CN114496168A - 一种针对用户人格做叙事疗法的聊天机器人及其开发方法 - Google Patents

一种针对用户人格做叙事疗法的聊天机器人及其开发方法 Download PDF

Info

Publication number
CN114496168A
CN114496168A CN202111640559.7A CN202111640559A CN114496168A CN 114496168 A CN114496168 A CN 114496168A CN 202111640559 A CN202111640559 A CN 202111640559A CN 114496168 A CN114496168 A CN 114496168A
Authority
CN
China
Prior art keywords
narrative
model
user
personality
chat robot
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
CN202111640559.7A
Other languages
English (en)
Inventor
董佩昂
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.)
Shanghai Mingshu Technology Information Co ltd
Original Assignee
Shanghai Mingshu Technology Information Co ltd
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 Shanghai Mingshu Technology Information Co ltd filed Critical Shanghai Mingshu Technology Information Co ltd
Priority to CN202111640559.7A priority Critical patent/CN114496168A/zh
Publication of CN114496168A publication Critical patent/CN114496168A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • 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
    • G06F16/3344—Query execution using natural language analysis
    • 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
    • G06F16/338—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Machine Translation (AREA)

Abstract

本发明公开了一种针对用户人格做叙事疗法的聊天机器人开发方法，包括步骤S001，选择合适的数据集，基于大量的对话日志采用深度学习的端到端模型训练，步骤S002，创建数据集并生成单词向量，然后编写端到端模型，将数据投入进行模型训练，不断迭代并优化模型参数；步骤S003，训练好的模型可以基于人格的不同给用户所咨询的问题来做出解答等。本发明以“叙事疗法”方法来解决用户咨询的问题，并将心理学方法与人工智能相结合，创造出会做叙事疗法的AI聊天机器人。

Description

一种针对用户人格做叙事疗法的聊天机器人及其开发方法
技术领域
本发明涉及适用于人格识别技术领域，具体涉及针对用户人格做叙事疗法的聊天机器人及其开发方法。
背景技术
市面上已经有成熟的AI聊天机器人训练方法，但大部分都是基于同一套反馈系统，即个性化方面很单一，不能根据每个用户的特质来设计不同的AI聊天机器人。传统的心理学治疗解决客户问题所采用的是叙事疗法，通过聊天解决客户的难题，市面上没有将叙事疗法与AI聊天机器人融合的应用。市面上的个性化AI聊天机器人是基于用户日常的在线行为而做出的个性化，例如用户更多浏览某种信息AI会更多的推荐类似的内容，或者基于用户的日常搜索来判断用户可能寻找的问题，缺点是没有根据用户人格来进行反馈的AI聊天机器人，如何开发出针对用户人格做叙事疗法的聊天机器人是行业内新出现且亟待解决的问题。
发明内容
针对相关技术中的问题，本发明提出一种针对用户人格做叙事疗法的聊天机器人及其开发方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
一种针对用户人格做叙事疗法的聊天机器人及其开发方法，包括以下步骤，步骤S001，选择合适的数据集，基于大量的对话日志采用深度学习的端到端模型训练；
步骤S002，创建数据集并生成单词向量，然后编写端到端模型，将数据投入进行模型训练，不断迭代并优化模型参数；
步骤S003，训练好的模型可以基于人格的不同给用户所咨询的问题来做出解答。
优选的，步骤S001中可以使用心理学临床的叙事疗法作为数据集。
优选的，步骤S002中使用Encoder-Decoder框架建立端到端模型。
优选的，在步骤S002之前，端到端模型中可以加入注意力机制。
本发明还公开了一种针对用户人格做叙事疗法的聊天机器人，依据如权利要求1-4任一项所述的一种针对用户人格做叙事疗法的聊天机器人开发方法制成。
与现有技术相比，本发明的有益效果为：
1、本发明以“叙事疗法”方法来解决用户咨询的问题，并将心理学方法与人工智能相结合，创造出会做叙事疗法的AI聊天机器人。
2、本发明基于用户人格的问题反馈，通过专业化人格心理学理论设计的治疗/解答方法训练模型，并以叙事疗法的方法来解决用户咨询的问题，根据用户人格和提出的问题来AI解惑。
综上，本发明以“叙事疗法”方法来解决用户咨询的问题，并将心理学方法与人工智能相结合，创造出会做叙事疗法的AI聊天机器人。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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示出了本申请实施例提出的一种针对用户人格做叙事疗法的聊天机器人开发方法的步骤流程图。
图2示出了本申请实施例提出的Encoder-Decoder框架示意图。
图3示出了本申请实施例提出的概率p(y 1|v)的示例示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
如图1所示，本实施例公开了一种针对用户人格做叙事疗法的聊天机器人开发方法，包括：步骤1，首先收集数据用于模型训练，如心理学临床治疗的叙事疗法的语录文案。然后建立数据库，根据模型需要生成单词向量，例如tensorflow(深度学习库)中的Seq2Seq(端到端)模型就不需要生成单词向量，它是从头开始训练词语的，具体根据模型的选择来决定。收集到的用户信息数据将只用于个人的人格刻画，过程中如需用在其他功能，将会和用户进行再次确认。并且会充分保护用户的个人隐私、保障用户的信息安全。
步骤2，建立端到端模型，其中使用Encoder-Decoder框架，具体内部模型根据具体应用落地场景决定，其中可以加入注意力机制帮助提高较长文本的编码能力，使模型在较长文本下也能准确提取关键重要信息。
步骤3，将数据投入模型进行训练，迭代优化参数。
步骤4，得到训练好的模型后可用于具体应用中，例如产品内的AI聊天用户提出一些问题，该模型可以基于用户已经测试过的人格特质来做出解答，解答的方式是基于心理学理论支撑的叙事疗法等。因此得出的反馈也是基于用户人格的个性化反馈。
本发明还公开了一种针对用户人格做叙事疗法的聊天机器人，依据上述开发方法制成。
具体的，1、首先收集数据用于模型训练，如心理学临床治疗的叙事疗法的语录文案。普通的对话部分可以使用康奈尔电影对话语料库、ubuntu语料库和微软的社交媒体对话等类似的中文语料库作为数据集。心理学部分需要使用心理测试的临床对话集。然后建立数据库，根据模型需要生成单词向量，例如tensorflow(深度学习库)中的Seq2Seq(端到端)模型就不需要生成单词向量，它是从头开始训练词语的，具体根据模型的选择来决定。
2、建立端到端模型，其中使用Encoder-Decoder框架，具体内部模型根据具体应用落地场景决定，其中可以加入注意力机制帮助提高较长文本的编码能力，使模型在较长文本下也能准确提取关键重要信息。
其中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、句法分析等各种场合。图2是文本处理领域里常用的Encoder-Decoder框架最抽象的一种表示。
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、句法分析等各种场合。下图是文本处理领域里常用的Encoder-Decoder框架最抽象的一种表示。
Encoder-Decoder框架可以直观地理解为适合处理由一个句子(或篇章)生成另外一个句子(或篇章)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。对于聊天机器人来说，完全可以使用上述的Encoder-Decoder框架来解决技术问题。
举一个简单的例子吧。输入文字。提问“明天你有空吗？”，对于这个问题的回答。大多数人都希望从“是”，“是的”，“否”等等开始。在我们完成网络训练之后，概率p(y1|v)希望成为一个看起来如图3所示。
我们需要计算的第二个概率p(y2|v，y1)想要成为该分布y1的单词以及v的向量表示的函数。结果想要给我们最可能的单词序列，即可以得到聊天机器人的回答。了解上面的模型结构后，将收集到的数据投入模型进行训练，迭代优化参数。训练模型最后会做误差计算，且训练模型一般是个拟合目标函数的过程，追求最小的误差和最大的效果。常见的模型评估指标有：准确率、精确率、F值、AUG、NDCG等。一般是根据实际的业务和算法模型选取评估指标，通过评估指标来再来调整模型参数以达到最优的效果。一般的指标结果不会特别完美，所以在实际的操作中只要保持指标相对优就可以。通过优化参数使结果的误差最小。得到训练好的模型后可用于具体应用中，例如产品内的AI聊天用户提出一些问题，该模型可以基于用户已经测试过的人格特质来做出解答，解答的方式是基于心理学理论支撑的叙事疗法等。因此得出的反馈也是基于用户人格的个性化反馈。
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种针对用户人格做叙事疗法的聊天机器人开发方法，其特征在于，包括以下步骤，步骤S001，选择合适的数据集，基于大量的对话日志采用深度学习的端到端模型训练；
步骤S002，创建数据集并生成单词向量，然后编写端到端模型，将数据投入进行模型训练，不断迭代并优化模型参数；
步骤S003，训练好的模型可以基于人格的不同给用户所咨询的问题来做出解答。
2.根据权利要求1所述的一种针对用户人格做叙事疗法的聊天机器人开发方法，其特征在于，步骤S001中可以使用心理学临床的叙事疗法作为数据集。
3.根据权利要求1所述的一种针对用户人格做叙事疗法的聊天机器人开发方法，其特征在于，步骤S002中使用Encoder-Decoder框架建立端到端模型。
4.根据权利要求1-3任一项所述的一种针对用户人格做叙事疗法的聊天机器人开发方法，其特征在于，在步骤S002之前，端到端模型中可以加入注意力机制。
5.一种针对用户人格做叙事疗法的聊天机器人，其特征在于，依据如权利要求1-4任一项所述的一种针对用户人格做叙事疗法的聊天机器人开发方法制成。
CN202111640559.7A 2021-12-29 2021-12-29 一种针对用户人格做叙事疗法的聊天机器人及其开发方法 Pending CN114496168A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111640559.7A CN114496168A (zh) 2021-12-29 2021-12-29 一种针对用户人格做叙事疗法的聊天机器人及其开发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111640559.7A CN114496168A (zh) 2021-12-29 2021-12-29 一种针对用户人格做叙事疗法的聊天机器人及其开发方法

Publications (1)

Publication Number Publication Date
CN114496168A true CN114496168A (zh) 2022-05-13

Family

ID=81508426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111640559.7A Pending CN114496168A (zh) 2021-12-29 2021-12-29 一种针对用户人格做叙事疗法的聊天机器人及其开发方法

Country Status (1)

Country Link
CN (1) CN114496168A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766506A (zh) * 2017-10-20 2018-03-06 哈尔滨工业大学 一种基于层次化注意力机制的多轮对话模型构建方法
CN109547331A (zh) * 2018-11-22 2019-03-29 大连智讯科技有限公司 一种基于多轮语音聊天模型构建方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766506A (zh) * 2017-10-20 2018-03-06 哈尔滨工业大学 一种基于层次化注意力机制的多轮对话模型构建方法
CN109547331A (zh) * 2018-11-22 2019-03-29 大连智讯科技有限公司 一种基于多轮语音聊天模型构建方法
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

Similar Documents

Publication Publication Date Title
Adamopoulou et al. Chatbots: History, technology, and applications
Kandpal et al. Contextual Chatbot for healthcare purposes (using deep learning)
Fan et al. Phonetics and ambiguity comprehension gated attention network for humor recognition
Firdaus et al. I enjoy writing and playing, do you?: a personalized and emotion grounded dialogue agent using generative adversarial network
CN112364148B (zh) 一种基于深度学习方法的生成型聊天机器人
Mathur et al. A scaled‐down neural conversational model for chatbots
Cuesta-Lazaro et al. What does the sea say to the shore? A BERT based DST style approach for speaker to dialogue attribution in novels
Mishra et al. GenPADS: Reinforcing politeness in an end-to-end dialogue system
CN116401354A (zh) 一种文本处理方法、装置、存储介质及设备
Soudani et al. A Survey on Recent Advances in Conversational Data Generation
Stephan et al. Rlvf: Learning from verbal feedback without overgeneralization
Rohmatillah et al. Advances and challenges in multi-domain task-oriented dialogue policy optimization
CN114496168A (zh) 一种针对用户人格做叙事疗法的聊天机器人及其开发方法
CN117808011A (zh) 一种带有模拟情绪的聊天机器人的方法、介质及系统
Ressmeyer et al. “Deep faking” political twitter using transfe r learning and GPT-2
CN117370512A (zh) 回复对话的方法、装置、设备及存储介质
Kumar et al. Pesubot: An empathetic goal oriented chatbot
KR20230146398A (ko) 바트 모델을 활용한 시퀀셜 텍스트 요약 처리 장치 및 그 제어방법
Wang et al. Understanding differences between human language processing and natural language processing by the synchronized model
Huang et al. Using deep learning and an external knowledge base to develop human-robot dialogues
Mairesse Learning to adapt in dialogue systems: data-driven models for personality recognition and generation.
Khan et al. Conversational AI: Dialoguing Most Humanly With Non‐Humans
CN117133413B (zh) 一种基于nlp的用户心理状态评估方法及系统
Zhong et al. Question generation based on chat‐response conversion
CN115934909B (zh) 一种共情回复生成方法、装置、终端和存储介质

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