CN113360614A - 生成式聊天机器人回复情感控制方法、装置、终端及介质 - Google Patents
生成式聊天机器人回复情感控制方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN113360614A CN113360614A CN202110604443.1A CN202110604443A CN113360614A CN 113360614 A CN113360614 A CN 113360614A CN 202110604443 A CN202110604443 A CN 202110604443A CN 113360614 A CN113360614 A CN 113360614A
- Authority
- CN
- China
- Prior art keywords
- emotion
- reply
- chat
- data
- chat data
- 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
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 83
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000008909 emotion recognition Effects 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Child & Adolescent Psychology (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Toys (AREA)
Abstract
本申请公开了一种生成式聊天机器人回复情感控制方法、装置、终端及介质，本申请基于预设人物性格的问题聊天数据样本和回复聊天数据样本，将问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练，得到包含情感向量映射关系的情感控制模型，通过将从用户输入的问题聊天数据得到的用户情感向量作为该情感控制模型的输入变量，通过模型运算得到符合预设人物性格的回复情感向量，以便根据回复情感向量生成回复聊天数据，使得生成式聊天机器人更不容易偏离预设的人物性格，回复内容情感更稳定。
Description
技术领域
本申请涉及聊天机器人技术领域，尤其涉及一种生成式聊天机器人回复情感控制方法、装置、终端及介质。
背景技术
现有的聊天机器人实现方法主要分为检索式和生成式，其中，基于检索的聊天机器人：对于用户提出的问题，在对应问答库中进行检索，使用检索到的答案进行回复，回复一般比较精准和具体；而基于生成模型的聊天机器人：使用机器学习的算法模型根据用户的问题端到端进行回复语句的生成，回复相对检索式更加灵活。生成式的聊天机器人的优点是可以从大量的预料中学习到语言的知识，不需要大量的人力去制定规则，可以解决对话领域的长尾问题，覆盖范围广。
然而，传统的生成式聊天机器人因在训练过程中有局限性，使用的训练预料可能有不同的来源，其对话的性格、所含情感以及质量不统一，使得传统的生成式聊天机器人生成的回复内容存在性格、情感不稳定的技术问题。
发明内容
本申请提供了一种生成式聊天机器人回复情感控制方法、装置、终端及介质，用于解决传统的生成式聊天机器人生成的回复内容存在的性格、情感不稳定的技术问题。
有鉴于此，本申请第一方面提供了一种生成式聊天机器人回复情感控制方法，包括：
接收用户输入的问题聊天数据；
通过情感识别算法对所述问题聊天数据进行情感分析，得到用户情感向量；
将所述用户情感向量输入到情感控制模型，根据所述情感控制模型中的情感向量映射关系，通过所述情感控制模型的运算得到回复情感向量，以便根据所述回复情感向量，结合聊天上下文生成回复聊天数据；
其中，所述情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将所述问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的。
优选地，所述通过情感识别算法对所述问题聊天数据进行情感分析，得到用户情感向量具体包括：
通过情感识别算法对所述问题聊天数据进行情感分析，计算所述问题聊天数据中各个情感成分的权重，以所述各个情感成分及所述各个情感成分的权重作为所述用户情感向量。
优选地，所述问题聊天数据的数据类型具体包括：语音数据或文本数据。
优选地，当所述问题聊天数据的数据类型为语音数据时，所述接收用户输入的问题聊天数据之后还包括：
通过语音识别算法对所述问题聊天数据转换成文本数据，得到文本形式的问题聊天数据。
优选地，所述回复聊天数据的数据类型具体包括：文本数据。
优选地，根据所述回复情感向量，结合聊天上下文生成回复聊天数据之后还包括：
通过语音合成算法，将所述回复聊天数据转换成语音数据，得到语音形式的回复聊天数据。
优选地，还包括：
将所述用户情感向量和所述回复情感向量输入到所述情感控制模型，对所述情感控制模型进行模型更新训练。
本申请第二方面提供了一种生成式聊天机器人回复情感控制装置，包括：
聊天数据接收单元，用于接收用户输入的问题聊天数据；
情感分析单元，用于通过情感识别算法对所述问题聊天数据进行情感分析，得到用户情感向量；
情感控制单元，用于将所述用户情感向量输入到情感控制模型，根据所述情感控制模型中的情感向量映射关系，通过所述情感控制模型的运算得到回复情感向量，以便根据所述回复情感向量，结合聊天上下文生成回复聊天数据；
其中，所述情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将所述问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的。
本申请第三方面提供了一种生成式聊天机器人回复情感控制终端，包括：存储器和处理器；
所述存储器用于存储程序代码，所述程序代码与如本申请第一方面提供的生成式聊天机器人回复情感控制方法相对应；
所述处理器用于执行所述程序代码。
本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中保存有如本申请第一方面提供的生成式聊天机器人回复情感控制方法相对应程序代码。
从以上技术方案可以看出，本申请具有以下优点：
本申请基于预设人物性格的问题聊天数据样本和回复聊天数据样本，将问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练，得到包含情感向量映射关系的情感控制模型，通过将从用户输入的问题聊天数据得到的用户情感向量作为该情感控制模型的输入变量，通过模型运算得到符合预设人物性格的回复情感向量，以便根据回复情感向量生成回复聊天数据，使得生成式聊天机器人更不容易偏离预设的人物性格，回复内容情感更稳定。
附图说明
为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种生成式聊天机器人回复情感控制方法的第一个实施例的流程示意图。
图2为本申请提供的一种生成式聊天机器人回复情感控制方法的第二个实施例的流程示意图。
图3为本申请提供的一种生成式聊天机器人回复情感控制装置的一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种生成式聊天机器人回复情感控制方法、装置、终端及介质，用于解决传统的生成式聊天机器人生成的回复内容存在的性格、情感不稳定的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
请参阅图1，本申请第一方面提供了一种生成式聊天机器人回复情感控制方法，包括：
步骤101、接收用户输入的问题聊天数据；
步骤102、通过情感识别算法对问题聊天数据进行情感分析，得到用户情感向量；
步骤103、将用户情感向量输入到情感控制模型，根据情感控制模型中的情感向量映射关系，通过情感控制模型的运算得到回复情感向量，以便根据回复情感向量，结合聊天上下文生成回复聊天数据；
其中，情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的。
需要说明的是，首先，本实施例提供的生成式聊天机器人回复情感控制方法通过情感识别算法，对接收到的问题聊天数据进行情感分析，从而得到问题聊天数据对应的用户情感向量，将该用户情感向量输入到训练好的情感控制模型，其中，情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的神经网络模型，通过模型训练方式构建用户情感向量和回复情感向量的映射关系，由该情感控制模型基于输入的用户情感向量进行运算，从而得到回复情感向量，以便根据回复情感向量，结合聊天上下文生成回复聊天数据，聊天数据内容可以使用seq2seq或者transformer等算法进行实现，在解码过程中进行情感向量的融合从而生成符合预设人物性格的回复聊天数据。
譬如机器人是善良的性格设定，在用户表现难过的情感时，机器人应该生成安慰性的回复聊天数据，给予用户情感安慰。再譬如假如机器人是幽默的性格设定，在用户表现难过的情感时，机器人可以生成冷笑话式的回复聊天数据，逗用户开心。
本申请实施例基于预设人物性格的问题聊天数据样本和回复聊天数据样本，将问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练，得到包含情感向量映射关系的情感控制模型，通过将从用户输入的问题聊天数据得到的用户情感向量作为该情感控制模型的输入变量，通过模型运算得到符合预设人物性格的回复情感向量，以便根据回复情感向量生成回复聊天数据，使得生成式聊天机器人更不容易偏离预设的人物性格，回复内容情感更稳定。
以上为本申请提供的一种生成式聊天机器人回复情感控制方法的第一个实施例的详细说明，下面为本申请提供的一种生成式聊天机器人回复情感控制方法的第二个实施例的详细说明。
请参阅图2，本申请第二个实施例在上述第一个实施例的基础上，提供了一种生成式聊天机器人回复情感控制方法。
更具体地，通过情感识别算法对问题聊天数据进行情感分析，得到用户情感向量具体包括：
通过情感识别算法对问题聊天数据进行情感分析，计算问题聊天数据中各个情感成分的权重，以各个情感成分及各个情感成分的权重作为用户情感向量。
需要说明的是，本申请提及的情感向量具体指的是每一种情感的权重，和为1，通过情感识别算法对问题聊天数据进行情感分析，计算问题聊天数据中各个情感成分以及各个情感成分的权重，以各个情感成分及其权重作为用户情感向量。
更具体地，问题聊天数据的数据类型具体包括：语音数据或文本数据。
更具体地，当问题聊天数据的数据类型为语音数据时，接收用户输入的问题聊天数据之后还包括：
步骤1001、通过语音识别算法对问题聊天数据转换成文本数据，得到文本形式的问题聊天数据。
本申请提及的，由用户输入的问题聊天数据的数据类型可以是语音数据，也可以是文本数据，若问题聊天数据的数据类型为语音数据，需要先将语音数据转换成文本数据，再进行后续的分析处理，若问题聊天数据的数据类型为文本数据，则可以直接进行后续的分析处理。
更具体地，回复聊天数据的数据类型具体包括：文本数据。
更具体地，根据回复情感向量，结合聊天上下文生成回复聊天数据之后还包括：
步骤1002、通过语音合成算法，将回复聊天数据转换成语音数据，得到语音形式的回复聊天数据。
聊天数据生成算法输出的一般为文本数据，为了提高用户交互体验，可以通过语音合成算法，将回复聊天数据转换成语音数据，得到语音形式的回复聊天数据进行输出，但也可以直接输出文本形式的回复聊天数据。
更具体地，还包括：
步骤104、将用户情感向量和回复情感向量输入到情感控制模型，对情感控制模型进行模型更新训练。
本申请还可以通过将每次运算后输出的回复情感向量，将该回复情感向量与用户情感向量一同反馈给情感控制模型，对该情感控制模型进行模型更新训练，从而提高模型的准确度。
以上为本申请提供的一种生成式聊天机器人回复情感控制方法的第二个实施例的详细说明，下面为本申请提供的一种生成式聊天机器人回复情感控制装置的一个实施例的详细说明。
请参阅图3，本申请第三个实施例提供了一种生成式聊天机器人回复情感控制装置，包括：
聊天数据接收单元201，用于接收用户输入的问题聊天数据；
情感分析单元202，用于通过情感识别算法对问题聊天数据进行情感分析，得到用户情感向量；
情感控制单元203，用于将用户情感向量输入到情感控制模型，根据情感控制模型中的情感向量映射关系，通过情感控制模型的运算得到回复情感向量，以便根据回复情感向量，结合聊天上下文生成回复聊天数据；
其中，情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的。
进一步地，情感分析单元202具体用于：
通过情感识别算法对问题聊天数据进行情感分析，计算问题聊天数据中各个情感成分的权重，以各个情感成分及各个情感成分的权重作为用户情感向量。
进一步地，问题聊天数据的数据类型具体包括：语音数据或文本数据。
进一步地，还包括：
语音识别单元，用于通过语音识别算法对问题聊天数据转换成文本数据，得到文本形式的问题聊天数据。
进一步地，回复聊天数据的数据类型具体包括：文本数据。
进一步地，还包括：
语音合成单元，用于通过语音合成算法，将回复聊天数据转换成语音数据，得到语音形式的回复聊天数据。
进一步地，还包括：
模型更新单元，用于将用户情感向量和回复情感向量输入到情感控制模型，对情感控制模型进行模型更新训练。
以上为本申请提供的一种生成式聊天机器人回复情感控制装置的详细说明，下面为本申请提供的一种生成式聊天机器人回复情感控制终端的一个实施例以及一种计算机可读存储介质的一个实施例的详细说明。
本申请第四个实施例提供了一种生成式聊天机器人回复情感控制终端，可以集成在边缘计算系统中，包括：存储器和处理器；
存储器用于存储程序代码，程序代码与如本申请第一个实施例或第二个实施例提供的生成式聊天机器人回复情感控制方法相对应；
处理器用于执行程序代码，以便于实现如本申请第一个实施例或第二个实施例提供的生成式聊天机器人回复情感控制方法。
本申请第五个实施例提供了一种计算机可读存储介质，计算机可读存储介质中保存有与如本申请第一个实施例或第二个实施例提供的生成式聊天机器人回复情感控制方法相对应的程序代码。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，终端，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。
集成的单元如果以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全部或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。
以上，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种生成式聊天机器人回复情感控制方法，其特征在于，包括：
接收用户输入的问题聊天数据；
通过情感识别算法对所述问题聊天数据进行情感分析，得到用户情感向量；
将所述用户情感向量输入到情感控制模型，根据所述情感控制模型中的情感向量映射关系，通过所述情感控制模型的运算得到回复情感向量，以便根据所述回复情感向量，结合聊天上下文生成回复聊天数据；
其中，所述情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将所述问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的。
2.根据权利要求1所述的一种生成式聊天机器人回复情感控制方法，其特征在于，所述通过情感识别算法对所述问题聊天数据进行情感分析，得到用户情感向量具体包括：
通过情感识别算法对所述问题聊天数据进行情感分析，计算所述问题聊天数据中各个情感成分的权重，以所述各个情感成分及所述各个情感成分的权重作为所述用户情感向量。
3.根据权利要求1所述的一种生成式聊天机器人回复情感控制方法，其特征在于，所述问题聊天数据的数据类型具体包括：语音数据或文本数据。
4.根据权利要求3所述的一种生成式聊天机器人回复情感控制方法，其特征在于，当所述问题聊天数据的数据类型为语音数据时，所述接收用户输入的问题聊天数据之后还包括：
通过语音识别算法对所述问题聊天数据转换成文本数据，得到文本形式的问题聊天数据。
5.根据权利要求1所述的一种生成式聊天机器人回复情感控制方法，其特征在于，所述回复聊天数据的数据类型具体包括：文本数据。
6.根据权利要求5所述的一种生成式聊天机器人回复情感控制方法，其特征在于，根据所述回复情感向量，结合聊天上下文生成回复聊天数据之后还包括：
通过语音合成算法，将所述回复聊天数据转换成语音数据，得到语音形式的回复聊天数据。
7.根据权利要求1所述的一种生成式聊天机器人回复情感控制方法，其特征在于，还包括：
将所述用户情感向量和所述回复情感向量输入到所述情感控制模型，对所述情感控制模型进行模型更新训练。
8.一种生成式聊天机器人回复情感控制装置，其特征在于，包括：
聊天数据接收单元，用于接收用户输入的问题聊天数据；
情感分析单元，用于通过情感识别算法对所述问题聊天数据进行情感分析，得到用户情感向量；
情感控制单元，用于将所述用户情感向量输入到情感控制模型，根据所述情感控制模型中的情感向量映射关系，通过所述情感控制模型的运算得到回复情感向量，以便根据所述回复情感向量，结合聊天上下文生成回复聊天数据，再将所述回复聊天数据反馈至用户；
其中，所述情感控制模型为根据预设人物性格的问题聊天数据样本和回复聊天数据样本，将所述问题聊天数据样本和回复聊天数据样本提取出的情感向量作为模型输入进行训练得到的。
9.一种生成式聊天机器人回复情感控制终端，其特征在于，包括：存储器和处理器；
所述存储器用于存储程序代码，所述程序代码与如权利要求1至7任意一项所述的生成式聊天机器人回复情感控制方法相对应；
所述处理器用于执行所述程序代码。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中保存有如权利要求1至7任意一项所述的生成式聊天机器人回复情感控制方法相对应程序代码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110604443.1A CN113360614A (zh) | 2021-05-31 | 2021-05-31 | 生成式聊天机器人回复情感控制方法、装置、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110604443.1A CN113360614A (zh) | 2021-05-31 | 2021-05-31 | 生成式聊天机器人回复情感控制方法、装置、终端及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113360614A true CN113360614A (zh) | 2021-09-07 |
Family
ID=77530587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110604443.1A Pending CN113360614A (zh) | 2021-05-31 | 2021-05-31 | 生成式聊天机器人回复情感控制方法、装置、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113360614A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960402A (zh) * | 2018-06-11 | 2018-12-07 | 上海乐言信息科技有限公司 | 一种面向聊天机器人的混合策略式情感安抚系统 |
| CN109829039A (zh) * | 2018-12-13 | 2019-05-31 | 平安科技（深圳）有限公司 | 智能聊天方法、装置、计算机设备及存储介质 |
| CN110188177A (zh) * | 2019-05-28 | 2019-08-30 | 北京搜狗科技发展有限公司 | 对话生成方法及装置 |
| CN110377913A (zh) * | 2019-07-24 | 2019-10-25 | 腾讯科技（深圳）有限公司 | 一种情感分析方法及其装置、电子设备和存储介质 |
| CN110427490A (zh) * | 2019-07-03 | 2019-11-08 | 华中科技大学 | 一种基于自注意力机制的情感对话生成方法与装置 |
| CN110990543A (zh) * | 2019-10-18 | 2020-04-10 | 平安科技（深圳）有限公司 | 智能对话的生成方法、装置、计算机设备及计算机存储介质 |
| CN111241250A (zh) * | 2020-01-22 | 2020-06-05 | 中国人民大学 | 一种情感对话生成系统和方法 |
| CN111368538A (zh) * | 2020-02-29 | 2020-07-03 | 平安科技（深圳）有限公司 | 语音交互方法、系统、终端及计算机可读存储介质 |
| WO2020155619A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技（深圳）有限公司 | 带情感的机器聊天方法、装置、计算机设备及存储介质 |
| 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 |
-
2021
- 2021-05-31 CN CN202110604443.1A patent/CN113360614A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960402A (zh) * | 2018-06-11 | 2018-12-07 | 上海乐言信息科技有限公司 | 一种面向聊天机器人的混合策略式情感安抚系统 |
| CN109829039A (zh) * | 2018-12-13 | 2019-05-31 | 平安科技（深圳）有限公司 | 智能聊天方法、装置、计算机设备及存储介质 |
| WO2020155619A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技（深圳）有限公司 | 带情感的机器聊天方法、装置、计算机设备及存储介质 |
| CN110188177A (zh) * | 2019-05-28 | 2019-08-30 | 北京搜狗科技发展有限公司 | 对话生成方法及装置 |
| CN110427490A (zh) * | 2019-07-03 | 2019-11-08 | 华中科技大学 | 一种基于自注意力机制的情感对话生成方法与装置 |
| CN110377913A (zh) * | 2019-07-24 | 2019-10-25 | 腾讯科技（深圳）有限公司 | 一种情感分析方法及其装置、电子设备和存储介质 |
| CN110990543A (zh) * | 2019-10-18 | 2020-04-10 | 平安科技（深圳）有限公司 | 智能对话的生成方法、装置、计算机设备及计算机存储介质 |
| CN111241250A (zh) * | 2020-01-22 | 2020-06-05 | 中国人民大学 | 一种情感对话生成系统和方法 |
| CN111368538A (zh) * | 2020-02-29 | 2020-07-03 | 平安科技（深圳）有限公司 | 语音交互方法、系统、终端及计算机可读存储介质 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110647636B (zh) | 交互方法、装置、终端设备及存储介质 | |
| CN111930940B (zh) | 一种文本情感分类方法、装置、电子设备及存储介质 | |
| US11386271B2 (en) | Mathematical processing method, apparatus and device for text problem, and storage medium | |
| CN108319599B (zh) | 一种人机对话的方法和装置 | |
| CN108595436B (zh) | 情感对话内容的生成方法和系统、存储介质 | |
| CN111966800B (zh) | 情感对话生成方法、装置及情感对话模型训练方法、装置 | |
| CN106875940B (zh) | 一种基于神经网络的机器自学习构建知识图谱训练方法 | |
| CN110543552A (zh) | 对话交互方法、装置及电子设备 | |
| CN108228576B (zh) | 文本翻译方法及装置 | |
| US20200233908A1 (en) | Interactive system and computer program therefor | |
| CN108090218A (zh) | 基于深度强化学习的对话系统生成方法和装置 | |
| CN113505198A (zh) | 关键词驱动的生成式对话回复方法、装置及电子设备 | |
| CN108628908A (zh) | 分类用户提问-回答界限的方法、装置和电子设备 | |
| CN114444510A (zh) | 情感交互方法及装置、情感交互模型的训练方法及装置 | |
| CN107734123A (zh) | 一种联系人排序方法和装置 | |
| CN117252161A (zh) | 一种特定领域的模型训练和文本生成方法 | |
| CN115424605B (zh) | 语音合成方法、装置、电子设备及计算机可读存储介质 | |
| CN113360614A (zh) | 生成式聊天机器人回复情感控制方法、装置、终端及介质 | |
| CN115378890A (zh) | 信息输入方法、装置、存储介质及计算机设备 | |
| CN112434143A (zh) | 基于gru单元隐藏状态约束的对话方法、存储介质及系统 | |
| CN111046149A (zh) | 内容推荐方法及装置、电子设备及存储介质 | |
| CN114020922B (zh) | 文本分类方法、装置及存储介质 | |
| CN115169367B (zh) | 对话生成方法及装置、存储介质 | |
| CN117059082B (zh) | 基于大模型的外呼通话方法、装置、介质和计算机设备 | |
| CN117556026A (zh) | 数据生成方法、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 |