CN107943974A - 考虑情感的自动会话方法和系统 - Google Patents

考虑情感的自动会话方法和系统 Download PDF

Info

Publication number
CN107943974A
CN107943974A CN201711218851.3A CN201711218851A CN107943974A CN 107943974 A CN107943974 A CN 107943974A CN 201711218851 A CN201711218851 A CN 201711218851A CN 107943974 A CN107943974 A CN 107943974A
Authority
CN
China
Prior art keywords
emotion
user
sentence
current
affective tag
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711218851.3A
Other languages
English (en)
Inventor
孙晓
陈鑫淼
彭晓琪
丁帅
杨善林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201711218851.3A priority Critical patent/CN107943974A/zh
Publication of CN107943974A publication Critical patent/CN107943974A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

本发明提供一种考虑情感的自动会话方法和系统，涉及智能对话领域领域。该考虑情感的自动会话方法，首先获取用户同时输入的句子和情感标签；然后确定所述用户当前的语义和情感；基于预设的会话模型，根据所述用户当前的语义和情感确定符合用户当前语义和情感的回复；最后输出所述回复内容。较现有技术，本发明提供的考虑情感的会话方法，用户在使用的过程中输入句子和相关情感，使输入的情感作为系统输出句子的情感导向，从而使系统输出带有指定情感的句子。输入不同的情感标签，系统会根据输入的情感标签产生不同的回复，回复的语句更加多样化，质量更高。

Description

考虑情感的自动会话方法和系统
技术领域
本发明涉及智能对话技术领域，具体涉及一种考虑情感的自动会话方法和系统。
背景技术
随着社会和网络技术的发展，人工智能研发的不断深入，聊天机器人是目前非常热的一个人工智能研发与产品。聊天机器人是基于会话模板通过模板匹配来响应用户聊天。现有的会话模型主要包括：基于检索的模型、基于生成的模型以及基于人工模板。
基于检索的模型：类似搜索引擎，事先存储好对话库并建立索引，根据用户问句，在对话库中进行模糊匹配找到最合适的应答内容。
基于生成的模型：不依赖提前定义的回答，但在训练过程中，需要大量的语料，语料包含了context和response，当下流行使用LSTM和RNN训练生成的模型，这种方法最早用来完成机器翻译的任务。
基于人工模板的技术：通过人工设定对话场景，并对每个场景编写针对性的对话模板，模板描述了用户可能的问题以及对应的答案。
但是，现如今对对话系统的研究工作主要集中于提升生成语句的语言质量，而忽略了对人类情感的理解。实现对人类情感的理解，是需要基于情感分析。情感分析在传统机器学习上的主要研究方法还是基于一些传统算法，具有语料的不足，比较依赖于人工构建和抽取的特征等问题，无法生成高质量的带有指定情感的句子。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种考虑情感的自动会话方法和系统，解决了现有技术的会话系统无法生成高质量的带有指定情感的句子。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现，一种考虑情感的自动会话方法，包括：
S1、获取用户同时输入的句子和情感标签；
S2、确定所述用户当前的语义和情感；
S3、基于预设的会话模型，根据所述用户当前的语义和情感确定符合用户当前语义和情感的回复；
S4、输出所述回复内容。
进一步的，所述预设的会话模型为LSTM或RNN模型。
进一步的，所述预设的会话模型通过向所述的LSTM或RNN模型输入句子、句子的情感标签和输出句子的情感标签，经训练得到的；具体方法如下：
S1-1、输入句子，对输入句子生成第一回复语句，分析第一回复语句的情感；
S1-2、在步骤S1-1的基础上，输入句子以及情感标签，然后根据输入的句子和情感标签生成第二回复语句，分析第二回复语句的情感；
S1-3、在步骤S1-2的基础上，输入句子、情感标签和输出句子的情感标签，然后根据输入的句子、句子的情感标签以及输出句子的情感标签生成第三回复语句，分析第三回复语句的情感；
所述输出句子的情感标签为目标情感标签。
进一步的，所述获取用户输入的句子和情感标签通过以下一种方式：采用文字分析方法分析用户同时输入的句子和情感标签；或/和，采用语音识别方法分析用户同时输入的句子和情感标签。
进一步的，对话过程生成的包含情感标签的会话语料可以作为下一次会话的语料。
进一步的，根据所述用户当前的语义和情感确定复合所述用户当前语义和情感的回复，包括：
根据所述用户当前的语义和情感从语料库中选择至少一个符合所述用户当前的语义和情感的回复信息；和/或，根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感回复信息；
利用所述回复信息做出符合所述用户当前的语义和情感的回复。
进一步的，对话信息获取模块，用于获取用户同时输入的句子和情感标签；
语义和情感确定模块，用于分析用户同时输入的句子和情感标签，确定用户当前的语义和情感；
回复模块，用于根据所述用户当前的语义和情感做出符合所述用户当前语义和情感的回复。
进一步的，所述语义和情感确定模块，包括：特征获取单元，用于采用以下至少一种方式分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征：
通过文字分析方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；
通过语音识别方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；
确定单元，用于根据所述用户当前的语义特征和情感特征确定相应的所述用户当前的语义和情感。
进一步的，所述回复模块，包括：
回复信息选择单元，用于根据所述用户当前的语义和情感从回复数据库中选择至少一个符合所述用户当前的情感和语义的回复信息；和/或，自动生成回复信息单元，用于根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感的回复信息；
执行回复单元，用于利用所述回复信息做出符合所述用户当前的语义和情感的回复。
(三)有益效果
本发明提供了一种考虑情感的自动会话方法和系统。与现有技术相比，具备以下有益效果：
1、用户在使用的过程中输入句子(Post)和相关情感(如：高兴，悲伤，恐惧，惊讶等)，使输入的情感作为系统输出句子的情感导向，从而使系统输出带有指定情感的句子。输入不同的情感标签，系统会根据输入的情感标签产生不同的回复，回复的语句更加多样化，质量更高。
2、基于LSTM或RNN模型通过输入句子、输入句子的情感标签和输出句子的情感标签的方式训练得到会话模型，能够回复质量更高的带有指定情感的句子，回复的语句更加多样化。
3、并且在使用过程中所生成的包含情感标签的会话语料可以作为下一次回复的语料，可以在使用过程不断的丰富会话语料，不断的丰富回复的语句的多样化。
说明书附图
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明提供的一种考虑情感的自动对话方法实施例流程图；
图2是本发明提供的一种考虑情感的自动对话系统框架示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
聊天机器人从话题侧面可以分为：开放领域和封闭领域。在开放语境下，用户可以和聊天机器人聊任何话题。在封闭语境下，只能聊设定的主题。
目前对于开放领域生成式聊天机器人技术而言，多数采用了Encoder-Decoder框架。Encoder-Decoder框架可以看作一种文本处理领域的研究模式，应用场景异常广泛，不仅可以用在对话机器人领域，还可以应用在机器翻译、文本摘要、句法分析等场合。Encoder-Decoder框架可以直观的理解为适合处理，由一个句子(或段落)生成另外一个句子(或段落)的通用处理模型。对于句子对(X，Y)，我们的目标是给定输入句子X，期待通过Encoder-Decoder框架来生成目标句子Y，X和Y可以是同一种语言，也可以是两种不同的语言。而X和Y分别由各自的单词序列构成：
X＝(x1,x2...xm)Y＝(y1,y2...yn)
Encoder顾名思义就是对输入句子X进行编码，将输入句子通过非线性变换转化为中间语义表示为C：
C＝f(x1,x2...xm)
对于解码器Decoder来说，其任务是根据句子X的中间语义表示C和之前已经生成的历史信息y1,y2...yi-1来生成i时刻要生成的单词yi：
yi＝g(C,y1,y2...yi-1)
每个yi都依次这么产生，那么看起来就是整个系统根据输入句子X生成了目标句子Y。
针对现有技术的会话系统存在的问题，基于Encoder-Decoder框架对现有的会话系统进行改进，以克服现有技术无法产生高质量指定情感的句子。
第一方面，本发明实施例提供一种考虑情感的自动会话方法，包括：
S1、获取用户同时输入的句子和情感标签；
用户在输入句子的同时输入句子的情感标签，所谓的情感标签既为表现情感的相关词语如：高兴、悲伤、恐惧、惊讶等。
S2、确定所述用户当前的语义和情感；
在本步骤中，所述的语义包括对话信息的表面意思和想表达的意图，根据用户输入的情感标签确定用户的情感，从而确定上述用户当前的语义和情感。
S3、基于预设的会话模型，根据所述用户当前的语义和情感确定复合用户当前语义和情感的回复；
S4、输出所述回复内容。
另一方面，本发明还提供一种考虑情感的自动会话系统，包括：
对话信息获取模块，用于获取用户同时输入的句子和情感标签；
语义和情感确定模块，用于分析用户同时输入的句子和情感标签，确定用户当前的语义和情感；
回复模块，用于根据所述用户当前的语义和情感做出符合所述用户当前语义和情感的回复。
优选的，所述语义和情感确定模块，包括：特征获取单元，用于采用以下至少一种方式分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征：
通过文字分析方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；
通过语音识别方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；
确定单元，用于根据所述用户当前的语义特征和情感特征确定相应的所述用户当前的语义和情感。
优选的，所述回复模块，包括：
回复信息选择单元，用于根据所述用户当前的语义和情感从回复数据库中选择至少一个符合所述用户当前的情感和语义的回复信息；和/或，自动生成回复信息单元，用于根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感的回复信息；
执行回复单元，用于利用所述回复信息做出符合所述用户当前的语义和情感的回复。
本发明提供的考虑情感的自动会话方法，其中会话模型是LSTM或RNN模型，通过输入句子、输入句子的情感标签和输出句子的情感标签的方式训练得到的，采用Encoder-Decoder框架，具体的训练方法如下：
具体方法如下：
S1-1、输入句子X，系统对输入句子生成第一回复语句Y，分析第一回复语句Y的情感：
S1-2、在步骤S1-1的基础上，输入句子X以及句子X的情感标签(PostEmotionType)，然后系统根据输入的句子和情感标签生成第二回复语句Y，分析第二回复语句Y的情感：
S1-3、步骤S1-2的基础上，输入句子X、句子X的情感标签(Post EmotionType)和输出句子Y的情感标签(Response Emotion Type)，然后系统根据输入的句子、句子的情感标签以及输出句子的情感标签生成第三回复语句Y1，分析第三回复语句Y1的情感：
其中步骤S1-3输出句子Y的情感标签为用户想要得到的目标情感，并将输出句子Y的情感与最终输出第三回复语句Y1的情感进行分析对比，使得系统产生情感导向。
在具体实施过程中，获取用户输入的句子和情感标签至少通过以下一种方式：采用文字分析方法分析用户同时输入的句子和情感标签；或采用语音识别方法分析用户同时输入的句子和情感标签。
在具体实施过程中，对话过程生成的包含情感标签的会话语料可以作为下一次会话的语料。
在具体实施过程中根据所述用户当前的语义和情感确定复合所述用户当前语义和情感的回复，包括：
根据所述用户当前的语义和情感从语料库中选择至少一个符合所述用户当前的语义和情感的回复信息；和/或，根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感回复信息；
利用所述回复信息做出符合所述用户当前的语义和情感的回复。
综上所述，本发明实施例与现有技术相比，具备以下有益效果：
1、用户在使用的过程中输入句子和相关情感(如：高兴，悲伤，恐惧，惊讶等)，使输入的情感作为系统输出句子的情感导向，从而使系统输出带有指定情感的句子。输入不同的情感标签，系统会根据输入的情感标签产生不同的回复，回复的语句更加多样化，质量更高。
2、基于LSTM或RNN模型通过输入句子、输入句子的情感标签和输出句子的情感标签的方式训练得到会话模型，使得系统的能够回复质量更高的带有指定情感的句子，回复的语句更加多样化。
3、并且在使用过程中所生成的包含情感标签的会话语料可以作为下一次训练模型的语料，可以在使用过程不断的丰富会话语料，不断的丰富回复的语句的多样化。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种考虑情感的自动会话方法，其特征在于，包括：
S1、获取用户同时输入的句子和情感标签；
S2、确定所述用户当前的语义和情感；
S3、基于预设的会话模型，根据所述用户当前的语义和情感确定符合用户当前语义和情感的回复；
S4、输出所述回复内容。
2.如权利要求1所述的考虑情感的自动会话方法，其特征在于，所述预设的会话模型为LSTM或RNN模型。
3.如权利要求1所述的考虑情感的自动会话方法，其特征在于，所述预设的会话模型通过向所述的LSTM或RNN模型输入句子、句子的情感标签和输出句子的情感标签，经训练得到的；具体方法如下：
S1-1、输入句子，对输入句子生成第一回复语句，分析第一回复语句的情感；
S1-2、在步骤S1-1的基础上，输入句子以及情感标签，然后根据输入的句子和情感标签生成第二回复语句，分析第二回复语句的情感；
S1-3、在步骤S1-2的基础上，输入句子、情感标签和输出句子的情感标签，然后根据输入的句子、句子的情感标签以及输出句子的情感标签生成第三回复语句，分析第三回复语句的情感；
所述输出句子的情感标签为目标情感标签。
4.如权利要求1所述的会话方法，其特征在于，所述获取用户输入的句子和情感标签通过以下一种方式：采用文字分析方法分析用户同时输入的句子和情感标签；或/和，采用语音识别方法分析用户同时输入的句子和情感标签。
5.如权利要求1所述的考虑情感的自动会话方法，其特征在于，对话过程生成的包含情感标签的会话语料可以作为下一次会话的语料。
6.如权利要求1所述的考虑情感的自动会话方法，其特征在于，根据所述用户当前的语义和情感确定复合所述用户当前语义和情感的回复，包括：
根据所述用户当前的语义和情感从语料库中选择至少一个符合所述用户当前的语义和情感的回复信息；和/或，根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感回复信息；
利用所述回复信息做出符合所述用户当前的语义和情感的回复。
7.一种考虑情感的自动会话系统，其特征在于，包括：
对话信息获取模块，用于获取用户同时输入的句子和情感标签；
语义和情感确定模块，用于分析用户同时输入的句子和情感标签，确定用户当前的语义和情感；
回复模块，用于根据所述用户当前的语义和情感做出符合所述用户当前语义和情感的回复。
8.如权利要求7所述的考虑情感的自动会话系统，其特征在于，所述语义和情感确定模块，包括：特征获取单元，用于采用以下至少一种方式分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征：
通过文字分析方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；
通过语音识别方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；
确定单元，用于根据所述用户当前的语义特征和情感特征确定相应的所述用户当前的语义和情感。
9.根据权利要求7所述的考虑情感的自动会话系统，其特征在于，所述回复模块，包括：
回复信息选择单元，用于根据所述用户当前的语义和情感从回复数据库中选择至少一个符合所述用户当前的情感和语义的回复信息；和/或，自动生成回复信息单元，用于根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感的回复信息；
执行回复单元，用于利用所述回复信息做出符合所述用户当前的语义和情感的回复。
CN201711218851.3A 2017-11-28 2017-11-28 考虑情感的自动会话方法和系统 Pending CN107943974A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711218851.3A CN107943974A (zh) 2017-11-28 2017-11-28 考虑情感的自动会话方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711218851.3A CN107943974A (zh) 2017-11-28 2017-11-28 考虑情感的自动会话方法和系统

Publications (1)

Publication Number Publication Date
CN107943974A true CN107943974A (zh) 2018-04-20

Family

ID=61950356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711218851.3A Pending CN107943974A (zh) 2017-11-28 2017-11-28 考虑情感的自动会话方法和系统

Country Status (1)

Country Link
CN (1) CN107943974A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214585A (zh) * 2020-09-10 2021-01-12 中国科学院深圳先进技术研究院 回复消息生成方法、系统、计算机设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091153A (zh) * 2014-07-03 2014-10-08 苏州工业职业技术学院 应用于聊天机器人的情绪判断方法
CN104461226A (zh) * 2013-09-23 2015-03-25 北京三星通信技术研究有限公司 用于网络的聊天方法、聊天设备及聊天系统
CN105206284A (zh) * 2015-09-11 2015-12-30 清华大学 疏导青少年心理压力的虚拟聊天方法与系统
CN106874452A (zh) * 2017-02-13 2017-06-20 长沙军鸽软件有限公司 一种获取会话回复内容的方法
WO2017164825A2 (en) * 2016-03-21 2017-09-28 King Mongkut's University Of Technology Thonburi Automatic mobile robot for facilitating activities to improve child development
CN107316654A (zh) * 2017-07-24 2017-11-03 湖南大学 基于dis‑nv特征的情感识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104461226A (zh) * 2013-09-23 2015-03-25 北京三星通信技术研究有限公司 用于网络的聊天方法、聊天设备及聊天系统
CN104091153A (zh) * 2014-07-03 2014-10-08 苏州工业职业技术学院 应用于聊天机器人的情绪判断方法
CN105206284A (zh) * 2015-09-11 2015-12-30 清华大学 疏导青少年心理压力的虚拟聊天方法与系统
WO2017164825A2 (en) * 2016-03-21 2017-09-28 King Mongkut's University Of Technology Thonburi Automatic mobile robot for facilitating activities to improve child development
CN106874452A (zh) * 2017-02-13 2017-06-20 长沙军鸽软件有限公司 一种获取会话回复内容的方法
CN107316654A (zh) * 2017-07-24 2017-11-03 湖南大学 基于dis‑nv特征的情感识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214585A (zh) * 2020-09-10 2021-01-12 中国科学院深圳先进技术研究院 回复消息生成方法、系统、计算机设备及存储介质
CN112214585B (zh) * 2020-09-10 2024-03-12 中国科学院深圳先进技术研究院 回复消息生成方法、系统、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN110188343B (zh) 基于融合注意力网络的多模态情感识别方法
Mai et al. Analyzing multimodal sentiment via acoustic-and visual-LSTM with channel-aware temporal convolution network
CN107169409A (zh) 一种情感识别方法及装置
CN112101045A (zh) 一种多模态语义完整性识别方法、装置及电子设备
CN106815321A (zh) 基于智能聊天机器人的聊天方法及装置
CN113065344A (zh) 一种基于迁移学习和注意力机制的跨语料库情感识别方法
Zhao et al. Multi-level fusion of wav2vec 2.0 and bert for multimodal emotion recognition
CN108846073A (zh) 一种个性化人机情感会话系统
CN106952648A (zh) 一种用于机器人的输出方法以及机器人
CN114444481B (zh) 一种新闻评论的情感分析与生成方法
CN116166688A (zh) 基于自然语言交互的业务数据检索方法、系统及处理设备
Zhang Ideological and political empowering english teaching: ideological education based on artificial intelligence in classroom emotion recognition
CN116524932A (zh) 一种基于人工智能的智能语音交互系统及方法
Hasan et al. TextMI: Textualize multimodal information for integrating non-verbal cues in pre-trained language models
CN107943974A (zh) 考虑情感的自动会话方法和系统
Lin et al. A hierarchical structured multi-head attention network for multi-turn response generation
CN107800856A (zh) 一种语音播报方法、装置及移动终端
CN114330285B (zh) 语料处理方法、装置、电子设备及计算机可读存储介质
CN110472032A (zh) 医疗自定义实体词词性标签的多分类智能问答检索方法
CN115169363A (zh) 一种融合知识的增量编码的对话情感识别方法
CN109325155A (zh) 一种新型对话状态存储方法及系统
CN110896422A (zh) 一种基于语音的智能响应方法及装置
Yang et al. Review of research on speech emotion recognition
CN115033695A (zh) 一种基于常识知识图谱的长对话情感检测方法及系统
CN114661864A (zh) 一种基于受控文本生成的心理咨询方法、装置及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180420