CN115482912A - 对话机器自助心理干预系统及方法 - Google Patents
对话机器自助心理干预系统及方法 Download PDFInfo
- Publication number
- CN115482912A CN115482912A CN202211082660.XA CN202211082660A CN115482912A CN 115482912 A CN115482912 A CN 115482912A CN 202211082660 A CN202211082660 A CN 202211082660A CN 115482912 A CN115482912 A CN 115482912A
- Authority
- CN
- China
- Prior art keywords
- emotion
- psychological
- input text
- word
- similarity
- 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
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 or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
Abstract
本发明公开了一种对话机器自助心理干预系统,包括:心理对话交换终端,其用于与用户的交互;极端情绪识别系统,其用于识别极端情绪;咨询对话融合器,其用于按照预设的优先级顺序择一输出多个子系统过滤输出的内容,当极端情绪识别系统识别出极端情绪时,咨询对话融合器输出心理专业话术推荐系统过滤出的内容。本发明具有识别极端情绪,达到自助心理干预的有益效果。本发明提供一种对话机器自助心理干预方法,包括:识别用户的输入文本;识别输入文本是否属于预设的其中一种或多种情感模型,若是,则推荐输出匹配的心理专业话术;若不是,过滤推荐心理专业内容或心理场景对答数据或闲聊对答数据。具有识别极端情绪,达到自助心理干预的有益效果。
Description
技术领域
本发明涉及人工智能技术领域。更具体地说,本发明涉及一种对话机器自助心理干预系统及方法。
背景技术
心理服务的基础理念是助他人自助,即一个有心理问题的人通过咨询师的辅导来学习一套心理防御机制,在下一次心理问题出现的时候实现自己帮助自己。然而这种方式当前存在两种困难。首先,咨询师的资源是有限而且昂贵的,导致很多心理患者会被拖延或者无法支付咨询费用。另一方面,因为病耻感的原因,很多存在心理问题的人不愿意来主动寻找咨询服务,从而错失干预的时机。
面对人工心理咨询的困难,很多以心理内容如心理测评、科普文章、心理视频、冥想音频等为基础的产品应运而生,希望给用户提供一种自助式的服务。然而这些产品希望用户有一种特别强的动力来获取和使用这些内容,很多用户因为主动性不强而不知道或者不能完整用完这些内容。
对话机器人技术以人机对话的方式和用户交付,可以更多激发用户来更多的表达自己的想法,降低用户获取心理自助服务的难度和成本,得到越来越多的认可。然而,目前市场上存在的对话机器人系统用在心理服务和干预上存在两个难以调和的矛盾。第一,很多对话机器人系统建立在闲聊和其他生活需要的基础上,没有心理服务的专业知识,达不到心理干预的目的。第二,一些以心理专家知识为基础的对话系统专业性很强,但是用户使用过程中显得很枯燥,很无趣,达不到主动吸引用户表达内心想法的目的。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
为了实现根据本发明的这些目的和其它优点,提供了一种对话机器自助心理干预系统,包括:
心理对话交换终端,其用于与用户的交互,接收用户的输入信息;
极端情绪识别系统,其与所述心理对话交换终端连接,所述极端情绪识别系统用于识别判断输入信息的极端情绪;
咨询对话融合器,其与所述心理对话交换终端连接,用于按照预设的优先级顺序择一输出多个子系统过滤输出的内容至所述心理对话交换终端,其中,所述子系统包括优先级依次降低的心理专业话术推荐系统、心理专业内容推荐系统、心理QA大数据智能系统、闲聊大数据智能系统,当所述极端情绪识别系统识别出极端情绪时,所述咨询对话融合器输出所述心理专业话术推荐系统过滤出的内容至所述心理对话交换终端。
优选的是,还包括:情感模型库,其包括多种情感模型,每种情感模型包括情感模型阈值、多个情感关键词、每个情感关键词的权重系数;
所述极端情绪识别系统以所述心理对话交换终端的用户输入的文本为输入文本,调用分词工具处理得到输入文本的关键词,遍历每种情感模型,调用“识别情绪词算法”识别输入文本中的情感关键词及该情感关键词对应的权重,调用“情绪识别综合打分算法”计算每个输入文本的各情感模型的情感分数,并与对应的情感模型阈值比较,输出高于情感模型阈值的情感模型、识别出的情感关键词、所得情感分数。
优选的是,所述分词工具对输入文本进行分词,同时获取分词在输入文本中的位置信息,删除输入文本中的停顿词及对应的位置信息,识别输入文本中的否定词及对应的位置信息,识别输入文本中的转折词及对应的位置信息,识别输入文本中的程度词及对应的位置信息,剩余其它的词则为关键词。
优选的是,所述识别情绪词算法包括以下步骤:
a、获取输入文本的关键词kw1;
b、获取情绪模型中的情感关键词kw2和对应系数;
c、调用Sentence-BERT模型计算关键词kw1和情感关键词kw2的向量值v1和向量值v2;
d、计算向量v1和向量值v2的余弦相似度s12;
e、将余弦相似度s12采用公式s1=s12*s2折算为模型相似度;
f、判断关键词v1的前3个字的范围内是否识别出程度词,若有程度词,则查找程度词字典中该程度词级别,获取该程度词对应的程度权重Wj,采用程度词权重更新模型相似度s1=s1*Wj,其中,所述程度词字典包括多个程度词和每个程度词的程度权重;
若无程度词,则无需更新模型相似度s1;
g、判断模型相似度s1是否达到情感模型阈值,若未达到情感模型阈值,则重复步骤a~f继续判断下一关键词;
若达到情感模型阈值,则添加该关键词v1和模型相似度s1至情绪词列表,然后重复步骤a~f继续判断下一关键词;
h、重复步骤a~g,直至遍历输入文本中的所有关键词。
优选的是,所述情绪识别综合打分算法包括以下步骤:
Ⅰ、获取情绪词及模型分数(模型相似度s1);
Ⅱ、获取该情绪词在输入文本中的位置信息;
Ⅲ、统计输入文本中的转折词的个数N;
判断转折词个数N为偶数,则赋予权重系数W为1,若转折词个数N为奇数,则赋予权重系数W为-1;
Ⅳ、判断该情绪词前3个字的范围内是否识别出否定词,如果没有否定词,则更新综合情绪分数S=S+s1*W;
如果有否定词,则更新权重系数W=W*(-1),并且更新综合情绪分数S=S+s1*W;
Ⅴ、重复步骤步骤Ⅰ~Ⅳ,直至遍历情绪词列表中的所有情绪词,计算得到所有情绪词的综合情绪分数的总分数,即情感分数;
Ⅵ、判断情感分数是否达到对应的情感模型阈值,若达到情感模型阈值,则输出对应的情感模型、情绪词、情感分数。
优选的是,所述心理专业话术推荐系统与多个话术库连接,所述话术库包括危机干预话术库和心理干预话术库,所述危机干预话术库的优先级高于所述心理干预话术库;
当所述极端情绪识别系统识别得到输入文本属于其中一种或多种情感模型时,启动所述心理专业话术推荐系统,并推荐所述危机干预话术库的话术或所述心理干预话术库的话术。
优选的是,还包括心理专业内容库,其包括预设有权重的自心理测评库、专业正念冥想库、心理科普文章库、心理视频库;
当所述极端情绪识别系统识别得到输入文本不属于任何一种情感模型时,所述心理专业内容推荐系统采用关键词匹配法匹配输入文本与心理专业内容,然后采用BERT向量的相似性计算方法,计算输入文本和达到关键词匹配标准的心理专业内容的语言相似性,并且更新对应的心理专业内容库的权重叠加到语言相似性上,根据预先设定的相似性阈值,过滤出达到相似性阈值的心理专业内容库的专业内容,取出过滤后相似性最高的多个专业内容,并且随机抽取一个专业内容通过所述咨询对话融合器输出。
优选的是,所述心理QA大数据智能系统收集海量心理咨询场景的问答对数据,所述心理QA大数据智能系统调用自动问答算法输出对答信息,并通过所述咨询对话融合器输出。
优选的是,所述闲聊大数据智能系统调用闲聊问答接口输出对答信息,并通过所述咨询对话融合器输出。
提供一种对话机器自助心理干预方法,包括以下步骤:
步骤一、识别用户的输入文本;
步骤二、识别并判断输入文本是否为属于预设的其中一种或多种情感模型,若是,则推荐输出匹配的心理专业话术;
若不是,则将输入文本与心理专业内容进行关键词匹配和相似性计算,过滤取出达到预设的相似性阈值,并且相似性最高的多个心理专业内容,并且随机抽取一个心理专业内容输出;
步骤三、当未有达到相似性阈值的心理专业内容时,则从海量的心理咨询场景的问答对数据中筛选出与输入文本匹配的对答数据;
步骤四、当未有匹配的对答数据时,则选取与输入文本的关联性最优的闲聊对答数据输出。
本发明至少包括以下有益效果:
第一、本发明通过对话机器人技术把有众多能够服务于自助心理服务的电子心理干预方案、心理学专业内容、转介和危机干预的信息,个性化地带到心理用户面前,方便轻度和中度的心理困扰用户客户心理咨询昂贵和病耻感的障碍,极大地降低了心理健康预防的成本和效率。
第二、本发明把用户极端情绪识别作为重点,不但能够帮助用户应对生活中一些危机的情况,也会在单位使用的时候提供不错的危机干预信息。
第三、本专利适应了应对疫情后全球性心理危机的需求,可大大提高心理服务的覆盖度,实现真正的心理服务普惠化。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的其中一种技术方案的所述心理干预系统的框架结构示意图;
图2为本发明的其中一种技术方案的所述极端情绪识别系统的流程图;
图3为本发明的其中一种技术方案的所述极端情绪模型的类别;
图4为本发明的其中一种技术方案的所述极端情绪模型关键词字典示例;
图5为本发明的其中一种技术方案的识别情绪词算法流程图;
图6为本发明的其中一种技术方案的情绪识别综合打分算法流程图;
图7为本发明的其中一种技术方案的所述心理干预系统的人机对话流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,在本发明的描述中,术语指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1~7所示,本发明提供一种对话机器自助心理干预系统,其包括心理对话交换终端101和咨询对话融合器100,以及与咨询对话融合器100连接的极端情绪识别系统102、心理专业话术推荐系统103、心理专业内容推荐系统104、心理QA大数据智能系统105、和闲聊大数据智能系统106。心理专业话术推荐系统103连接危机干预话术库107和心理干预话术库108等话术库。心理专业内容推荐系统104连接心理测评库109、专业正念冥想库110、心理科普文章库111、和心理视频库112等专业心理内容库。心理QA大数据智能系统105通过调用自然语言的深度学习模型给一个心理问题匹配相应的答案。闲聊大数据智能系统106通过调用公共平台听的闲聊数据库回答用户提出的问题。
极端情绪识别系统102:
所述极端情绪识别系统102以用户输入的一段文字为输入信息,通过一系列的计算,最后输出一组极端情绪(属于何种情绪模型)、相应的情感分数、和与该情绪相关的词句(情绪词),供调用此算法的步骤继续使用。
如图2所示,极端情绪识别系统102的算法流程包括如下步骤:
步骤200、开始极端情绪识别。
步骤201、调用中文分词工具如Jieba,对用户输入文本进行分词,并获取分词在文本中的位置信息。
步骤202、去掉文本中的停顿词和相应的位置信息。
步骤203、识别文本中的否定词和对应的位置信息。
步骤204、识别文本中的转折词和对应的位置信息。
步骤205、识别文本中的程度词和对应的位置信息。
步骤206、判断是否遍历完了所有情感关键词模型。如果遍历完了,跳转步骤212;否则,进入步骤207。本专利覆盖涉及青少年和年轻人的16种不同的极端情绪(情绪模型),如图3所示,这些极端情绪包括自杀、网赌、抑郁、网瘾、校园霸凌、失恋、失眠、焦虑、同性恋、性侵、家暴、性瘾、毒瘾、暴食、自残等。每一个极端情绪配置多个关键词,而且每个关键词附带有一个与该情绪相关的一个系数,如图4所示,这里列举了自杀、网赌、抑郁、网瘾、校园霸凌等5中极端情绪模型字典的部分内容。
步骤207、取出该模型的关键词和阈值参数。
步骤208、调用“识别情绪词算法”,获取与该情绪相关的情绪词。这个步骤里面还有更多步骤,将在下面详细说明。
步骤209、调用“情绪识别综合打分算法”,计算情感分数。这个步骤里面还有更多步骤,将在下面详细说明。
步骤210、判断步骤209计算的情感分数有没有高于该情感模型在步骤207中取出来的阈值。如果情感分数高于阈值,进入下一步骤211;否则,说明该文本中不包括该情感模型,流程跳转到步骤206,判断是否要遍历下一个情感模型。
步骤211、添加该情感模型编号、识别出的关键词、以及情感分数等参数到预警列表中。然后流程跳转到步骤206,判断是否要遍历下一个情感模型。
步骤212、返回识别出来的极端情绪预警列表。流程走到这里说明算法已经完成了对所有极端情绪的识别。
步骤213、结束极端情绪识别。
识别情绪词算法208:
所述情绪词识别算法208,使用深度学习模型计算词与词,短语与短语之间的相似性,通过比对相似性和模型阈值来选择相关关键词和短语。
情绪词识别算法208的算法流程包括如下步骤:
步骤300、开始情绪词识别。
步骤301、判断是否遍历完文本中的所有关键词。如果遍历完了,跳转到步骤313,返回情绪词列表;否则,进行下一步。
步骤302、获取文本中的一个关键词kw1。
步骤303、判断是否遍历完该情绪模型中的所有关键词。如果遍历完了,跳转到步骤301,判断是否还有关键词需要处理;否则,进行下一步。
步骤304、获取情绪模型中的当前关键词kw2和相关系数s2。
步骤305、调用Sentence-BERT模型计算kw1和kw2的向量值v1和v2。Bert模型已经在NLP各大任务中都展现出了强者的姿态。在语义相似度计算(semantic textualsimilarity)任务上也不例外,但是,由于bert模型规定,在计算语义相似度时,需要将两个句子同时进入模型,进行信息交互,这造成大量的计算开销。例如,有10000个句子,我们想要找出最相似的句子对,需要计算(10000*9999/2)次,需要大约65个小时。Sentence-BERT网络结构用来解决bert模型的不足。简单通俗地讲,就是借鉴孪生网络模型的框架,将不同的句子输入到两个bert模型中(但这两个bert模型是参数共享的,也可以理解为是同一个bert模型),获取到每个句子的句子表征向量;而最终获得的句子表征向量,可以用于语义相似度计算,也可以用于无监督的聚类任务。对于同样的10000个句子,我们想要找出最相似的句子对,只需要计算10000次,需要大约5秒就可计算完全。
步骤306、计算向量v1和v2的cosine相似度s12。Cosine相似度(余弦相似度)是一个normalized(正规化)的计算方法,计算文本相似度比较合适。
步骤307、把向量cosine相似度s12折算为模型相似度s1=s12*s2。
步骤308、判断情绪词的前3个字的范围内时候有识别出来的程度词。我们事先建立好了一个不同级别的程度词字典,可以快速查阅。如果3个字的范围内有程度词,进入下一步309;否则,跳转到步骤311。
步骤309、查找出该程度词级别,获取相对应的程度权重Wj。
步骤310、用程度词权重Wj更新模型相似度s1=s1*Wj。
步骤311、判断模型相似度s1是否达到模型阈值。如果没有达到,跳转到步骤303,处理下一个模型关键词;否则,进入下一步312。
步骤312、添加关键词kw1和相似度s1到情绪词列表中。然后跳转到步骤303,处理下一个模型关键词。
步骤313、返回情绪词列表。
步骤314、结束情绪词识别。
情绪识别综合打分算法209:
所述情绪识别综合打分算法209,针对情绪词识别算法208识别出来的所有情绪词,考虑否定词和转折词,计算这段文本的综合情绪分数。因为整个算法关注的是极端情绪,而不是整个的情绪,所以我们的算法能够做得一定程度的简化。
情绪识别综合打分算法209的算法流程包括如下步骤:
步骤400、开始情绪综合打分。
步骤401、初始化针对一个极端情绪模型的分数S=0。
步骤402、判断是否遍历完识别出来的所有情绪词。如果已经遍历完了,跳转到步骤412,返回总分数;否则,进入下一步403。
步骤403、获取当前情绪词kw1和对应的模型分数s1。
步骤404、获取当前情绪词在文本中的位置信息。
步骤405、统计文本中转折词的个数,设为num(N)。
步骤406、判断转折词个数num是否为偶数。如果为偶数,跳转步骤407;否则,也就是为奇数,跳转步骤408。
步骤407、赋予权重系数W为1。
步骤408、赋予权重系数W为-1。
步骤409、判断情绪词前3个字的范围内是否识别出否定词。如果没有否定词,跳转到步骤411;否则,进入下一步410。
步骤410、更新权重系数W=W*(-1)。
步骤411、更新综合情绪分数S=S+s1*W。
步骤412、返回总分数S。
专业话术推荐系统104:
所述心理专业话术推荐系统103按照一个设定的优先级依次调用危机干预话术库107和心理干预话术库108的话术,按照设定的阈值来决定启用哪个话术,或者不启用哪个话术。心理专业话术推荐系统103对危机干预话术库107和心理干预话术库108每一个话术建立语言模型,允许一个话术对应多个自然语言表达。心理专业话术推荐系统103针对危机干预话术库107和心理干预话术库108有不同的计算模型。对于危机干预话术库107,心理专业话术推荐系统103用一套情感分析的计算程序,来判断用户语言中针对任何一种极端情绪的倾向。如果这个倾向值大于一个设定的阈值,对应的极端情绪话术就被启动。对于心理干预话术库108,心理专业话术推荐系统103用一套基于BERT向量的相似性计算程序,来计算用户语言和哪个专业话术的相似性最高。如果最高相似性大于一个设定的阈值,对应的专业话术就被启动。因为危机干预的重要性高于一般的心理话术干预,心理专业话术推荐系统103先考虑危机干预的推荐,再考虑专业心理话术的推荐。
所述危机干预话术库107和心理干预话术库108采用当前对话机器人技术的对话形式,一个话术相当于一个人机对话的计算机程序,由多个计算机的提示问话和多个回答组成。同一个问话,根据人工回答的不一样,计算机可以有不同的应对话语、引导话语和一些专业的心理工具来回应或者进一步引导用户。危机干预话术库107管理一系列用于自我危机干预的对话程序。这些对话程序会诊断危机程度、转介危机干预热心、并且调用心理和情绪调节的话术进行干预。危机干预话术库107包括自杀、网赌、抑郁、网瘾、校园霸凌、失恋、失眠、焦虑、同性恋、性侵、家暴、性瘾、毒瘾、暴食、自残、厌食等16种极端情绪。心理干预话术库108管理一系列基于CBT的对话程序。CBT基于一种我们对事件的解释会影响我们的思想和感觉的思想。通过学习以不同的方式思考问题,重新构想,改变某些行为,让用户感觉更好,并且更有能力过自己想要的生活。从2014年起,电子认知行为疗法(CCBT)蓬勃发展,越来越多的临床试验证明其有效性,甚至取得比常规的面对面治疗方法更有效,更受欢迎的效果。心理干预话术库108包括《缓解内心焦虑对话》、《缓解抑郁情绪对话》、《改善失眠问题对话》、《走出情绪低落对话》、《减轻孤独感受对话》、《缓解愤怒情绪对话》、《减少内心悲伤对话》、《缓解沮丧情绪对话》、《应对冷漠情绪对话》等。
心理专业内容推荐系统:
所述心理专业内容推荐系统104按照不同的权重同时考虑来自心理测评库109、专业正念冥想库110、心理科普文章库111、和心理视频库112的专业心理内容,在匹配最好的几个内容中随机选择专业心理内容推荐给用户。心理专业内容推荐系统104对心理测评库109、专业正念冥想库1107、心理科普文章库111、和心理视频库112每一个内容建立语言模型,允许一个内容对应多个自然语言表达。心理专业内容推荐系统104在基于一种常规的关键词匹配结果的基础上,用一套基于BERT向量的相似性计算程序,来计算用户语言和达到关键词匹配标准的专业内容的语言相似性,并且把不同内容库的权重叠加到相似性上。根据预先设定的相似性阈值,过滤出达到此阈值的专业内容,取出过滤后相似性最高的几个专业内容,从中随机抽取内容推荐给用户。
QA大数据智能系统105:
所述心理QA大数据智能系统105收集和管理海量的基于心理咨询场景的问答对数据,考虑心理咨询的知识图谱信息,调用自动问答算法输出答案。
闲聊大数据智能系统106:
所述闲聊大数据智能系统106通过调用目前市场上比较成熟的闲聊问答接口来获取答案,这些答案可能没有心理咨询的专业性,但是在保障对话的流畅性方面起到不错的衔接作用。
咨询对话融合器100:
所述咨询对话融合器100按照一个设定的优先级依次调用极端情绪识别系统102、心理专业话术推荐系统103、心理专业内容推荐系统104、心理QA大数据智能系统105、闲聊大数据智能系统106等子系统输出的内容,并按照设定的过滤原则来决定哪个子系统的输出作为心理对话交换终端102的输出。
请参阅图2,咨询对话融合器100利用上述系统的构建一个人机对话流程,包括如下步骤:
步骤0、开始任意一轮心理对话。
步骤1、获取用户输入文本内容。
步骤2、从文本中识别极端情绪。
步骤3、判断是否文本中有极端情绪。如果有极端情绪,进入步骤4,进入识别出来的极端情绪干预模块;如果没有极端情绪,进入步骤5,尝试推荐专业心理干预话术。
步骤4、进入识别出来的极端情绪干预模块。
步骤5、推荐专业心理干预话术。
步骤6、判断是否需要心理话术干预。如果有合适的专业心理干预话术,进入步骤8,进入推荐出来的心理干预对话模块;如果没有合适干预话术,进入步骤7,尝试推荐心理内容。
步骤7、推荐专业心理内容。
步骤8、进入推荐出来的心理干预对话模块。
步骤9、判断是否有合适的专业心理内容推荐。如果有合适的专业心理内容推荐,进入步骤10,推出合适的专业心理内容供用户使用;如果没有合适的专业心理内容推荐,进入步骤11,调用心理问答系统。
步骤10、推出合适的专业心理内容供用户使用。
步骤11、调用心理问答系统。
步骤12、判断是否有合适的心理问答内容推荐。如果有合适的心理问答内容推荐,进入步骤13,输出问答答案;如果没有合适的心理问答内容推荐,进入步骤14,调用闲聊对话接口。
步骤13、输出问答答案。
步骤14、调用多个闲聊对话接口。
步骤15、评估选择闲聊内容。针对来自多个接口的闲聊答案,考虑它们与问题的关联性和答案质量,进行综合评估,选出最恰当的闲聊对话答案。
步骤16、判断是否有恰当的闲聊对话答案。如果有恰当的闲聊答案,进入步骤17,输出闲聊答案;如果没有恰当的闲聊答案,进入步骤18,输出回答不出文本。
步骤17、输出闲聊内容。
步骤18、输出回答不出文本。
步骤19、结束本轮心理对话。其实对话流程一直挂在那里,又可以回到步骤0,继续对话。
本发明揭示了一种识别多种极端情绪,融合多种数据和知识的自助式心理服务机器人系统,该系统采用标准的B/S架构,由心理咨询专业团队使用的数据后台管理专业心理内容,特别是对话逻辑,由心理用户使用的移动终端,多种人工智能算法通过分析用户的意图,推荐最合适的心理干预内容给用户,达到心理用户自助获取心理干预的目的。本发明有两个亮点,其一,该系统具有精准度高,范围广的极端情绪识别算法,不但能够给心理健康的管理者提供重要线索,也会让推荐算法提高针对极端情绪用户的精准度;其二,该系统的推荐算法融合了包括专业对话咨询、专业心理测评、专业正念冥想练习、心理科普文章和视频、心理问答、闲聊对话等多种形式内容,不但极大的丰富了对话交付中的内容,而且给不断优化个性化干预效果提供了很大的空间。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.对话机器自助心理干预系统,其特征在于,包括:
心理对话交换终端,其用于与用户的交互,接收用户的输入信息;
极端情绪识别系统,其与所述心理对话交换终端连接,所述极端情绪识别系统用于识别判断输入信息的极端情绪;
咨询对话融合器,其与所述心理对话交换终端连接,用于按照预设的优先级顺序择一输出多个子系统过滤输出的内容至所述心理对话交换终端,其中,所述子系统包括优先级依次降低的心理专业话术推荐系统、心理专业内容推荐系统、心理QA大数据智能系统、闲聊大数据智能系统,当所述极端情绪识别系统识别出极端情绪时,所述咨询对话融合器输出所述心理专业话术推荐系统过滤出的内容至所述心理对话交换终端。
2.如权利要求1所述的对话机器自助心理干预系统,其特征在于,还包括:情感模型库,其包括多种情感模型,每种情感模型包括情感模型阈值、多个情感关键词、每个情感关键词的权重系数;
所述极端情绪识别系统以所述心理对话交换终端的用户输入的文本为输入文本,调用分词工具处理得到输入文本的关键词,遍历每种情感模型,调用“识别情绪词算法”识别输入文本中的情感关键词及该情感关键词对应的权重,调用“情绪识别综合打分算法”计算每个输入文本的各情感模型的情感分数,并与对应的情感模型阈值比较,输出高于情感模型阈值的情感模型、识别出的情感关键词、所得情感分数。
3.如权利要求2所述的对话机器自助心理干预系统,其特征在于,所述分词工具对输入文本进行分词,同时获取分词在输入文本中的位置信息,删除输入文本中的停顿词及对应的位置信息,识别输入文本中的否定词及对应的位置信息,识别输入文本中的转折词及对应的位置信息,识别输入文本中的程度词及对应的位置信息,剩余其它的词则为关键词。
4.如权利要求3所述的对话机器自助心理干预系统,其特征在于,所述识别情绪词算法包括以下步骤:
a、获取输入文本的关键词kw1;
b、获取情绪模型中的情感关键词kw2和对应系数;
c、调用Sentence-BERT模型计算关键词kw1和情感关键词kw2的向量值v1和向量值v2;
d、计算向量v1和向量值v2的余弦相似度s12;
e、将余弦相似度s12采用公式s1=s12*s2折算为模型相似度;
f、判断关键词v1的前3个字的范围内是否识别出程度词,若有程度词,则查找程度词字典中该程度词级别,获取该程度词对应的程度权重Wj,采用程度词权重更新模型相似度s1=s1*Wj,其中,所述程度词字典包括多个程度词和每个程度词的程度权重;
若无程度词,则无需更新模型相似度s1;
g、判断模型相似度s1是否达到情感模型阈值,若未达到情感模型阈值,则重复步骤a~f继续判断下一关键词;
若达到情感模型阈值,则添加该关键词v1和模型相似度s1至情绪词列表,然后重复步骤a~f继续判断下一关键词;
h、重复步骤a~g,直至遍历输入文本中的所有关键词。
5.如权利要求4所述的对话机器自助心理干预系统,其特征在于,所述情绪识别综合打分算法包括以下步骤:
Ⅰ、获取情绪词及模型分数(模型相似度s1);
Ⅱ、获取该情绪词在输入文本中的位置信息;
Ⅲ、统计输入文本中的转折词的个数N;
判断转折词个数N为偶数,则赋予权重系数W为1,若转折词个数N为奇数,则赋予权重系数W为-1;
Ⅳ、判断该情绪词前3个字的范围内是否识别出否定词,如果没有否定词,则更新综合情绪分数S=S+s1*W;
如果有否定词,则更新权重系数W=W*(-1),并且更新综合情绪分数S=S+s1*W;
Ⅴ、重复步骤步骤Ⅰ~Ⅳ,直至遍历情绪词列表中的所有情绪词,计算得到所有情绪词的综合情绪分数的总分数,即情感分数;
Ⅵ、判断情感分数是否达到对应的情感模型阈值,若达到情感模型阈值,则输出对应的情感模型、情绪词、情感分数。
6.如权利要求5所述的对话机器自助心理干预系统,其特征在于,所述心理专业话术推荐系统与多个话术库连接,所述话术库包括危机干预话术库和心理干预话术库,所述危机干预话术库的优先级高于所述心理干预话术库;
当所述极端情绪识别系统识别得到输入文本属于其中一种或多种情感模型时,启动所述心理专业话术推荐系统,并推荐所述危机干预话术库的话术或所述心理干预话术库的话术。
7.如权利要求5所述的对话机器自助心理干预系统,其特征在于,还包括心理专业内容库,其包括预设有权重的自心理测评库、专业正念冥想库、心理科普文章库、心理视频库;
当所述极端情绪识别系统识别得到输入文本不属于任何一种情感模型时,所述心理专业内容推荐系统采用关键词匹配法匹配输入文本与心理专业内容,然后采用BERT向量的相似性计算方法,计算输入文本和达到关键词匹配标准的心理专业内容的语言相似性,并且更新对应的心理专业内容库的权重叠加到语言相似性上,根据预先设定的相似性阈值,过滤出达到相似性阈值的心理专业内容库的专业内容,取出过滤后相似性最高的多个专业内容,并且随机抽取一个专业内容通过所述咨询对话融合器输出。
8.如权利要求5所述的对话机器自助心理干预系统,其特征在于,所述心理QA大数据智能系统收集海量心理咨询场景的问答对数据,所述心理QA大数据智能系统调用自动问答算法输出对答信息,并通过所述咨询对话融合器输出。
9.如权利要求5所述的对话机器自助心理干预系统,其特征在于,所述闲聊大数据智能系统调用闲聊问答接口输出对答信息,并通过所述咨询对话融合器输出。
10.基于权利要求1~9任一项所述的系统的对话机器自助心理干预方法,其特征在于,包括以下步骤:
步骤一、识别用户的输入文本;
步骤二、识别并判断输入文本是否为属于预设的其中一种或多种情感模型,若是,则推荐输出匹配的心理专业话术;
若不是,则将输入文本与心理专业内容进行关键词匹配和相似性计算,过滤取出达到预设的相似性阈值,并且相似性最高的多个心理专业内容,并且随机抽取一个心理专业内容输出;
步骤三、当未有达到相似性阈值的心理专业内容时,则从海量的心理咨询场景的问答对数据中筛选出与输入文本匹配的对答数据;
步骤四、当未有匹配的对答数据时,则选取与输入文本的关联性最优的闲聊对答数据输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211082660.XA CN115482912A (zh) | 2022-09-06 | 2022-09-06 | 对话机器自助心理干预系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211082660.XA CN115482912A (zh) | 2022-09-06 | 2022-09-06 | 对话机器自助心理干预系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115482912A true CN115482912A (zh) | 2022-12-16 |
Family
ID=84424398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211082660.XA Pending CN115482912A (zh) | 2022-09-06 | 2022-09-06 | 对话机器自助心理干预系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115482912A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662503A (zh) * | 2023-05-22 | 2023-08-29 | 深圳市新美网络科技有限公司 | 私域用户场景话术推荐方法及其系统 |
-
2022
- 2022-09-06 CN CN202211082660.XA patent/CN115482912A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662503A (zh) * | 2023-05-22 | 2023-08-29 | 深圳市新美网络科技有限公司 | 私域用户场景话术推荐方法及其系统 |
CN116662503B (zh) * | 2023-05-22 | 2023-12-29 | 深圳市新美网络科技有限公司 | 私域用户场景话术推荐方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2747425C2 (ru) | Система ответа на вопросы из разных областей знаний в режиме реального времени | |
Wieder | On meaning by rule | |
CN110148318B (zh) | 一种数字助教系统、信息交互方法和信息处理方法 | |
CN108536681A (zh) | 基于情感分析的智能问答方法、装置、设备及存储介质 | |
CN111833853B (zh) | 语音处理方法及装置、电子设备、计算机可读存储介质 | |
CN109564783A (zh) | 在自动聊天中辅助心理治疗 | |
JP6034400B2 (ja) | 認知の歪み修正支援システム、ユーザ意識情報引き出し方法およびそのためのプログラム | |
US20140186818A1 (en) | Computer based system and method for assisting an interviewee in remembering and recounting information about a prior event using a cognitive interview and natural language processing | |
KR20020067592A (ko) | 개인 상호 작용을 시뮬레이트하고 유저의 정신 상태및/또는 인격에 응답하는 유저 인터페이스/엔터테인먼트장치 | |
CN111368053B (zh) | 基于法律咨询机器人的情绪安抚系统 | |
KR102334583B1 (ko) | 대화식 질의 시스템에서 교육 컨텐츠에 관한 학습자 질의에 응답하기 위한 질의 응답 방법 및 질의 응답 시스템 | |
CN107544956B (zh) | 一种文本要点检测方法及系统 | |
CN112164477A (zh) | 基于知识图谱的高血压患者智能问答系统及其建立方法 | |
CN111300443B (zh) | 基于法律咨询机器人的情绪安抚方法 | |
Tseng et al. | Approaching Human Performance in Behavior Estimation in Couples Therapy Using Deep Sentence Embeddings. | |
CN115482912A (zh) | 对话机器自助心理干预系统及方法 | |
CN112085392A (zh) | 一种学习参与度确定方法、装置及计算机设备 | |
Lin et al. | Supervisorbot: Nlp-annotated real-time recommendations of psychotherapy treatment strategies with deep reinforcement learning | |
CN114334163A (zh) | 抑郁症诊断对话数据集生成方法、电子设备和存储介质 | |
CN113035232B (zh) | 一种基于语音识别的心理状态预测系统、方法及装置 | |
CN114971658B (zh) | 一种反诈宣传方法、系统、电子设备以及存储介质 | |
CN111400472A (zh) | 一种法律咨询智能问答方法及系统 | |
Rose et al. | Generation and Classification of Motivational-Interviewing-Style Reflections for Smoking Behaviour Change Using Few-Shot Learning with Transformers | |
CN115204187A (zh) | 一种基于真人对话语料的话术流程挖掘辅助方法和系统 | |
Yoshino et al. | Dialog management of healthcare consulting system by utilizing deceptive information |
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 |