CN113326704A - 基于综合策略的情绪支持对话生成方法及系统 - Google Patents

基于综合策略的情绪支持对话生成方法及系统 Download PDF

Info

Publication number
CN113326704A
CN113326704A CN202110621266.8A CN202110621266A CN113326704A CN 113326704 A CN113326704 A CN 113326704A CN 202110621266 A CN202110621266 A CN 202110621266A CN 113326704 A CN113326704 A CN 113326704A
Authority
CN
China
Prior art keywords
dialogue
emotion
support
strategy
conversation
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.)
Granted
Application number
CN202110621266.8A
Other languages
English (en)
Other versions
CN113326704B (zh
Inventor
黄民烈
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.)
Beijing Lingxin Intelligent Technology Co ltd
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110621266.8A priority Critical patent/CN113326704B/zh
Publication of CN113326704A publication Critical patent/CN113326704A/zh
Application granted granted Critical
Publication of CN113326704B publication Critical patent/CN113326704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)

Abstract

本发明实施例提供一种基于综合策略的情绪支持对话生成方法及系统，其中方法包括：确定待生成的情绪支持对话；将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。本发明解决了现有对话系统无法综合利用多种策略实现有效的情绪支持的问题。

Description

基于综合策略的情绪支持对话生成方法及系统
技术领域
本发明涉及自然语言处理及对话生成技术领域，尤其涉及一种基于综合策略的情绪支持对话生成方法及系统。
背景技术
开放域对话系统在学术界和工业界受到广泛关注。随着人们对于对话系统的社交属性的需求日益强烈，情绪支持这一技能对于开放域对话系统显得愈发重要，其旨在缓解人们的情绪压力，并帮助人们寻求解决困难的途径。近期研究已表明，用户更青睐那些能够提供支持性回复的对话系统。
然而，提供有效的情绪支持并非易事，它通常需要合理的流程并掌握相关的支持策略。例如，在支持者向求助者提供情绪支持的过程中，如果在求助者表达沮丧却没有解释缘由时，支持者就贸然提供建议，这就很可能会冒犯甚至伤害到求助者，因为这一举动反映出支持者并没有理解、甚至并未试图了解求助者的经历与感受。在支持者逐步了解求助者的境况时，也应该不时地表达理解和共情以安抚求助者。在充分了解求助者的处境后，支持者还应该尝试提供建议或解决方案，以帮助求助者摆脱困境，否则，一味地安抚并不能促使求助者改变现状，如此提供的情绪支持也缺乏一定的有效性。现有研究大多聚焦在如何生成情绪化或共情的回复，但这远不足以构成有效的情绪支持，因为情绪支持需要多种策略的综合利用。
发明内容
本发明实施例提供一种基于综合策略的情绪支持对话生成方法及系统，用以解决现有对话系统无法综合利用多种策略实现有效的情绪支持的问题。
第一方面，本发明实施例提供一种基于综合策略的情绪支持对话生成方法，包括：
确定待生成的情绪支持对话；
将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；
所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；
所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
进一步地，所述对话生成模型包括对话匹配与筛选模型和对话解码模型；
将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果，包括：
将所述待生成的情绪支持对话输入至所述对话匹配和筛选模型，输出满足情绪强度变化条件的对话数据；
将所述满足情绪强度变化条件的对话数据输入至所述对话解码模型，输出情绪支持对话生成结果。
进一步地，将所述满足情绪强度变化条件的对话数据输入至所述对话解码模型，输出对话生成结果，包括：
将所述满足情绪强度变化条件的对话数据中的求助者的发言进行分词并进行特殊词处理后，得到所述求助者发言的输入序列；
将所述满足情绪强度变化条件的对话数据中的支持者的发言进行分词并进行策略对应的特殊词处理后，得到所述支持者发言的输入序列；其中，所述策略对应的特殊词包括策略的特殊词和非策略的特殊词；
将所述求助者发言的输入序列和所述支持者发言的输入序列拼接后输入所述对话解码模型，基于策略输出求助者和支持者间的对话。
进一步地，所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的，包括以下步骤：
基于情绪支持对话样本数据提取出对话场景的情绪支持策略框架；
基于所述提取出的对话场景的情绪支持策略框架对所述情绪支持对话样本数据进行策略标注；
基于所述对话场景的情绪支持策略框架和所述策略标注构建对话生成模型。
第二方面，本发明实施例提供一种基于综合策略的情绪支持对话生成系统，包括：
对话确定模块，用于确定待生成的情绪支持对话；
对话生成模块，用于将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；
所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；
所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
进一步地，所述对话生成模块包括对话匹配与筛选模块和对话解码模块；
所述对话匹配和筛选模块，用于输入所述待生成的情绪支持对话，输出满足情绪强度变化条件的对话数据；
所述对话解码模块，用于输入所述满足情绪强度变化条件的对话数据，输出情绪支持对话生成结果。
进一步地，所述对话解码模块包括序列生成模块和解码策略模块；
所述序列生成模块，用于将所述满足情绪强度变化条件的对话数据中的求助者的发言进行分词并进行特殊词处理后，得到所述求助者发言的输入序列；还用于将所述满足情绪强度变化条件的对话数据中的支持者的发言进行分词并进行策略对应的特殊词处理后，得到所述支持者发言的输入序列；其中，所述策略对应的特殊词包括策略的特殊词和非策略的特殊词；
所述解码策略模块，用于输入拼接后的所述求助者发言的输入序列和所述支持者发言的输入序列，并基于策略输出求助者和支持者间的对话。
进一步地，所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的，包括以下步骤：
基于情绪支持对话样本数据提取出对话场景的情绪支持策略框架；
基于所述提取出的对话场景的情绪支持策略框架对所述情绪支持对话样本数据进行策略标注；
基于所述对话场景的情绪支持策略框架和所述策略标注构建对话生成模型。
第三方面，本发明实施例提供一种电子设备，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计算机程序，所述处理器执行所述程序时实现如上述第一方面所提供的任一项所述基于综合策略的情绪支持对话生成方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所提供的任一项所述基于综合策略的情绪支持对话生成方法的步骤。
本发明实施例提供的一种基于综合策略的情绪支持对话生成方法及系统，通过情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果。本发明实现了综合利用多种策略实现有效的情绪支持。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于综合策略的情绪支持对话生成方法的流程示意图；
图2是本发明提供的对话生成模型框图；
图3是本发明提供的对话解码模型输出对话生成结果的方法流程示意图；
图4是本发明提供的对话生成模型的训练流程示意图；
图5是本发明提供的一种基于综合策略的情绪支持对话生成系统的结构示意图；
图6是本发明提供的对话生成模块框图；
图7是本发明提供的对话解码模块框图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
下面结合图1-图8描述本发明提供的一种基于综合策略的情绪支持对话生成方法及系统。
本发明实施例提供了一种基于综合策略的情绪支持对话生成方法。图1为本发明实施例提供的基于综合策略的情绪支持对话生成方法的流程示意图，如图1所示，该方法包括：
步骤110，确定待生成的情绪支持对话；
步骤120，将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；
所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；
所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
与现有对话生成技术相比，本发明实施例提供的方法，从心理学相关研究中提炼出情绪支持的策略框架，为基于策略的情绪支持对话生成提供了理论基础和有效性的保障，从而能够灵活、恰当地运用各种支持策略，提供更有效的情绪支持，更受人类的喜爱。
基于上述任一实施例，如图2所示，所述对话生成模型包括对话匹配与筛选模型210和对话解码模型220；
将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果，包括：
将所述待生成的情绪支持对话输入至所述对话匹配和筛选模型210，输出满足情绪强度变化条件的对话数据；
将所述满足情绪强度变化条件的对话数据输入至所述对话解码模型220，输出情绪支持对话生成结果。
基于上述任一实施例，如图3所示，将所述满足情绪强度变化条件的对话数据输入至所述对话解码模型，输出对话生成结果，包括：
步骤310，将所述满足情绪强度变化条件的对话数据中的求助者的发言进行分词并进行特殊词处理后，得到所述求助者发言的输入序列；
步骤320，将所述满足情绪强度变化条件的对话数据中的支持者的发言进行分词并进行策略对应的特殊词处理后，得到所述支持者发言的输入序列；其中，所述策略对应的特殊词包括策略的特殊词和非策略的特殊词；
步骤330，将所述求助者发言的输入序列和所述支持者发言的输入序列拼接后输入所述对话解码模型，基于策略输出求助者和支持者间的对话。
基于上述任一实施例，如图4所示，所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的，包括以下步骤：
步骤410，基于情绪支持对话样本数据提取出对话场景的情绪支持策略框架；
步骤420，基于所述提取出的对话场景的情绪支持策略框架对所述情绪支持对话样本数据进行策略标注；
步骤430，基于所述对话场景的情绪支持策略框架和所述策略标注构建对话生成模型。
具体地，本发明实施例结合心理学研究的相关理论，提供了一种基于情绪支持策略的对话生成方法，包含如下步骤：
A、基于心理学研究的相关理论，提炼出适用于对话场景的情绪支持策略(strategy)框架；
B、基于A中得到的策略框架，收集带有策略标注的情绪支持对话数据；
C、基于A中得到的策略框架和B中收集得到的情绪支持对话数据，设计基于策略的对话生成模型。
其中，情绪支持策略框架包含策略名、策略适用阶段、策略定义和示例，如表1所示：
表1
Figure BDA0003100006810000081
进一步地，所述步骤A具体是通过执行以下步骤实现的：
A1、提炼情绪支持的三个阶段；
针对对话场景的特点提炼出了情绪支持的三个阶段：探索(exploration)：了解求助者的处境，帮助求助者明确问题；安抚(comforting)：通过表达共情等方式，安慰、舒缓求助者的情绪；行动(action)：帮助求助者采取措施解决问题。
A2、提炼情绪支持的七种策略；
基于心理学相关理论提炼出了表1所示的情绪支持策略框架，其中包含七种常用的支持策略，以及一个其他(others)选项。
进一步地，所述步骤B具体是通过执行以下步骤实现的：
B1、招募和培训标注人员；
首先招募标注人员，使其担任两个角色：求助者(seeker)和支持者(supporter)。对于选择担任支持者的员工，需要在学习完表1中涉及到的三个阶段和七种策略之后，才可以参与后续任务。
B2、匹配对话和筛选；
将求助者和支持者随机匹配开展对话，并收集对话的样例。对话开始前，求助者需要完成调查问卷(蓝色字体，pre-chat survey)。在对话过程中，支持者需要选择策略(红色字体)构建回复，求助者需要对支持者的发言进行评价(橙色字体和星星)。对话结束后，求助者还需要填写对话后的情绪强度(蓝色字体，post-chat survey)。结合求助者对支持者的评价和对话后的情绪强度变化，筛选出满足条件的对话数据。
进一步地，所述步骤C是通过执行以下步骤实现的：
C1、改写支持者发言的输入序列；
对于求助者的发言u，我们将其分词之后，首尾加上特殊词[bos]和[eos]作为该发言的输入序列：[bos]u[eos]。对于支持者的发言v，除了与求助者发言一样的处理外，还会在句首加上当前使用的策略对应的特殊词[stk]：[bos][stk]v[eos]，其中[stk]表示第k种策略对应的特殊词(共有8个特殊词，分别对应七种策略及其他)。
C2、解码策略与发言内容；
我们将对话历史的所有语句拼接在一起，作为模型的输入，模型需要解码出当前下一句支持者的发言。模型需要首先解码出使用的策略对应的特殊词[stk]，接着基于预测出的策略，解码出支持者的发言v。
下面对本发明提供的一种基于综合策略的情绪支持对话生成系统进行描述，下文描述的与上文描述的一种基于综合策略的情绪支持对话生成方法可相互对应参照。
图5为本发明实施例提供的基于综合策略的情绪支持对话生成系统的结构示意图，如图5所示，该系统包括对话确定模块510和对话生成模块520；
所述对话确定模块510，用于确定待生成的情绪支持对话；
所述对话生成模块520，用于将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；
所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；
所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
与现有对话生成技术相比，本发明实施例提供的系统，从心理学相关研究中提炼出情绪支持的策略框架，为基于策略的情绪支持对话生成提供了理论基础和有效性的保障，从而能够灵活、恰当地运用各种支持策略，提供更有效的情绪支持，更受人类的喜爱。
基于上述任一实施例，如图6所示，所述对话生成模块600包括对话匹配与筛选模块610和对话解码模块620；
所述对话匹配和筛选模块610，用于输入所述待生成的情绪支持对话，输出满足情绪强度变化条件的对话数据；
所述对话解码模块620，用于输入所述满足情绪强度变化条件的对话数据，输出情绪支持对话生成结果。
基于上述任一实施例，如图7所示，所述对话解码模块700包括序列生成模块710和解码策略模块720；
所述序列生成模块710，用于将所述满足情绪强度变化条件的对话数据中的求助者的发言进行分词并进行特殊词处理后，得到所述求助者发言的输入序列；还用于将所述满足情绪强度变化条件的对话数据中的支持者的发言进行分词并进行策略对应的特殊词处理后，得到所述支持者发言的输入序列；其中，所述策略对应的特殊词包括策略的特殊词和非策略的特殊词；
所述解码策略模块720，用于输入拼接后的所述求助者发言的输入序列和所述支持者发言的输入序列，并基于策略输出求助者和支持者间的对话。
基于上述任一实施例，所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的，包括以下步骤：
基于情绪支持对话样本数据提取出对话场景的情绪支持策略框架；
基于所述提取出的对话场景的情绪支持策略框架对所述情绪支持对话样本数据进行策略标注；
基于所述对话场景的情绪支持策略框架和所述策略标注构建对话生成模型。
图8为本发明实施例提供的电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行基于综合策略的情绪支持对话生成方法，该方法包括：确定待生成的情绪支持对话；将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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步骤。而前述的存储介质包括：U盘、移动硬盘、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。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于综合策略的情绪支持对话生成方法，该方法包括：确定待生成的情绪支持对话；将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于综合策略的情绪支持对话生成方法，该方法包括：确定待生成的情绪支持对话；将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：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 (10)

1.一种基于综合策略的情绪支持对话生成方法，其特征在于，包括：
确定待生成的情绪支持对话；
将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；
所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；
所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
2.根据权利要求1所述的基于综合策略的情绪支持对话生成方法，其特征在于，所述对话生成模型包括对话匹配与筛选模型和对话解码模型；
将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果，包括：
将所述待生成的情绪支持对话输入至所述对话匹配和筛选模型，输出满足情绪强度变化条件的对话数据；
将所述满足情绪强度变化条件的对话数据输入至所述对话解码模型，输出情绪支持对话生成结果。
3.根据权利要求2所述的基于综合策略的情绪支持对话生成方法，其特征在于，将所述满足情绪强度变化条件的对话数据输入至所述对话解码模型，输出对话生成结果，包括：
将所述满足情绪强度变化条件的对话数据中的求助者的发言进行分词并进行特殊词处理后，得到所述求助者发言的输入序列；
将所述满足情绪强度变化条件的对话数据中的支持者的发言进行分词并进行策略对应的特殊词处理后，得到所述支持者发言的输入序列；其中，所述策略对应的特殊词包括策略的特殊词和非策略的特殊词；
将所述求助者发言的输入序列和所述支持者发言的输入序列拼接后输入所述对话解码模型，基于策略输出求助者和支持者间的对话。
4.根据权利要求1所述的基于综合策略的情绪支持对话生成方法，其特征在于，所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的，包括以下步骤：
基于情绪支持对话样本数据提取出对话场景的情绪支持策略框架；
基于所述提取出的对话场景的情绪支持策略框架对所述情绪支持对话样本数据进行策略标注；
基于所述对话场景的情绪支持策略框架和所述策略标注构建对话生成模型。
5.一种基于综合策略的情绪支持对话生成系统，其特征在于，包括：
对话确定模块，用于确定待生成的情绪支持对话；
对话生成模块，用于将所述待生成的情绪支持对话输入至对话生成模型中，得到所述对话生成模型输出的情绪支持对话生成结果；
所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的；
所述对话生成模型用于基于所述情绪支持对话样本数据进行情绪支持策略框架提取后，对所述待生成的情绪支持对话进行对话生成。
6.根据权利要求5所述的基于综合策略的情绪支持对话生成系统，其特征在于，所述对话生成模块包括对话匹配与筛选模块和对话解码模块；
所述对话匹配和筛选模块，用于输入所述待生成的情绪支持对话，输出满足情绪强度变化条件的对话数据；
所述对话解码模块，用于输入所述满足情绪强度变化条件的对话数据，输出情绪支持对话生成结果。
7.根据权利要求6所述的基于综合策略的情绪支持对话生成系统，其特征在于，所述对话解码模块包括序列生成模块和解码策略模块；
所述序列生成模块，用于将所述满足情绪强度变化条件的对话数据中的求助者的发言进行分词并进行特殊词处理后，得到所述求助者发言的输入序列；还用于将所述满足情绪强度变化条件的对话数据中的支持者的发言进行分词并进行策略对应的特殊词处理后，得到所述支持者发言的输入序列；其中，所述策略对应的特殊词包括7种策略的特殊词和1种非策略的特殊词；
所述解码策略模块，用于输入拼接后的所述求助者发言的输入序列和所述支持者发言的输入序列，并基于策略输出求助者和支持者间的对话。
8.根据权利要求5所述的基于综合策略的情绪支持对话生成系统，其特征在于，所述对话生成模型是基于情绪支持对话样本数据及所述样本数据对应的策略标注训练得到的，包括以下步骤：
基于情绪支持对话样本数据提取出对话场景的情绪支持策略框架；
基于所述提取出的对话场景的情绪支持策略框架对所述情绪支持对话样本数据进行策略标注；
基于所述对话场景的情绪支持策略框架和所述策略标注构建对话生成模型。
9.一种电子设备，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计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述基于综合策略的情绪支持对话生成方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述基于综合策略的情绪支持对话生成方法的步骤。
CN202110621266.8A 2021-06-03 2021-06-03 基于综合策略的情绪支持对话生成方法及系统 Active CN113326704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110621266.8A CN113326704B (zh) 2021-06-03 2021-06-03 基于综合策略的情绪支持对话生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110621266.8A CN113326704B (zh) 2021-06-03 2021-06-03 基于综合策略的情绪支持对话生成方法及系统

Publications (2)

Publication Number Publication Date
CN113326704A true CN113326704A (zh) 2021-08-31
CN113326704B CN113326704B (zh) 2022-07-19

Family

ID=77419641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110621266.8A Active CN113326704B (zh) 2021-06-03 2021-06-03 基于综合策略的情绪支持对话生成方法及系统

Country Status (1)

Country Link
CN (1) CN113326704B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868398A (zh) * 2021-10-14 2021-12-31 北京倍倾心智能科技中心(有限合伙) 对话数据集、安全检测模型的构建方法、对话系统的安全评估方法、介质及计算设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200152184A1 (en) * 2018-11-08 2020-05-14 PolyAI Limited Dialogue system, a dialogue method, a method of generating data for training a dialogue system, a system for generating data for training a dialogue system and a method of training a dialogue system
US20200159770A1 (en) * 2018-11-15 2020-05-21 International Business Machines Corporation Generating and executing an optimal dialogue strategy
CN111564202A (zh) * 2020-04-30 2020-08-21 深圳市镜象科技有限公司 基于人机对话的心理疏导方法、心理疏导终端和存储介质
CN111881254A (zh) * 2020-06-10 2020-11-03 百度在线网络技术（北京）有限公司 话术生成方法、装置、电子设备及存储介质
CN111897933A (zh) * 2020-07-27 2020-11-06 腾讯科技（深圳）有限公司 情感对话生成方法、装置及情感对话模型训练方法、装置
CN112017668A (zh) * 2020-10-30 2020-12-01 北京淇瑀信息科技有限公司 一种基于实时情感检测的智能语音对话方法、装置和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200152184A1 (en) * 2018-11-08 2020-05-14 PolyAI Limited Dialogue system, a dialogue method, a method of generating data for training a dialogue system, a system for generating data for training a dialogue system and a method of training a dialogue system
US20200159770A1 (en) * 2018-11-15 2020-05-21 International Business Machines Corporation Generating and executing an optimal dialogue strategy
CN111564202A (zh) * 2020-04-30 2020-08-21 深圳市镜象科技有限公司 基于人机对话的心理疏导方法、心理疏导终端和存储介质
CN111881254A (zh) * 2020-06-10 2020-11-03 百度在线网络技术（北京）有限公司 话术生成方法、装置、电子设备及存储介质
CN111897933A (zh) * 2020-07-27 2020-11-06 腾讯科技（深圳）有限公司 情感对话生成方法、装置及情感对话模型训练方法、装置
CN112017668A (zh) * 2020-10-30 2020-12-01 北京淇瑀信息科技有限公司 一种基于实时情感检测的智能语音对话方法、装置和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YINHE ZHENG 等: ""Out-of-Domain Detection for Natural Language Understanding in Dialog Systems"", 《 IEEE/ACM TRANSACTIONS ON AUDIO, SPEECH, AND LANGUAGE PROCESSING》 *
代文韬 等: ""基于知识图谱的保险领域对话系统构建"", 《电子技术应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868398A (zh) * 2021-10-14 2021-12-31 北京倍倾心智能科技中心(有限合伙) 对话数据集、安全检测模型的构建方法、对话系统的安全评估方法、介质及计算设备

Also Published As

Publication number Publication date
CN113326704B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN110543643B (zh) 文本翻译模型的训练方法及装置
EP3276498A1 (en) Method and system for dynamically generating adaptive response to user interactions
CN107832382A (zh) 基于文字生成视频的方法、装置、设备及存储介质
CN108877782B (zh) 语音识别方法和装置
CN110555213B (zh) 文本翻译模型的训练方法、文本翻译方法及装置
CN104503998B (zh) 针对用户查询句的类型识别方法及装置
CN107436916B (zh) 智能提示答案的方法及装置
US9703773B2 (en) Pattern identification and correction of document misinterpretations in a natural language processing system
US20190155954A1 (en) Cognitive Chat Conversation Discovery
CN112560510A (zh) 翻译模型训练方法、装置、设备及存储介质
Alhassan et al. A novel framework for Arabic dialect chatbot using machine learning
CN113255331A (zh) 文本纠错方法、装置及存储介质
CN116304023A (zh) 一种基于nlp技术的招投标要素抽取方法、系统及存储介质
CN112270917B (zh) 一种语音合成方法、装置、电子设备及可读存储介质
CN113326704B (zh) 基于综合策略的情绪支持对话生成方法及系统
Thelwall This! Identifying new sentiment slang through orthographic pleonasm online: Yasss slay gorg queen ilysm
CN112860871A (zh) 自然语言理解模型训练方法、自然语言理解方法及装置
CN111241843B (zh) 基于复合神经网络的语义关系推断系统和方法
CN109657244B (zh) 一种英文长句自动切分方法及系统
CN117828355A (zh) 基于多模态信息的情绪定量模型训练方法及情绪定量方法
CN113239151B (zh) 基于bart模型的口语理解数据增强方法、系统及设备
CN115098665A (zh) 一种对话数据扩展方法、装置及设备
CN114154497A (zh) 语病识别方法、装置、电子设备和存储介质
Soares et al. A Neural Question Answering System for Supporting Software Engineering Students
CN112214578A (zh) 话术生成方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220623

Address after: 100083 room 1106, block D, Yousheng building, Wudaokou, Haidian District, Beijing

Applicant after: Beijing Lingxin Intelligent Technology Co.,Ltd.

Address before: Tsinghua University, 30 Shuangqing Road, Haidian District, Beijing 100084

Applicant before: TSINGHUA University

GR01 Patent grant
GR01 Patent grant