CN111133403A - 用于增进幸福感的动态用户交互系统与方法 - Google Patents

Abstract

一种用于和用户进行交互的计算系统，该系统包括一处理器和一存储器，所述存储器存储可执行软件，所述可执行软件在由所述处理器执行时，可使所述处理器开始与用户进行交互对话，接收在交互会话期间从用户接收的输入数据，以及分析所述接收到的输入数据，并且向所述用户输出响应以继续与用户进行交互会话。处理器在输出响应前，识别所述接收到的输入数据中的一个或多个话题，确定所接收的输入数据的语气，基于接收到的输入数据的确定语气生成镜像提示，以及向所述用户输出所生成的镜像提示。所述处理器在交互会话期间向用户输出镜像提示，以增加用户在交互会话中的参与感。

Description

用于增进幸福感的动态用户交互系统与方法

相关申请的交叉引用

本申请要求于2018年4月11日提交的美国临时专利申请号62/656,231、2017年7月17日提交的美国临时专利申请号62/533,423，以及在2018年5月9日提交的美国非临时专利申请号15/974,978的优先权。上述申请的全部内容通过引用并入本文。

技术领域

本发明针对一种计算系统和一种程序，所述程序由计算系统运行，所述系统与程序用于模拟人类的认知功能。更具体的，本发明针对一种计算系统和一种技术实施方法，所述系统与方法用于和用户动态交互，目的在于改善用户的幸福感，通过在这样的交互过程中表现出同理心来改善用户的幸福感，以便在这样的交互过程中引起人类对计算系统的更高程度的参与。

背景技术

现在有大量程序被设计用于改善人的身体、感情和/或心理健康的程序。从面对面的课程和会话，到在线/离线的媒体，这些程序可以通过各种渠道被提供。

在诸如智能手机的移动设备(移动应用)上执行的软件应用也发展成以类似的方法吸引用户来改善他们的身体和/或心理健康。一些移动应用中使用了可以通过一段时间适应用户行为的交互模型，并且尝试去充当“虚拟教练”或者“虚拟心理理疗师”，以引导用户去完成所需的目标。

然而，由于非常低的用户参与度，现有技术中试图去调整、改善用户行为和/或心理健康的移动应用或者其他种类的软件应用(例如：在通用计算机、平板、智能手机等上执行的软件)通常难以完成既定的目标。

对于需要或必须要扩展或持续使用的软件应用程序，此问题会更加严重。因此，结果上而言的低参与度导致用户缺乏承诺，这会反过来会使那些用户所期望的目标不可避免地无法实现。即使在使用这些应用程序期间，低参与度会导致效率降低，反过来，导致极不理想的健康改善。

发明内容

鉴于前述内容，本发明的目的是提供一种计算系统/方法，用于与用户的交互以改变他们的行为和/或心理健康，特别是用于提高幸福感，这可以进一步用于减轻和减少精神健康状况的症状，例如抑郁和焦虑，其中这种互动以引起与用户高度互动的方式实现

本发明的另一个目的是提供一种计算系统/方法，用于与用户进行交互而改善幸福感，其中这种交互需要以模拟人类情感和/或人类认知技能(例如同理心)的方式通过计算系统与用户互动，从而导致用户的高水平参与度，并整体上实现更高效的交互，进而导致用户的行为和/或心理健康程度更高。

根据本发明的实施例，提供了一种用于与用户交互的计算系统，其中，该计算系统开始与用户的交互会话，在交互会话期间从用户接收输入数据，分析接收到的输入数据并输出响应给用户，以继续与用户进行交互会话。在输出响应之前，计算系统进一步从接收到的输入数据中识别一个或多个话题，确定接收到的输入数据的语气，基于确定的接收到的输入数据的语气生成镜像提示，并向用户输出生成的镜像提示，以便在交互式会话会期间镜像提示的输出增加用户对交互式会话的参与度。

作为本发明的一方面。计算系统会生成镜像提示，所述提示指示已识别的一个或多个话题并反映确定的语气。

另一方面，计算系统生成具有适当语气的镜像提示来响应确定的语气。

另一方面，该计算系统包括存储多个可选镜像提示的数据库，并通过选择所存储的可选镜像提示中的至少一个来生成镜像提示。

另一方面，计算系统使用自然语言生成技术来生成镜像提示。

另一方面，该计算系统包括能够与外部计算机通信的通信设备，经由该通信设备从外部计算机获得关于一个或多个话题的识别信息，并使用所获得的信息来生成镜像提示。

作为此方面的特征。所获得的信息包括与所识别的可通过互联网访问的一个或多个话题有关的最新信息。

仍然作为另一方面，该计算系统包括至少一个传感器，该至少一个传感器适于获得补充用户数据并至少部分地在所获得的补充用户数据上生成镜像提示。

仍然作为另一方面，计算系统开始与用户的交互会话，该交互会话是用户所选择的幸福轨迹的一部分，并且在该交互会话期间会生成并向用户输出镜像提示，以依据用户选择的幸福轨迹引起用户的幸福程度的增加。

根据本发明的另一个实施例，提供了一种用于计算系统与用户交互的方法。其中计算系统包括至少一个处理器，所述发明方法包括：开始与用户进行交互性会话、接收交互性会话期间来自用户的输入数据、分析所接受的数据、输出对用户的回应以继续与用户之间的交互性对话，上述方法步骤都通过至少一个处理器来实现；其中，在输出响应之前，至少一个处理器会识别来自所接收的输入数据的一个或者多个话题、确定所接收的输入数据中的语气、基于接收数据中确认的语气生成镜像提示、并向用户输出生成的镜像提示，并且，其中交互性会话期间向用户输出的镜像提示会引起用户对交互性会话的参与度的提升。

作为该实施例的一方面，该方法包括由至少一个处理器生成镜像提示，所述镜像提示指示所识别的一个或多个话题并且反映确定的语气。

另一方面，该方法包括由至少一个处理器生成镜像提示，所述镜像提示会以适当语气响应于确定的语气。

在另一方面，该方法包括由至少一个处理器存储数据库中多个可选的镜像提示，和由至少一个处理器生成镜像提示，该镜像提示通过选择存储的可选镜像提示中的至少一个来生成。

作为另一个方面，该方法包括由至少一个处理器生成镜像提示，所述镜像提示通过自然语言生成技术生成。

另一方面，该计算系统包括至少一个处理器和能够与外部计算机进行通信的通信设备，并且本发明的方法包括由至少一个处理器获得关于经由通信设备从外部计算机识别出的一个或多个话题的信息，并由至少一个处理器使用获得的信息生成镜像提示。

作为此方面的特征，所获得的信息包括可经由互联网访问的关于一个或者多个识别的话题的最新信息。

作为又一方面，该计算系统包括至少一个处理器和至少一个适于获取补充用户数据的传感器，并且发明方法包括由至少一个处理器在至少一部分补充用户数据上生成镜像提示。

在另一方面，该方法包括由至少一个处理器开始与用户的交互会话，该交互会话是用户选择的幸福感轨迹的一部分，并由至少一个处理器在交互性会话期间向用户生成和输出镜像提示，并依据选择的幸福轨迹增加用户的幸福程度。

根据本发明的另一个实施例，提供了一种用于与用户交互的计算系统，其中该计算系统开始与用户交互性会话。交互会话是用户选择的幸福轨迹的一部分，在交互会话期间从用户接收输入数据，分析接收到的输入数据，并向用户输出响应以继续与用户进行交互会话。在交互式会话期间，计算系统还从接收到的输入数据中识别一个或多个话题，并确定是否向用户输出用于切换到不同幸福轨迹的选项。

作为该实施例的一个方面。当所识别的一个或多个话题与所选择的幸福轨迹的相关性不大于阈值时，计算系统确定给用户切换不同幸福轨迹的选项。

作为这方面的特征，当多次检测到具有不大于阈值的相关性的所识别的一个或多个话题时，计算系统确定向用户输出用于切换到不同幸福轨迹的选项。

另一方面，计算系统基于接收到的输入数据的语气确定向用户输出用于切换到不同幸福轨迹的选项。

根据本发明的又一个实施例，提供了一种用于计算系统与用户交互的方法，其中该计算系统包括至少一个处理器，并且本发明的方法包括开始与用户交互会话，交互会话是用户选择的幸福轨迹的一部分，在交互会话期间从用户接收输入数据，分析接收到的输入数据，并向用户输出响应以继续与用户的交互会话。该方法还包括在交互式会话期间，从接收到的输入数据中识别一个或多个话题，并确定是否向用户输出用于切换到不同幸福轨迹的选项。

作为该实施例的一个方面，该方法包括：当所识别的一个或多个话题与所选择的幸福轨迹的相关性不大于阈值时，确定向用户输出用于切换到不同幸福轨迹的选项。

作为该方面的特征，该方法包括：当多次检测到具有不大于阈值的相关性的识别的一个或多个话题时，确定向用户输出用于切换到不同幸福轨迹的选项。

作为另一方面，该方法包括基于接收到的输入数据的语气来确定向用户输出用于切换到不同幸福轨迹的选项。

本发明的这些和其他的目的、优点、方面和特征，如下所述和/或被本领域普通技术人员理解和充分理解。

附图说明

图1是根据本发明的示例性计算系统的框图。

图2是根据本发明的包括通过示例性计算系统来模拟共情传递的步骤的示例性流程图。

图3是说明本发明的镜像提示特征的示例性流程图。

图4A-4D示出了根据本发明的镜像提示的应用示例的屏幕截图。

图5是说明本发明的主动分类特征的示例性流程图。

具体实施方式

本发明是一种交互式计算系统以及技术设备所采用的方法，该交互计算系统提供了一种用于与(人类)用户进行交互的环境，其方式导致与该用户的高度互动以增加用户的幸福程度。

总体上，并且如本文中更详细地描述的，计算系统被配置为向用户提供并使用户参与特别为了用户设计和选择的一组活动和任务，以增加用户的幸福感。根据本发明，计算系统动态响应用户的动作和反馈，这些响应的动作与反馈源于用户部分或完全执行某些活动和任务，并且由计算系统进行的这种动态响应需要进行交互，该交互包括对模拟的人类情感和/或人类认知技能的演示。进一步描述的，包括模拟的人类情感和/或人类认知技能的演示在内的交互来实现与用户的更加个人化和更加符合上下文的交互环境，从而模仿了人与人之间的对话，进而实现引导用户达到预期目标的方式。

参考附图，其中相同的数字表示相同或相似的元件，并且首先参考图1，其中示意性地示出了根据一个本发明的具体实施例的计算系统10。计算系统10包括一个或多个处理器11，这一个或多个处理器11处理各种输入数据和存储的数据，并控制计算系统10内的其他组件的操作，以使本文所述的一个或多个用户20与计算系统10之间能够动态交互。进一步描述的，处理器11通过执行许多数学算法和分析计算来处理数据。处理器11还可以是多个处理单元，每个处理单元执行各自的数学算法和/或分析计算。进一步描述的，通过人工智能增强了处理器11。计算系统10还包括扬声器/麦克风12、显示器13、界面14、照相机/视频监视器15和生物特征传感器16。计算系统10直接从用户20接收输入数据或经由上述一个或多个组件来获得输入数据(例如，用户20的视觉数据，听觉数据，生物统计数据等)，并且处理器11分析用户输入数据。例如。当使用者参与活动和任务时，相机/视频监视器15可以用于获取用户20的视觉数据(例如用于捕获面部表情或其他身体姿势的静止图像或运动图像)，或者生物特征传感器16可以用于获取使用者20的生物特征数据(例如心率(HR)、心率变异性(HRV)、脑电波等)。一旦处理器11分析输入数据，计算系统10通过扬声器12或显示器13向用户20提供适当的响应。如本文所述，响应可以包括提示、对问题的回答、后续问题、建议，一般声明，等。响应用户20的方法可以包括例如合成语音、可视化身、键入或印刷的文字等。

计算系统10还包括通信单元或设备17，输入/输出端口18和存储器19。通信单元17允许计算系统10通过网络30与用户附件的其他电子设备或其他传感器通信。网络30可以包括无线通信、有线通信等。网络30可以包括因特网、广域网或局域网等。计算系统10使用I/O接口18来输入和输出数据。计算系统10包括存储程序和应用的存储器19。

计算设备10以及用户的其他电子设备或其他传感器可以是网络30的一部分或也可以连接到网络30，并耦合到服务器或服务提供商40。图1中的虚线表示该用户20、网络30、服务器40和计算系统10可以直接、非直接、通过信道远程的连接到用户20、网络30、服务器40或计算系统10中的任何一个或多个。计算系统10、网络30和服务器40中的一个或多个可以位于一台计算机、分布式多台计算机上、或者部分的、全部的基于互联网。

在本发明的某些实施例中，计算系统10实施了各种治疗和预防学科的服务，例如积极心理学、认知行为疗法，正念、减压，等。为了方便起见，在本文中将一种示例性服务称为“Happify”。Happify是一项新颖的，基于科学的在线服务，用于参与、学习和培训幸福的技能。Happify是基于由心理学家和研究人员开发的框架，这些框架由诸如认知行为疗法、正念、积极心理学，等之类的治疗学科组成，并会帮助用户开发与快乐相关的某些技能，例如理解、感谢、向往，给予和同情(或S.T.A.G.E.^TM)。在某些实施例中，每种技能是通过各种活动开发的，这些活动按技能等级递增排序，技能等级随着用户在构建该技能过程中逐渐解锁。有Happify，用户可以选择一个“轨迹”，其中包含旨在解决特定生活状况或目标的一系列活动。

Happify系统可以在诸如智能电话或平板电脑的用户的移动电子设备上实现，或者可以在用户的个人计算机(PC)上实现。Happify可以体现在移动应用程序，可执行软件程序或其他合适的形式内。例如，用户可以下载并安装提供Happify服务的移动应用程序。用户通过移动应用程序选择“幸福”轨迹，并被提供一组活动，这些活动被设计为根据选定的轨迹来提高用户的幸福度。

当用户执行这些活动中的一项或多项时。Happify系统会使用各种工具来评估和重新评估用户的身体和情绪状态。例如，可能有多个传感器(例如，生物特征识别传感器)放置在用户附近(这些传感器例如，与用户的智能手机进行有线和/或无线通信)，当用户参与这些任务和活动时，这些传感器从用户提取生物特征信息。提取的生物特征信息的示例包括心率、心率变异性、脑电波、体温、瞳孔扩大，等。在另一实例中，用户的智能电话内的一个或多个传感器机制(例如，扬声器、照相机、麦克风、按钮、按键等)用于捕获用户信息。此类捕获的信息包括记录的语音、打字文本、面部表情，等。在另一个实例中，可以根据诸如问卷的自我报告来评估用户的身体或情绪状态。在其他情况下，可以同时使用前述信息的混合来评估用户的身体或情绪状态。

根据Happify系统，对提取，捕获和/或以其他方式提供的信息进行处理以分析用户的感受包括，但不限于：关于已执行或部分执行的Happify活动的用户反应，用户参与程度，用户遵守程度，用户心理状态的变化等。可以在Happify应用程序中执行处理，也可以通过智能手机(或平板电脑或其他计算系统)中的另一个处理单元执行处理。可替代地，所提取和/或捕获的信息由服务器(或其他远程电子设备)远程发送和处理。在任何这些版本中，处理包括在用户执行活动时获得的用户输入数据中选择数学算法和分析计算的应用。该处理最终导致提供所选择的后续活动，这些后续活动促进了幸福技能的开发，从而取得理想结果。

进一步根据Happify系统，数据处理和/或提供的后续活动会持续下去。特别是，当用户执行所提供的活动时，Happify系统会持续监视用户并与用户进行交互，以获取正在进行的实时信息。例如，正在进行的实时信息可能是用户对问题的反应、用户响应任务所做的操作或从用户附近的传感器获得的用户的其他各种生物特征信息。通过这种实时或汇总分析，用户与Happify系统的交互变得更加动态，并且随着交互的继续，可以带来更高的参与度。

Happify系统和Happify系统的操作的更多详细信息在专利申请号为14/284.229的标题为“提供在线服务的系统和方法”和专利申请号为4/990380的标题为“动态交互系统和方法”的美国专利中有体现，并且这些申请中的每一个的全部内容都会通过引用并入本文。为简洁起见，(除非本文另有说明，否则)本文中未提供Happify系统/服务的更多详细信息。

同理心

根据本发明，计算系统通过演示模拟的人类情感和/或人类认知技能来进一步动态响应用户的动作和反馈。在将要讨论的特定实施例中，计算系统被配置为展示同理心。

进一步根据本发明，计算机系统中配备或者编程了人工智能以用于模拟各种人类情感和认知功能。为了本发明的目的，术语“人工智能”(Al)表示一种充分的方法合适适配和编程的机器或者设备，以使机器或设备感知其环境(或期望的环境)并采取能够最大程度地成功实现其预期目的的动作，以及运行程序，所述程序由所述机器和设备运行。术语AI还可以表示通过机器来学习数据并概括不可见数据的能力。计算系统对人工智能的显示通常包括执行通常需要人类智力的任务。本发明的各种实施例针对人工“情感”智力的演示。这是人类智慧的特定子集。

人工智能领域涉及各种领域，例如计算机科学、数学、心理学、语言学、哲学等等。在最近的几年中，AI(至少从机器的角度)已经发展到理解人类智能(称为情商)方面的程度，例如，同理心。术语“同理心”通常定义为(人类)理解和分享他人感受的能力。换句话说，同理心是在另一个人的参照框架内理解或感觉另一个人正在经历的事物的能力。使用最近开发的Al情感模型。现在可以对机器进行编程，以了解何时以及如何显示情感，从而使机器表现出善解人意或情感上的智慧。

根据本发明，以上讨论的Happify系统进一步以移情和支持的方式与用户交互和互动，以提供如本文所述的某些益处。因此，在某些实施例中，本发明的系统/程序能够具备情商能力并且具有这种情商，将同情传达给系统的用户，以保持用户长时间有利的参与。

镜像提示

在某些实施例中，本发明的系统包括足以为系统提供所谓的“镜像”能力的人工智能。如本文所述，在这样的特定实施例中，本发明的系统采用了各种算法。例如话题分析、自然语言分类，等以反映从用户接收的输入数据和/或从用户收集的测量数据，然后使用基于上下文的响应来响应用户。

在本文描述的每个实施例中，其中本发明的计算机系统采用AI来传达或模拟情绪智力，其中，从用户的角度来看，呈现给用户的环境有益地类似于人类，从而为用户带来了更有意义或更具参与感的环境，这反过来会导致用户更大的参与度，进而使最终目标获得更大幸福的机会更大。

图2是示出本发明的发明性计算系统用来传达或模拟同理心的传达的各个步骤的流程图。根据本发明的示例性实施例，在与用户交互期间的各个时间图2中所示的步骤可以被执行。根据本发明的另一示例性实施例，在与用户交互期间，在对话的每一个转换处执行步骤。为了方便起见，与用户的交互在本文中也称为交互式会话。

在交互式会话期间，本发明的计算系统在活动进行时接收用户输入数据。如图2所示通过镜像证明同情的过程开始于计算系统确定对用户通信的理解(步骤S201)。该步骤需要描述多个子步骤/过程。在确定了对用户通信的理解之后，计算系统可以可选地向用户传达其了解用户的通信的指示(步骤S202)。此后，计算系统确定用户的感觉与用户陈述出来(即，传达给计算系统)的东西是如何关联的(步骤S203)。例如，此步骤需要了解用户通信的语调。换一种说法，除了理解“说了什么”(或对话的话题)之外，计算系统还进行分析以了解用户“如何”进行了这种交流或分析有什么其他描述性单词构成了交流的一部分。

在了解用户的感受之后。计算系统确定用于证明其了解用户的感受的机制(步骤S204)。这可以以几种方式来传达(例如，如进一步讨论的镜像)。然后，计算系统通过这种机制向用户证明其了解用户的感受(步骤S205)。此后，计算系统确定并证明其了解用户的感觉，这使得机器与用户感觉相同(步骤S206)，就像面部表情的镜像一样。一旦过程达到这一点，计算系统就可以针对用户的下一次交流重复上述步骤。

计算系统通过表示其已经理解用户所处的状态(即，感觉的上下文)，并且仿真计算系统在这个状态中的情况来传达同理心。上述步骤的完成导致计算系统成功模拟了人类的情感移情。然后，如果认为合适，则计算系统确定然后向用户传达建议或暗示性的行动方针，以解决由用户传达的陈述和感觉，或者相对于用户的特定情绪状态进行改善(步骤S207)。然后可以针对用户的下一次交流再次重复该过程。

根据本发明，交互中的“下一个”步骤可以取决于针对所提供的活动设置了什么规则。例如，镜像阶段可以循环执行，直到计算系统决定移至下一个要询问的问题为止。作为另一示例，下一步骤可以基于用户的输入。作为另一示例，镜像阶段可以是可以在交互的每个“转换”处使用的过渡阶段，并且下一转换的确定可以基于遵守保真度。在2017年7月17日提交的美国临时申请序列号62/533,423中提供了本发明的遵守保真度特征的其他详细信息，其全部内容通过引用合并入本文。

接下来将详细说明以上简要提到的并且在图2的流程图中示出的每个步骤。

镜像机制要求与用户保持相同的交互流，并在交互中包含适当的“镜像提示”。例如，当两个人进行交流时，已经进行了科学研究，研究表明他们的大脑倾向于在相似的区域被激活。此效应也称为“大脑镜像”。参见Hari，R.和Kujala，M.V，Physiological Reviews，89(2)，453-479(2009)中所写的“人类社会互动的大脑基础：从概念到大脑成像”，以获得大脑镜像的更多细节，其内容通过引用并入本文。

根据本发明的示例性计算系统，可以如下概述镜像提示的详细内容：(1)反映用户刚刚说的内容；(2)使用理解和支持语气；(3)使用与使用者传达的情绪相似的情绪语调或与使用者传达的情绪相适应的情绪语调；(4)解决用户提到的环境或情况。镜像提示表明该计算系统能感觉用户所感觉到的，并且自然的用相似的语气，镜像复制会话的内容，传达同情，等。

下面的表1中示出了一个关于在用户和计算系统的对话之间引入镜像提示的影响的例子。

表1

为了阐述性的目的，下面的表2示出了用户与计算系统之间的示例性对话，但是没有引入镜像提示。

表2

如上所述，响应于最初的问题，用户已经描述了自然界中的活动(例如，在公园散步)，并且表达了热情(例如，感到产生了联系)。使用镜像时，额外的响应(即镜像提示)会反映用户刚刚说过的内容(例如，“在自然界中”是“在公园散步”的反映)，包含理解和支持语气(例如，使用诸如“成为……的一部分”之类的词，可以更好地理解并支持用户对与大自然“联系”的热情表达)，传递与用户所表达的情感相似的情感语气(例如，“听起来真棒！”)。通过镜像，由于用户在对话中感觉更加欣赏，因此用户与计算系统之间的对话水平已经提高。计算系统的镜像试图显示用户确实在倾听，并且每句话都受到赞赏，就像计算系统是对话中的另一个人一样。通过镜像，会话因此变得更加友好和个性化，并且用户更加能感觉到参与了会话。

表3中示出了本发明所采用的会话中的镜像提示的另一示例。

表3

下面的表4示出了无镜像提示的对话。

表4

如表3和表4所示的示例中所示，用户已经描述了课程的注册情况，这意味着用户正在讨论教育程序，并且语气是低能量和沮丧的。在没有镜像的情况下，计算系统跳到为用户提供解决方案。但是，通过镜像，系统采用了一种镜像提示，该提示使用类似的语气来反映“回到学校”和“感觉疲惫”，同时提到“每个人”都会不时感到疲惫，从而表明它了解用户的感受。再次，类似于第一示例，当实施镜像时，用户感到更加欣赏并且参与了对话。

如以上示例中所示，由计算系统提供镜像提示的过程包括多个组件。生成镜像提示的第一部分是识别和理解对话的内容。和图2的流程图中示出的一样，确定对用户交流的理解是证明移情的第一步。此步骤的目的是使计算系统能够理解用户说、写或键入的内容来回应提问。

这样，为了更好地识别和理解对话的内容，计算系统采用了一系列技术，例如自然语言分类、话题建模、情感分析、指定的实体提取、情感检测等。该列表并不详尽，计算系统可能会根据需要采用其他技术来识别和理解广泛的话题。应用各种分析技术的一系列步骤在本文中也称为训练“分类器”的计算系统。

根据本发明，计算系统可以最初执行一系列离线步骤，例如运行话题建模或类似的语言建模技术，以识别例如存储在存储器19中的先前累积的数据中存在的话题。如本文所用，术语“先前数据”是指用户与计算系统之间的各种先前记录的对话，或者是来自不同用户的预先记录的数据。例如，计算系统可以从Happify企业对消费者(B2C)数据库中撤回数据。但是，根据本发明随着计算系统继续与用户交互，将收集其他数据，这些数据又可用于重新训练和完善这些话题模型(即，当使用本发明时，它将产生其他训练数据)。

可在本发明的某些实施例中采用的话题或语言建模技术的各种细节没有一一描述，而是能在本领域中被充分且很好地理解。为简洁起见，在此不再描述那些众所周知和理解的细节。大量的出版物有描述本文中可能用到的技术，包括：

"Probabilistic Topic Models",Blei,D.M.,Communications of the ACM,55(4),77-84,(2012)；

"Utopian:User-Driven Topic Modelingbased on Interactive NonnegativeMatrix Facto-rization"，Choo,J.,Lee,C.,Reddy,C.K.,&Park,H.,IEE Transactions onVisualizat-ion and Computer Graphics(Volume:19,Issue:12.Dec.2013)；

以及"Hierarchical Topic Models and the Nested Chinese RestaurantProcess"，Grif-fiths,T.L.,Jordan,M.I.,Tenenbaum,J.B.,&Blei,D.M.,Published inNIPS'03 Proc-eedings of the 16th International Conference on NeuralInformation Processing Sys-tems,第17-24页(2003年12月9日-11日).

上述每一篇出版物均通过引用并入本文中。

接下来，计算系统将运行其他聚类分析，以将各种话题和话题分组在一起。例如，这可能需要将可能在表面上不同但仍然需要对用户的类似响应的话题和话题进一步分组在一起。例如，可以将“在院子里工作”和“在户外”分组在一起，因为镜像提示将是相同的(例如，“在户外很棒！”)，无论用户是否描述他或她在努力修剪草坪或在公园中散布。此外，如果针对不同话题的相同回答具有相同的心理效果，那么这一点尤其有效，因为最终目标是迎合心理干预的功效。

一旦参考数据已经通过上述步骤被分组为主要话题，则计算系统识别该话题的最具代表性的文本样本。可以通过对每个文本样本评分以评估其与每个话题的接近程度或匹配程度，然后仅使用最接近匹配(或得分最高)的样本作为最具代表性的样本例如，如果话题包括5个不同的话题，则计算系统可以决定从5个话题的每一个中获取得分最高的100个文本样本(如果使用语音或视频数据，则可以使用语音或视频样本)。

使用这些数据，训练了文本分类器，其可以学习区分话题。例如，文本分类器可以使用从文本中提取的特征，例如话题分数或其他语言模型分数(例如word2vec分数)，然后使用其他分类算法(例如贝叶斯分类器，支持向量机，深度学习，神经网络，等)学习区分各个特征。在使用语音或视频数据的情况下，计算系统还可包括A/V分类算法。这样也可以使用文本之外的内容，例如语音的语气或面部表情。

以上讨论的由Happify系统使用的一些分类算法在本领域中也是已知的。为了简洁，在此省略了已知算法的细节。而是，下面的列表展示了示例性出版物，出版物以引用方式并入本文，出版物描述了各个示例性算法：

"A Comparison of Event Models for Naive Baves Text Classification"AAAI-98Wo-rkshop on Learning for Text Categorization(Vol.752.No.1.pD.41-48)；

以及"word2-vecExplained:deriving Mikolov et al.'s negative-samplingword-embedding method"Goldberg.Y.&Levy,O.,arXiv:1402.3722(2014).

确定并理解对话内容之后，并且在回应用户以表明对用户陈述内容的理解之前，计算系统必须检测用户陈述的“语调”，并使用类似于或适合于用户传达的语气的情感语调进行响应。该过程对应于图2的流程图中的接下来的几个步骤。特别地，理解和模拟用户的语气允许计算系统证明其意识到用户对所说内容的感觉，并且理解使得计算系统能感到用户的感受。图3描述选择镜像提示音的细节。

首先，在运行期间，即，当已经向用户呈现了要执行的活动或任务时，可以向用户询问问题。然后，捕获答案的文本(可能是语音和视频数据)，并将其输入已按照上述步骤(步骤S301)进行了训练的分类器中。然后，分类器返回其检测到的顶级类别，附带检测了该类别的置信度分数、多个子类别以及它们各自的置信度分数(步骤S302)。一旦分类器输出结果，则计算系统将判定逻辑应用于结果以确定是否已经检测到话题(步骤S303)。在应用决策逻辑之前，计算系统可以将阈值应用于结果中的置信度分数，或者在应用阈值之前对置信度分数进行归一化。可选地，如果确定尚未确定话题，或者，如果检测到的话题均不包括大于预定阈值的置信度得分，则该过程可以返回至检测不同类别的分类器。替代地，如果计算系统无法根据用户的交流确定话题，则系统可能会警告需要更新或重新训练分类器，或者选择应用其他分类算法。

当确定检测到话题时，计算系统检索参考表，其中存储了针对每个话题的可能的提示和/或响应(步骤S304)。以表3中所示的用户与计算机之间的对话为例，当计算系统向已经过训练的分类器提供陈述“我只是找不到找到参加任何课程的能量，不确定原因”时，返回的话题有，例如：“教育”、“入学率”、“低能量”、“不确定性”等，这些话题均具有各自的置信度得分。计算系统所涉及的上述参考表包括可能的提示和/或针对每个检测到的话题的响应。假设将话题“上课”作为具有最高置信度得分的话题返回，则参考表包含各种带有不同语气的提示。例如，一个可能的提示将用兴高采烈或激动的语气传达，例如“报名参加新班级可能会令人兴奋！”或“您肯定会很高兴结识新班级的新朋友！”另一个可能的提示是要以相关的语调来传达，例如“您是否有偏爱的学习领域？”或“您是否查看了可用的课程列表？”还可能以一种富有启发性或支持性的口吻来传达另一种提示，例如“重返校园可能很难”或“上课还是挺费劲的”。在参考表中，每个可能的提示都可以清楚地标记(例如，悲伤、愤怒、沮丧、兴高采烈、欢乐、紧张、恐惧，等等)。

根据本发明，镜像提示的选择需要从提示列表中选择一个提示音，该提示音最类似于从输入数据中检测到的提示音。在特定的实施例中，镜像提示的选择是从提示列表中选择，它最适合于响应从输入数据中检测到的语气。例如，对于每个检测到的语气，都有一个最适合用来响应的对应语气，以至于它表现出最大的同理心。典型地，积极语气应直接镜像(例如，兴高采烈语气对应兴高采烈语气)，但消极语气应以支持和激励的较低水平来响应(例如，响应以舒缓和镇静的语气响应愤怒语气)。因此，计算系统首先至少部分地基于用户响应的内容和/或关于相同话题的用户存储的数据，确定用户陈述的语调(步骤S305)。例如，计算系统可以通过分析指示话题的单词的上下文来确定用户陈述的整体语气。作为另一实例，计算系统可以通过采用关键字匹配算法来确定语气。在上面的示例中，计算系统可以从用户的陈述中确定话题“上课”，但也意识到用户已经在同一句子中表达了“找不到能量”或“不确定”。基于这些周围的关键字，计算系统可以得出这样的结论：用户可能会沮丧或担心上课，并选择适当的镜像提示(例如，“返回班级可能很困难”)。

计算系统在根据用户的陈述确定语气时，还可以采用各种语气评估技术。在本发明的特定实施例中采用的各种语气评估技术的细节没有一一描述，但是在本领域中能充分并且很好地理解。本文不会描述那些众所周知的细节。市场上最出色的语气分析仪是IBMWatson ToneAnalyzer(请参阅Akkiraiu,R.的“IBM Watson语气分析仪-现有新服务可用”，也可从https://www.ibm.com/watson/services/tone-analyzer/2015访问)，上述出版物的公开描述通过引用并入了本文。

其他可能采用的语气评估技术的出版物包括：

"Emotions from text:machine learning fortext-based emotionprediction.In Proceedings of the conference on human languagetechnology andempirical methods in natural language processing"by Alm.C.O..Roth.D.&Sproat.R..Association for Computational Linguistics.pp.579-586.(October2005)；

和"Feeler:Emotion classification of text using vector space model.InAISB 2008 ConventiorCommunication.Interaction and Social Intelligence"bvDanisman.T&Alpkocak.A.Vol1,p.53,(April 2008)；

"Learning to identify emotions in text.In Proceedings of the 2008ACMsymposium on Applied computing"by Strapparava.C..&Mihalcea,R..ACM,pp1556-1560.(March 2008).

上述每一个出版物都通过引用的方式并入了本文中。

除了语气评估技术之外，还可以对用户的陈述进行各种其他分析，以获得对用户情绪的更深刻理解。例如，计算系统可执行情感分析，性格分析或其他分析以从人类语音和面部表情中检测情绪。在一些实施例中，多个引擎可以根据用户的陈述同时运行一系列这些技术。这些技术中的每一个在本领域中也是相当充分且被很好理解的。为简洁起见，在此不再描述那些众所周知和理解的细节。描述本文中可以使用的情感分析技术的各种出版物包括：

Sentiment strength detection in short informal text",Thelwall,M.,Buckley,K.,Paltoglou,G.Cai,D.,&Kappas,A.,Journal of the Association forInformation Science and Technology,61(12),2544-2558(2010)；

"Opinion mining and sentiment analysis",Pang,B.&Lee.L..Foundationsand Trends@in Information Retrieval.2(1-2).1-135(2008)；

以及"Sentiment analysis:Capturing favorability using natural languageprocessing"by Nasukawa,T.,&Yi.J.,In Proceedings of the 2nd internationalconference on Knowledge capture,pp70-77.ACM.(2003年10月).

可在本文中使用用来描述个性分析技术的不同公开物包括：

"The science behind the Personality Insightsservice[Online]",Cloud.I.W.D.IBM Watson Developer Cloud:"The psvchological meaning of words:LIWC；

以及"computerized text analvsis methods",Tausczik.Y.R.&Pennebaker.J.W..Journal of language and social psvchology,29(1),24-54(2010)；

以及"Linguistic styles:Language use as an individual difference"byPennebaker.J.W..&King,L.A.,Journal of personality and social psvchologv.77(6).1296(1999).

同时可参见https://www.ibm.com/watson/services/personality-insights了解到的“IBM Watson Personality Insights”.

可在本文中使用的，根据人类语言和面部表情来描述情感检测的不同公开物包括："Analysis of emotion recognition usingfacial expressions,speech andmultimodal information"，Busso,C.,Deng,Z..Yildirim,S.,.Bulut,M.,Lee,C.M.,Kazemzadeh,A.,&Narayanan,S.,In Proceedings of the 6th internationalconference on Multimodal interfaces,pp.205-211,ACM,(2004年10月)；

“Hidden Markov model-based speech emotion recognition”,Schuller,B.,Rigoll,G.&Lang,M.,In Multimedia and Expo 2003ICME'03Proceedings,Vol.1,pp.I-401,(2003年7月)；

"Emotion recognition from speech"，Rao,K.S.,Kumar,T.P.,Anusha,K.,Leela,B.,Bhavana,I.,&Gowtham.S.V.S.K.,International Journal of ComputerScience and Information Technologies.3(2),3603-3607(2012)；

以及"Emotion recognition by speechsignals",Kwon,O.W.,Chan,K.,Hao,J.,&Lee,T.W.,In Eighth European Conference onSpeech Communication and Technology(2003).E

上面列出的每个出版物均通过引用并入本文。

一旦识别出用户的语气，计算系统会选择最合适的(或最相似的语气)提示来镜像用户的语句(步骤S306)。最后，系统将镜像提示传达给用户(步骤S307)。

作为从可用提示列表中选择的替代，一旦识别出用户的语气或其他特征，计算系统可以使用自然语言生成技术来合成新的提示。例如，使用实体“约翰”，关系“兄弟”，话题“餐点”，子话题“晚餐”，语气“有趣”，计算系统可以合成“听起来感觉您的兄弟约翰和您在晚餐时很开心！”。作为进一步的选择，研究表明，计算系统可以引用励志名言或提及研究中的一个事实。在某些版本中，提示也可以使用在线资源的实时查询来构成。例如，提示可以基于网络上可用的各种信息。如果检测到用户描述了最近发生的话题。计算系统可以在线访问新闻网站，并在考虑到这些事件的情况下生成提示。根据本发明，生成具有基于最近事件的信息的提示可以更有效地吸引用户的注意力。例如，如果连续地将摇滚乐队的名称检测为话题，则在该摇滚乐队上提供实时更新可用于将用户吸引到更深的对话中。一旦网络检索管理了镜像提示并向用户播放了镜像提示，计算系统便会继续与用户进行正常交互。

根据前述关于以下方面的讨论的镜像提示的应用的其他示例：在图4A-4D所示的屏幕截图中提供了：(1)识别和理解对话的内容，以及(2)识别用户陈述的情感基调。

图4A-4D示出了体现Happify系统的设备的一系列屏幕截图，用户通过该Happify系统参与与计算系统的交互会话。首先，图4A示出的屏幕截图中，计算系统正在邀请用户参加活动。计算系统解释说，该活动是关于查看用户今天要感谢的三件事，并且还解释了该活动背后经过科学证明的好处。接着，如图4B，用户被询问他或她今日要表示感谢的第一件事。注意，该对话不仅可以是视觉的，而且可以是听觉的，并且用户不仅可以通过键盘键入他或她的响应，而且可以通过语音识别技术捕获口头语音。在示例中，如图4C所示的屏幕截图中所示，用户回答：“我很感激今天出现的阳光。终于是春天了！”并且在下一轮对话之前会出现镜像提示，说：“好的，谢谢。感受日光的温暖是一种积极而令人愉快的体验。”根据上面公开的过程，基于从用户的回答中检测到的话题“天气”和子话题“阳光”，生成(或从可用提示列表中选择)此镜像提示。然后，要求用户提供他或她今天感激的第二件事，然后用户通过键入回答道，“我感谢我的妻子和孩子。他们是我一生的光辉”。类似地，从第二个回答中，检测到“有意义的人”的话题，并提供了适当的镜像提示。如上所述，计算系统可以从互联网上查询来镜像用户的陈述的引用，而不是从参考表中选择镜像提示。例如，可能会向用户显示以下提示：“明白了。最后一次演讲的作者兰迪·鲍什(Randy Pausch)写道，当我们与他人建立联系时，我们会变得更好。”

最后，对话进行到下一轮，计算系统向用户询问他或她今天感激的第三件事。如图4D的屏幕截图所示，这次，用户这样回答：“一个轻松的早晨。我有时间安静地喝咖啡，然后能够按我的时间开车送孩子去上学”。从这第三个回答中，计算机系统检测到一个“育儿”话题并提供另一个类似的镜像提示，例如“谢谢，研究发现，尽管每天都有有关孩子的麻烦，但从长远来看，父母要比非父母更快乐。”

需要注意图4A-4D所给的示例中，每个镜像提示不仅镜像相应用户响应的内容，而且还模仿用户提供响应的语气。

根据本发明，如果以及在激活了镜像提示功能时，计算系统中的诸如对话管理器或交互管理器之类的子组件可以执行上面讨论的一项或多项分析。各种组件可以同时工作以实时训练和/或重新训练分类器，在对话上运行实时分析，并检索或生成具有多种目的的镜像提示(例如，表现出同情心，增强遵守度等)。

在特定的实施例中，如上所述的交互式会话由用户在计算系统存在的情况下自由发言来定义。在交互式会话期间，计算系统可以模仿的向用户讲话并与用户进行听觉对话。作为模拟同理心的一部分，计算系统可以智能的调节口头语音的音量、语气、性别，等。例如，计算系统可以将响亮的语音响应与安静的语音响应区分开。该计算系统还可以将快速口语回答与平静口语回答区分开。计算系统可以进一步将立即回答与思考后的回答区分开。这样，镜像提示可能更冗长或更简洁，或者更高调或更低调。当甚至在接收到响应之前检测到用户正在花费他或她的时间来回答问题时，计算系统可以询问用户在想什么。因此，镜像提示不仅是相关的并且指示所识别的话题和/或反映了从用户的响应中确定的语气，而且还考虑了用户的心情、用户的习惯、用户的方式、用户的风格等。

交互式会话的类型

根据本发明，当向用户呈现要执行的活动时，将触发交互式会话。如上所述，一些示例性活动要求用户回答一系列问题。当呈现这些类型的活动时，当用户提供回答时，会话可能会变为“交互式”。如上所述，本发明的计算系统分析所接收的回答的文本并模拟移情表达，以提高用户对特定活动或幸福轨迹的参与程度。

在特定其他实施例中。用户通过在屏幕和键盘上键入和阅读屏幕上的单词来与计算系统进行交流。计算系统可以智能地调整显示单词的方式，例如颜色、字体或大小，或合并图片或短视频剪辑作为模拟同理心的一部分。

在特定另外的实施例中，当呈现更多的体育活动时，例如要求用户执行某种动作(例如，执行锻炼、与其他人进行互动等)，则用户的活动执行为通过与计算系统相关的各种模块和传感器进行监控。当存在这些类型的活动时，在计算系统检测到特定面部表情或特定生物物理变化时，会话可能变得“交互”。例如，当指示用户执行特定运动以帮助清除用户的杂念时，计算系统可以监视用户的心率并在用户的心率达到某个阈值时中断以提供替代活动。或者，计算系统可以监视用户的姿势并提供指导提示。在这些实施例中，计算系统也可以模拟同理心，就像在听觉或视觉对话中一样，通过表达反映对用户当前感受的理解的镜像提示和/或通过提供鼓励性词以表示计算系统正在站在用户的角度观看用户的表现。

另一个例子，当用户在执行所呈现的活动的一部分身体动作时，计算系统可以分析用户的面部表情、语音、姿势，等，以确定用户对特定活动的情绪或态度。基于检测到特定面部表情或手势，计算系统可以输出镜像提示。根据本发明，基于检测到的面部表情，镜像提示可以是怜悯的，鼓舞的、同情的或镜像模仿的。换一种说法，来自传感器的这些补充输入数据影响计算系统如何确定输出的镜像提示的语气。

因此，可以通过多种方式实现在交互式会话期间提供镜像提示的功能。最后，计算系统通过尽可能以最适当的方式镜像用户来显示情感智力，并且这种效果导致更高的参与度，并增加了对保持参加活动或轨迹的承诺。

主动分类

在特定的其他实施例中，本发明的系统包括足以提供“主动分类”能力的人工智能。持续使用程序或应用程序(例如Happify)的参与度下降的最大原因之一是用户不觉得特定的活动令人兴奋或有任何相关性。可能还有其他原因导致用户可能不希望进一步参与某项活动。在特定情况下，用户在从事某项活动的同时内在的还需要其他东西。

在大多数情况下，用户甚至不会费心要求更改，而仅仅是对对继续执行该程序失去兴趣。在一种或多种情况下，可能是用户只是完全专注于某个不同的问题，而没有完全意识到它。

如本文中更详细描述的，通过这种主动的分类能力，计算系统能够在进行中的活动期间和/或与用户互动期间检测到用户当前正在关注系统预期之外的话题，或专注于与其他Happify轨迹或活动更相关的话题，在这种情况下，系统“主动”建议用户进行适当的更改。发现用户专心于其他问题的事实实际上是与用户共享的新见解和现实。例如，在选定的Happify轨迹内执行特定活动的过程中，计算系统将检测特定的用户行为、特性和/或用户反馈，表明有必要继续进行所选轨迹中的不同活动或完全进入另一个Happify轨迹，并在适当时向用户建议进行更改。图5显示了示例流程图，概述了主动分类功能的基本步骤。

根据本发明的示例性实施例，用户与计算系统进行交互会话。如图5所示‘’主动分类的过程始于确定对用户交流的理解(步骤S501)。该步骤类似于在此描述的镜像特征需要多个子步骤。例如，计算系统采用诸如自然语言分类、话题建模、情感分析、指定实体提取、情感检测等技术来识别和理解用户通信的内容。如本文先前所述，计算系统可以例如采用经过训练的分类器，并从用户的交流中识别一个或多个话题。

一旦计算系统从用户的回答的内容中识别出话题，就确定是否应该做出分支建议(步骤S502)。此步骤还需要多个子步骤。例如，计算系统可以采用阈值系统，其中当暗示不同话题的单词出现一定次数时，做出关于暗示不同轨迹/活动的确定。作为另一个示例，当所识别的话题均与当前活动/轨迹无关时，进行确定。作为又一个示例，可以在一定范围内测量所识别的话题与当前活动/轨迹的相关性。当所识别的话题与当前活动/轨迹的相关性低于阈值水平时，进行分支确定。作为另一示例，计算系统检测需要分支建议的特定关键字。在一些实施例中。与上述完全相同的Al引擎集(例如，动作检测、话题建模、自然语言分类等)用于确定是否应向用户显示分支建议。例如，传感器可以检测到指示缺乏兴趣或丧失兴趣的特定面部表情或姿势，并且计算系统确定应该做出分支建议。作为另一个示例，计算系统可以就所提供的活动和/或所选择的幸福轨迹跟踪用户的进度，并且基于用户的进度水平做出分支确定。主动分类的目的是在对话/对话的每一个转换处，计算系统都会进行主动分类，以评估对用户而言最佳的交互/治疗过程。

当确定应该做出分支建议时，程序进入步骤S503。在步骤S503中，计算系统通知用户该用户似乎正专注于与当前活动不同并展示推荐的话题。当用户接受建议时，计算系统向用户呈现已被确定为用户更好的行动方针的替代轨迹/活动(步骤S504)之后，可以重复该过程以确定用户与新活动/轨迹的互动程度。

如果确定不需要分支建议，则程序进行到步骤S505。在步骤S505中，计算系统确定镜像提示，并在步骤S506中，计算系统向用户传达镜像提示。这些步骤已经在这里参考图2-4中进行了描述。

在一些实施例中，采用主动分类功能而没有镜像提示特征。在特定其他实施例中，主动分类功能与镜像提示功能同时使用。在特定其他实施例中，镜像提示功能是在主动分类功能之前执行的。因此，在一些实施例中。主动分类功能是如本文所公开的镜像过程的“下一步骤”。因此，根据本发明，主动分类。可以被称为第一，对用户有同情心，第二，基于对用户的运动的理解，向用户提供建议或对动作过程提出建议。更特别地，通过主动分类，计算系统例如分析用户所说的内容以及所说的方式，并提供适当的建议。在一些实施例中，计算系统将不仅提供建议，而且解释其背后的原因。

表5和表6示出了本发明所采用的会话中的主动分类的示例。

表5

首先，应该从上面的对话中注意到，计算系统已经采用了镜像提示，并且通过演示学习了理解语气并反映用户刚刚说过的内容，而表现出类似人类的同理心。(例如：“担心是正常的”)。此外，计算系统继续交互并接收用户的进一步响应。在互动过程中，该计算系统对输入数据执行上述分析，并识别一个或多个单词，这些单词指示重复提到的不同话题。例如，在上述示例中，计算系统识别全部属于另一组的术语“债务”、“破产”和“费用”(例如“财务管理”)。计算系统还会识别与对话中使用的这些术语的用法相关的消极语气。计算系统还可以识别会话中这些术语的重复，这时，如下面的表6所示，除了简单地移情或显示支持外，计算系统还主动建议用户切换到侧重于财务担忧的另一条轨迹：

表6

额外的实施例

关于人工智能计算系统如何在对话期间向用户传达同理心的前述公开内容并非旨在进行限制。本发明的重要组成部分在于从用户那里获取正在进行的和实时的输入数据，并进行分析以在同理心上和情感上以及语境上做出更多反应。然而，AI的分析能力的范围不限于简单地检测“语气”或识别特定“话题”。例如，人工智能计算系统可以分析输入数据以确定用户是否正在如实地回答问题，用户是否仅对询问提供部分答案，用户在参与过程中是否热情，用户对正在执行的活动感兴趣的程度以及相对于其他类型的活动，用户是否更喜欢特定类型的活动。另外，在分析用户的回答时，计算系统不仅可以检测话题，还可以检测实体，以及用户对这些实体的看法。这些分析中的任何一个都可以作为上述分析的补充或结合进行，以发展具有特别情感的对话。

根据本发明，如本文所公开的用于计算系统的技术，以利用AI来展示同理心并提供更多的情境响应，这远远超出了仅使非典型的当前日疗法中可能发生的事情自动化的程度。本计算系统的最显着优点是其提供“超人”治疗或指导课程的能力。人类治疗师/教练的依据是：熟悉X例患者。相反，本发明的计算系统基于从数百万用户收集的数据实施镜像和其他数据驱动的方法。例如，本发明的计算系统比任何单一的人类治疗师知道人们如何倾向于更好地回答某个问题。此外。根据本发明的计算系统可以从大量的提示中进行选择，或者通过使用自然语言生成工具来生成新的提示。其中一些包含科学事实、引用，等，这种方式大大超出了一位人类治疗师的能力。例如，如果用户喜欢1950年代的丹麦电影。计算系统可以找到并/或生成将其编到对话中的提示中。没有人类治疗师可以亲自了解引起数百万人兴趣的所有话题。

根据本发明，英语无意于限制本发明的任何前述方面的应用或范围。例如，可以使用一种或多种语言来训练分类器，并且所采用的一种或多种已知技术可能在不同的语言中同样起作用。在一些实施例中，计算系统的人工智能还可以学习以下方面的文化独特性：关于语气，或一般而言，关于同理心的传达，并根据情况做适应性调整。

在本发明的各个实施例及其变型的前述公开中，应注意的是，使用以下任何一项：“至少其中一个”、“/，”、“和/或”；例如，在“X和Y中至少一个”“X/Y”和“X和/或Y”的情况下，旨在仅包含对第一个列出的选项(X)的选择，或对第二个列出的选项的选择(Y)，或同时选择两个选项(X和Y)。作为进一步的示例，在“X，Y和/或Z”和“X，Y和Z中的至少一个”的情况下，这种措词意在仅包括选择第一个列出的选项(X)，或者仅选择第二个列出的选项(Y)，或仅选择第三个列出的选项(Z)，或选择第一个和第二个列出的选项(X和Y)。或仅选择第一个和第三个列出的选项(X和Z)，或仅选择第二个和第三个列出的选项(Y和Z)，或选择所有三个选项(X和Y和Z)。对于所列的许多项目，这可以被本领域和相关领域的普通技术人员很容易地扩展。

出现“在一实施例中”或“在一个实施例中”的短语。在整个说明书的各个地方出现的该短语的任何其他变型不一定都指的是同一实施例。在说明书中，引用了本原理的“一个实施例”或“一实施例”，以及除这些以外的其他变体，这些都意味着特定的特征、特点、结构，等等被描述在与所述实施例的连接中，所述连接被包括在本原理的至少一个实施例中。

本原理可以结合在计算机程序的系统、方法和/或产品中，该产品包括具有计算机的可读程序指令的计算机的可读存储介质，从而使本发明的各方面由处理器执行。

程序指令是计算机可读的，并且可以经由网络从计算机可读存储介质下载到一个或多个计算/处理设备，或者可以经由网络下载到外部计算机或外部存储设备，该网络可以包括局域网或广域网，无线网络或因特网。另外，该网络可以包括无线传输，路由器，防火墙，交换机，铜传输线缆，光传输光纤，边缘服务器和/或网关计算机。在各个计算/处理设备内，每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在计算机可读存储介质中。

如本文所使用的，计算机可读存储介质本身没有被理解成瞬时信号，比如无线电波或者其他的自由传播的电磁波，电磁波通过波导或者其他传输介质传播，或者也可以是通过电线传播的电信号。计算机可读存储介质可以是，但不限制于，例如：磁存储设备、电存储设备、光存储设备、半导体存储设备、电磁存储设备、或者其他由前述设备的合适组合，并且也可以是使用指令存储设备保留和存储指令的有形设备。下述内容是计算机可读存储介质的特殊实施例的列表，但是并不全面：打孔卡、凹槽中的凸起结构或其他记录有指令的机械编码设备、可擦可编程只读存储器、静态随机访问存储器、便携式光盘只读存储器、数字多功能磁盘、便携式计算机软盘、硬盘、随机存取存储器、只读存储器、记忆棒、软盘以及上述各项的适当组合。

本发明的操作可以通过可以是机器指令的程序指令来执行、机器相关指令、微代码、汇编器指令、指令集-体系结构指令，硬件指令，状态设置数据，或以一种或多种编程语言的任意组合编写的源代码或目标代码、包括面向对象的编程语言，例如但不限于到C++，Python，Java和其他常规过程编程语言。程序指令虽然可以完全在用户计算机上执行，但也可以部分在用户计算机上执行，部分在远端计算机上执行，部分在用户的计算机，完全在远程计算机或服务器上，或作为独立软件包。在“整个在远程计算机或服务器上”场景中，远程计算机可以通过任何类型的网络连接到用户的计算机。包括广域网或局域网，或者可以与外部计算机建立连接。在一些实施例中，为了执行本发明的方面包括例如现场可编程门阵列、可编程逻辑电路或可编程逻辑阵列的电子电路可以通过利用程序指令的状态信息来个性化电子电路来执行程序指令。

这些程序指令可以存储在计算机可读存储介质中，该介质可以指挥计算机，可编程数据处理装置和/或其他设备以特定方式起作用，使得其中存储有指令的计算机可读存储介质包括以下物品：制造的文章包括指令，这些指令实现流程图和/或框图或一个或多个方框中指定的功能/动作的各个方面。这些程序指令也可以提供给通用计算机，专用计算机的处理器，或其他可编程数据处理设备来生产机器，从而使通过计算机或其他可编程数据处理设备的处理器操作设备的指令创建用于实现流程图和/或方框图中指定的功能/动作。

计算机可读程序指令还可以被加载到计算机，其他编程设备或其他设备上以产生计算机实现的过程，使得在计算机上执行的指令，其他可编程的装置或其他设备实现流程图和/或框图中指定的功能/动作。

在此，描述了本发明的很多方面，结合参考了根据本发明实施例的方框图和/或其他图和/或流程图的关于方法、设备和计算机程序产品的阐述。应当理解，方框图和/或其他图和/或流程图中的每个方框和方框的组合可以由计算机可读的程序指令实现。

据本发明的各种实施例，附图中的方框图和/或其他图和/或流程图示出了功能、体系结构以及系统中可以实现的操作、方法的和计算机程序产品。在这方面，方框和/或其他图和/或流程图中的每个方框可以表示指令的模块、片段或部分。它包括一个或多个用于实现指定逻辑功能的可执行指令。在一些替代实施方式中，方框中所指出的功能不按图中所指出的顺序发生。例如，实际上两个序列中的方框可以基本上同时执行或有时以相反的顺序执行。还应注意，框图和/或其他图和/或流程图图示的每个框，以及该框图和/或其他图和/或流程图图示中的框的组合，可以通过执行特定功能或操作或执行特殊目的硬件和计算机指令的组合的基于特殊目的硬件的系统来实现。

鉴于前述公开，已经描述了用于与用户交互的发明性计算系统和技术。根据本文提供的公开，计算系统以新颖的方式与用户互动，以提高幸福感或更广泛地减轻或缓解心理健康状况的症状，例如抑郁和焦虑，这种相互作用需要模拟人类计算系统的感情和/或人类认知技能，以有益地导致用户的高参与度和整体交互的更好功效。导致用户的行为和/或心理健康水平更高，进一步根据本文提供的公开，计算系统接收并分析实时的用户数据的输入，以用于识别用户通信的话题和语气，并以镜像或适当的语气来响应，该镜像或适当的语气可移情地推进与用户的交互式会话。最后，根据本文提供的公开，计算系统会主动识别用户对给定程序的遵守性或热情，并推荐已确定的替代选项，以更好地适应用户当前的身体和/或心理状态。

Claims (26)

1.一种用于与用户交互的计算系统，其特征在于，所述计算系统包括：

至少一个处理器；

至少一个存储器，其存储可执行软件，该可执行软件在由至少一个处理器执行时使至少一个处理器来：

开始与用户的交互式会话；

在交互式会话期间从用户接收输入数据；

分析接收到的输入数据；并

向用户输出响应以继续与用户的交互会话，

其中存储在所述至少一个存储器中的所述可执行软件适于在输出响应之前使所述至少一个处理器执行下列步骤：

从接收到的输入数据中识别一个或多个话题；

确定接收到的输入数据的语气；

基于确定出的接收到的输入数据的语气生成镜像提示；以及

向所述用户输出所生成的镜像提示，并且

其中存储在所述至少一个存储器中的所述可执行软件适于在交互会话期间使所述至少一个处理器向用户输出镜像提示，以引起用户对交互式会话的参与程度的提高。

2.根据权利要求1所述的计算系统，其特征在于，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器生成具有表示识别的一个或多个话题的一个或多个短语的镜像提示，并且其中所生成的镜像提示反映了确定的语气。

3.根据权利要求1所述的计算系统，其特征在于，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器生成具有一个或多个短语的镜像提示，所述一个或多个短语表示所述识别的一个或多个话题，并且

其中所生成的镜像提示的语气为先前被判定为确定语气的适合的语气。

4.根据权利要求1所述的计算系统，其特征在于，还包括

一数据库，存储多个可选镜像提示，

其中，存储在所述至少一个存储器中的所述可执行软件适于通过选择所存储的可选镜像提示中的至少一个来使所述至少一个处理器生成所述镜像提示。

5.根据权利要求1所述的计算系统，其特征在于，存储在所述至少一个存储器中的所述可执行软件适于通过使用自然语言生成技术来使所述至少一个处理器生成所述镜像提示。

6.根据权利要求1所述的计算系统，其特征在于，还包括：

一通信设备，能够与外部计算机通信，

其中，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器经由所述通信设备从所述外部计算机获取关于所述所识别的一个或多个话题的信息，以及其中，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器使用所述获得的信息来生成所述镜像提示。

7.根据权利要求6所述的计算系统，其特征在于，从所述外部计算机获得的信息包括与所述所识别的一个或多个话题有关的当前信息，所述话题可以通过所述互联网访问。

8.根据权利要求1所述的计算系统，其特征在于，还包括

至少一个传感器，其与所述至少一个处理器通信，所述至少一个传感器适于获得补充用户数据，

其中，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器至少部分地在所获得的补充用户数据上生成所述镜像提示。

9.根据权利要求1所述的计算系统，其特征在于，所述交互式会话是所述用户选择的幸福轨迹的一部分，并且

其中，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器在交互会话期间向所述用户输出所述镜像提示，以根据所选择的幸福轨迹进一步引起用户的幸福感的提高。

10.一种用于计算系统与用户交互的方法，其特征在于，所述计算系统包括至少一个处理器，该方法包括：

由所述至少一个处理器开始与用户的交互会话；

在所述交互会话期间，由所述至少一个处理器接收来自所述用户的输入数据；

由所述至少一个处理器分析所述接收到的输入数据；

由所述至少一个处理器输出对用户的响应以继续与所述用户进行交互会话，

其中，在输出所述响应之前，所述至少一个处理器：

从所述接收到的输入数据中识别一个或多个话题；

确定所述接收到的输入数据的语气；

基于所述所接收的输入数据的确定的语气生成一镜像提示；和

向所述用户输出生成的镜像提示，以及

其中，在所述交互会话期间向所述用户输出所述镜像提示，会导致所述用户对交互会话的参与度增加。

11.根据权利要求10所述的方法，其特征在于，所述至少一个处理器生成具有指示所识别的一个或多个话题的一个或多个短语指令的镜像提示，以及

其中所述生成的镜像提示反映所确定的语气。

12.根据权利要求10所述的方法，其特征在于，所述至少一个处理器生成具有一个或多个短语的镜像提示，所述一个或多个短语表示所述识别的一个或多个话题，

其中，所述所生成的镜像提示具有先前已被确定为用于响应的确定语气的适当语气。

13.根据权利要求10所述的方法，其特征在于，所述计算系统还包括存储多个可选镜像提示的数据库，以及

其中，所述至少一个处理器通过至少选择一个存储的可选镜像提示来生成所述镜像提示。

14.根据权利要求10所述的方法，其特征在于，所述至少一个处理器通过使用自然语言生成技术来生成所述镜像提示。

15.根据权利要求10所述的方法，其特征在于，所述计算系统还包括能够与外部计算机进行通信的通信设备，

其中，所述至少一个处理器通过所述通信设备从所述外部计算机获取有关所识别的一个或多个话题的信息，以及

其中，所述至少一个处理器使用获取的信息生成所述镜像提示。

16.根据权利要求15所述的方法，其特征在于，从所述外部计算机获得的信息包括：与所述所识别的可通过互联网访问的一个或多个话题有关的最新信息。

17.根据权利要求10所述的方法，其特征在于，所述计算系统还包括与所述至少一个处理器通信的至少一个传感器，所述至少一个传感器适于获得补充用户数据，

其中，所述至少一个处理器至少部分地在所述获得的补充用户数据上生成所述镜像提示。

18.根据权利要求10所述的方法系统，其特征在于，所述交互式会话是所述用户选择的幸福轨迹的一部分，并且

其中，所述至少一个处理器在所述交互会话期间向所述用户输出所述镜像提示，以进一步根据所述所选的幸福轨迹提高用户的幸福感。

19.一种用于与用户交互的计算系统，其特征在于，该计算系统

包括：

至少一个处理器；

至少一个存储可执行软件的存储器，该可执行软件在由所述至少一个处理器执行时使所述至少一个处理器来：

开始与所述用户的交互会话，该交互会话是用户选择的幸福轨迹的一部分；

接收在交互会话期间来自所述用户的输入数据；

分析所述接收到的输入数据；和

向所述用户输出响应以继续与用户进行交互会话，

其中存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器在所述交互会话期间执行以下步骤：

从所述接收到的输入数据中选择一个或多个话题；和

确定是否向所述用户输出选项以切换到其他幸福轨迹。

20.根据权利要求19所述的计算系统，其特征在于，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器确定在识别出一个或多个话题与已选幸福轨迹的相关性不大于阈值时将所述选项输出给所述用户以切换到不同的幸福轨迹。

21.根据权利要求20所述的计算系统，其特征在于，当多次检测到所述识别的一个或多个话题具有不大于阈值的相关性时，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器确定将所述选项输出给用户以切换到不同的幸福轨迹。

22.根据权利要求19所述的计算系统，其特征在于，存储在所述至少一个存储器中的所述可执行软件适于使所述至少一个处理器基于接收到的输入数据的语气来确定将所述选项输出给所述用户以切换到不同的幸福轨迹。

23.一种用于计算系统与用户交互的方法，其特征在于，所述计算系统包括至少一个处理器，该方法包括：

由所述至少一个处理器开始与用户进行交互会话，所述交互会话是所述用户选择的幸福轨迹的一部分；

通过所述至少一个处理器接收在所述交互会话期间来自用户的输入数据：

通过至少一个处理器分析所述接收到的输入数据；和

通过所述至少一个处理器输出对所述用户的响应以继续与所述用户进行交互会话；

其中，在所述交互会话期间，所述至少一个处理器进行以下操作：

从所述接收到的输入数据中识别一个或多个话题；和

确定是否向所述用户输出一选项以切换到其他幸福轨迹。

24.根据权利要求23所述的方法，其特征在于，当所述所识别的一个或多个话题与所选择的幸福轨迹的相关性不大于阈值时，所述至少一个处理器确定向所述用户输出用于切换到不同的幸福轨迹的选项。

25.根据权利要求24所述的方法，其特征在于，当多次检测到所识别的一个或多个话题的相关性不大于所述阈值时，所述至少一个处理器确定向所述用户输出用于切换到不同幸福轨迹的选项。

26.根据权利要求23所述的方法，其特征在于，所述至少一个处理器基于所述所接收的输入数据的预期来确定将所述选项输出给用户以切换到不同的幸福轨迹。

Images