与数据库检索方式的抽象空间208表示进行融合210，以得到系统检索所需要的检索词212，每个检索词可具有预定的权重。当用户对根据上述检索词及其权重提供的服务结果做出反馈214时，系统可以根据反馈实时调整检索词和/或对检索词进行降权/升权。具体地，可以将所述反馈与所述服务请求的抽象空间表示以及所述数据库检索方式的抽象空间表示进行融合，以得到实时调整后的检索词和/或其权重。具体地，系统可利用随机梯度下降的方法，对整个系统中的参数进行更新，以使得用户给予的反馈最正向。

图3示出了根据本申请另一实施例的基于人工智能提供智能服务的方法300的流程图。在本实施例中，与图1所示的方法100相同的步骤使用相同的附图标记，并且在此不再赘述。下面仅描述与方法100不同的步骤。

在步骤110，当反馈信息中的评价信息为负反馈或分值低于预定阈值时，根据实时调整后的检索词和/或其权重，立即提供新的第一服务结果。

例如，如果用户对当前的服务结果不满意，用户可以在智能终端上执行横向刷屏的手势，刷掉当前的服务结果。此时，如果用户仍在当前的检索界面下，智能服务系统会提供新的服务结果。在一个示例中，在用户接收到新的服务结果时，用户可以继续对新的服务结果做出反馈。智能服务系统通过持续地收集用户反馈，不断调整检索词和/或权重，构成一个闭环的训练学习和不断优化的流程，可以不断提升返回的服务结果的质量，以便通过训练和学习向用户提供最佳的答案。通过这种交互方式，智能服务系统极大地提高了在短时间内提供令人满意的服务结果的概率，从而大大提升了用户的体验。

在某些情况下，存在如下的使用场景：用户在某个时间段内向智能服务系统提出了多个服务请求；相应地，针对每个服务请求，智能服务系统确定相应的检索词及其权重并提供相应的服务结果。当用户对多个服务结果中的一个的反馈为负反馈时，结合针对在对应的服务请求之前的至少一个服务请求的检索词，实时调整针对该对应的服务请求的检索词和/或其权重。简言之，智能服务系统通过训练和学习，可以结合用户与系统对话的上下文来优化针对用户当前的服务请求的检索词及其权重。例如，经优化后的检索词中可能包括隐含但并未显现在用户当前的服务请求的输入信息中的关键词。

在一个示例中，系统可以记录接收的用户的服务请求及反馈作为该用户的历史信息，以便用于以后的智能服务中。或者，系统可以将针对该用户的经优化的神经网络模型存储在该用户的智能终端或者远程服务器中，以便以后为该用户提供个性化的智能服务。

在一个示例中，系统可以收集多个用户的服务请求及反馈，并且根据所收集的多个用户的服务请求及反馈，实时更新数据库检索方式。以这样的方式，可以使智能服务系统随着使用次数的增多在总体上得到优化，从而不断提升用户的使用体验。

图4示出了根据本发明另一实施例的基于人工智能提供智能服务的方法的一个应用示例的示意图。如图4a和4b所示，用户与系统通过安装于智能终端上的App的界面进行了如下对话：

用户：我下午要去深圳出差，请帮我订一下机票。

系统：....(完成订机票的动作)

用户：下午那边的天气如何？

系统：北京天气，雾转霾。

用户：(通过手势划掉结果，表示负反馈)

如图4c所示，系统在收到负反馈之后，立即提供了新的服务结果：

系统：已为您实时调整结果。

系统：深圳，白天阴转晴，夜晚有雨。

整个系统的工作机制如下：

A:根据用户与系统的对话过程，提取当前的关键特征，并利用已有的增强学习的神经网络模型对关键词进行实时的检索权重打分。例如关键词及其检索权重：下午:0.1、深圳:0.1、出差:0.3、机票:0.1、那边:0.01、天气:0.5、用户所处地点(北京):0.6。

B:由于检索词的预测权重倾向于询问北京天气，系统回复了北京天气。

C:系统收到负反馈之后，对神经网络模型进行更新，重新对检索词进行打分。需要注意的是，每次的检索词是可以不一样的，权重可能也不一样，但模型更倾向于预测与上下文相关的词作为检索词。

D:通过神经网络的调权，如果用户给出负反馈，那么最初检索词权重较高的检索词，天气、用户所处地点(北京)会受到强烈打压，而权重较低的检索词权重受到的打压比较小。这时候再利用增强学习模型对检索词及其权重进行一次预测，检索词及其权重变为：下午:0.09、深圳:0.09、出差:0.2、机票:0.09、那边:0.009、天气:0.1、用户所处地点(北京):0.12。

E:系统根据最新预测的检索词及其权重进行回复，深圳今天白天阴转晴，夜晚有小雨。

其中，整个增强学习的神经网络模型的输入是：用户所处状态的关键特征，例如用户与系统对话的关键词，当时的时间，地点等。本例子中，下午、深圳、请、帮我等，都可以作为特征进行输入。增强学习的神经网络模型的输出是(更新前)：下午:0.1、深圳:0.1、出差:0.3、机票:0.1、那边:0.01、天气:0.5、用户所处地点(北京):0.6。输入和输出一般比较关联，但不一定完全一致。权重也是通过整个神经网络给出的。

此外，当用户提供正反馈时，神经网络对获得正反馈的这组预测词的权重会被加强，从而强化下一次预测的效果。

图5为实现本申请实施例的基于人工智能的智能服务系统的物理架构的结构示意图。参照图5，其示出一个基于人工智能的智能服务系统。该系统500包括智能终端510以及一个或多个服务器530，这些智能终端510和服务器530通过网络520连接。智能终端510中安装有智能服务App或网页浏览器，用户通过使用该App或网页浏览器访问智能服务请求界面来向系统提出服务请求，接收服务结果，并对服务结果做出反馈。

智能终端510可以是智能手机、PC、平板电脑、笔记本电脑、智能机器人等等。图6为实现本发明实施例的基于人工智能的智能终端510的框图。该终端510包括与用户互动的接口设备，与接口设备连接的编译设备，以及与编译设备连接的联网模块630。其中，与用户互动的接口设备可以是触摸屏640、音频输出设备650(包括扬声器、耳机等)、麦克风660；编译设备可以是处理器610、存储器620。处理器610被配置为结合其他元件执行上述本发明实施例的方法的全部或部分步骤。联网模块630被配置为能使该终端510与服务器530之间通信，例如从服务器530下载服务结果，将服务请求发送到服务器上等等。存储器620被配置为存储从服务器下载的服务结果的信息(例如，文本、语音、图片等等)。触摸屏640被配置为接收用户的文本输入，识别用户的手势，并显示用户的服务请求、系统提供的服务结果以及其他相关信息。音频输出设备650被配置为播放服务结果及系统提示信息。麦克风660被配置为采集用户的语音信息。

下面结合图3所示的方法实施例来描述实现该实施例的交互流程。图7为实现该实施例的交互流程图。该交互流程涉及用户1、用户1使用的智能终端510-1，用户2、用户2使用的智能终端510-2、服务器530以及除了用户1、用户2之外的其它用户及其使用的智能终端(未示出)。为了便于描述，这里对智能终端510-1和智能终端510-2实现的功能进行了区分。应该理解，这些功能均可以在一个智能终端上实现。该交互流程包括以下步骤：

步骤701、用户1通过在终端510-1的触摸屏上执行轻敲手势来启动App；

步骤702、终端510-1启动App；

步骤703、终端510-1显示常用服务类型列表和服务请求输入接口；

步骤704、用户1通过在终端510-1的触摸屏上执行轻敲手势来选择一种服务类型；

步骤705、终端510-1向服务器530发送与所选择的服务类型对应的服务请求；

步骤706、服务器530通过系统的神经网络模型确定检索词及其权重；

步骤707、服务器530根据检索词及其权重向终端510-1返回服务结果；

步骤708、终端510-1显示服务结果；

步骤709、用户1在终端510-1的触摸屏上执行横向刷屏的手势以表示对该服务结果不满意；

步骤710、终端510-1向服务器530发送用户1对该服务结果的负反馈；

步骤711、服务器530以降低当前检索词的权重、用新的检索词替换掉部分当前检索词的方式更新针对用户1的神经网络模型；

步骤712、服务器530根据新的检索词及其权重向终端510-1返回新的服务结果；

步骤713、终端510-1显示新的服务结果；

步骤714、用户1为该新的服务结果点赞以表示对该服务结果满意；

步骤715、终端510-1向服务器530发送用户1对该新的服务结果的正反馈；

步骤716、服务器530提升当前检索词的权重；

步骤717、用户1关闭App；

步骤718、重复步骤701-705；

步骤719、服务器530利用前次更新后的神经网络模型返回服务结果；

步骤720、终端510-1显示服务结果；

步骤721：服务器530针对同一服务请求接收到来自多个用户的相似反馈，更新系统的神经网络模型；

步骤722：用户2通过在终端510-2的触摸屏上执行轻敲手势来启动App；

步骤723、终端510-2启动App；

步骤724、终端510-2显示常用服务类型列表和服务请求输入接口；

步骤725、用户2通过在终端510-2的触摸屏上执行轻敲手势来选择上述的服务类型；

步骤726、终端510-2向服务器530发送与所选择的服务类型对应的服务请求；

步骤727、服务器530通过在步骤721中更新后的系统的神经网络模型确定检索词及其权重，

步骤728、服务器530根据检索词及其权重向终端510-2返回服务结果；

步骤729、终端510-2显示该服务结果。

这里需要指出的是，以上描述的交互流程仅仅是一个示例，实际的交互流程并不仅限于此。

基于上面方法实施例，本申请提供了基于人工智能的智能服务系统的实施例。以下系统实施例的描述，与上述方法描述是类似的，同方法的有益效果描述，不做赘述。对于本申请系统实施例中未披露的技术细节，请参照本申请方法实施例的描述。需要注意的是，以下所述的智能服务系统中所包括的模块，可以全部在智能终端中实现，也可以全部在远程服务器中实现，或者可以一部分在智能终端中实现，其余部分在远程服务器中实现。

如图8所示，所述基于人工智能的智能服务系统包括：

请求接收模块802，被配置为接收用户的第一服务请求；

增强学习模块804，被配置为针对第一服务请求确定检索词及其权重；

服务处理模块806，被配置为根据检索词及其权重提供第一服务结果；以及

反馈功能模块808，被配置为收集用户对第一服务结果的反馈信息，以得到反馈信息中的评价信息。

所述增强学习模块804可以进一步被配置为根据反馈信息中的评价信息实时调整针对第一服务请求的检索词和/或其权重。

在一个示例中，所述反馈信息中的评价信息可以为分值或正、负反馈。

在一个示例中，服务处理模块可以进一步被配置为当反馈信息中的评价信息为负反馈或分值低于预定阈值时，根据实时调整后的检索词和/或其权重，立即提供新的第一服务结果。

在一个示例中，当所述反馈信息中的评价信息为正反馈或所述分值大于或等于预定阈值时，服务处理模块可以提升并保存所述针对第一服务请求的检索词的权重。

在一个示例中，当所述反馈信息中的评价信息为负反馈或所述分值低于预定阈值时，增强学习模块可以确定在第一服务请求之前的预定时段内是否存在除第一服务请求之外的一个或多个其它服务请求，当确定存在时，根据负反馈或分值，结合所述一个或多个其它服务请求中的至少一个的检索词，来实时调整针对第一服务请求的检索词和/或其权重。

在一个示例中，增强学习模块可以进一步被配置为获取用户的实时状态信息和/或历史信息，并且根据第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息确定检索词及其权重。

在一个示例中，增强学习模块被配置为根据第一服务请求的内容信息以及所获取的用户的实时状态信息和/或历史信息，对第一服务请求进行文本抽象空间表示；根据第一服务请求选择用于筛选第一服务结果的数据库检索方式；将所述文本抽象空间表示与数据库检索方式的抽象空间表示进行融合，以得到检索词及其权重。

在一个示例中，所述第一服务结果可以为由多个第一服务结果条目构成的列表，并且所述服务处理模块可以被配置为当所述用户对该列表中的至少一个第一服务结果条目的反馈的分值低于预定阈值或为负反馈时，根据实时调整后的检索词和/或其权重，对该列表中的第一服务结果条目进行实时重新排序，并立即提供重新排序后的列表。

在一个示例中，该智能服务系统可以进一步包括：历史信息记录模块(未示出)，被配置为记录所述用户的所述第一服务请求及所述反馈作为该用户的历史信息。

在一个示例中，该智能服务系统可以进一步包括：更新模块(未示出)，被配置为收集多个用户的第一服务请求及反馈，以及根据所收集的多个用户的第一服务请求及反馈，更新所述数据库检索方式。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。