【技术实现步骤摘要】
情感对话内容的生成方法和系统、存储介质
本专利技术涉及人工智能
,具体涉及一种情感对话内容的生成方法和系统、存储介质。
技术介绍
近年来,随着人工智能与深度学习技术的发展,情感机器人作为市场潜力巨大的商业应用而逐渐受到社会上的关注。而情感对话作为情感机器人与用户之间交互的主要方式,是情感机器人的核心技术之一,在“个性化用户建模”、“机器人陪护”、“儿童教育”等方面都有着非常广泛的应用前景。然而,现有的对话技术只是单纯的对用户的对话进行语义分析,然后利用自然语言处理相关技术直接生成机器人的回复。在整个过程中,情感因素并没有真正的被纳入对话生成的考量中。所以,目前的情感机器人大部分只停留在了“情感分析”的层次,离真正的”情感交互”仍有很大的距离。而在人们的日常交流中,70~80%的内容都是包含情感信息的。所以说,如果机器人无法对用户对话中的情感作出相应的反馈,无疑会大大降低产品的实际体验效果。换句话说,如果机器人可以在对话中及时对用户的情感作出反应,就可以提高交互的效率,在同等条件下让用户更易接受产品。并且,能够回应用户的情感,在某些场景下也是必不可少的,例如:在空巢老人的陪护中,有情感的交流能够提升老人的幸福感和归属感,减轻老人的心理负担;在抑郁症、自杀倾向的心理治疗中,对患者进行正确的情感引导,甚至可以挽救年轻的生命。由此可见,情感作为人机交互的核心,是对话技术必须越过的一道门槛。
技术实现思路
(一)解决的技术问题针对现有技术的不足,本专利技术提供了一种情感对话内容的生成方法和系统、存储介质,能够与用户进行情感交互。(二)技术方案为实现以上目的,本专利 ...
【技术保护点】
1.一种情感对话内容的生成方法,其特征在于,包括:获取待回复会话,并确定所述待回复会话的回复会话的主题关键词和情感关键词;根据所述待回复会话、所述主题关键词和所述情感关键词,生成中间内容;其中,所述中间内容为所述回复会话中所述主题关键词和所述情感关键词之间的内容;将所述情感关键词、所述中间内容和所述主题关键词依次拼接,得到第一正向拼接序列,并根据所述第一正向拼接序列生成所述回复会话中情感关键词侧的内容;将所述主题关键词、所述中间内容和所述情感关键词依次拼接,得到第一反向拼接序列,并根据所述第一反向拼接序列生成所述回复会话中主题关键词侧的内容;将所述情感关键词侧的内容、所述第一正向拼接序列和所述主题关键词侧的内容依次拼接,得到第二正向拼接序列;将所述主题关键词侧的内容、所述第一反向拼接序列和所述情感关键词侧的内容依次拼接,得到第二反向拼接序列;确定所述第二正向拼接序列和所述第二反向拼接序列作为所述回复会话的概率,并将概率较大的拼接序列作为所述回复会话。
【技术特征摘要】
1.一种情感对话内容的生成方法,其特征在于,包括:获取待回复会话,并确定所述待回复会话的回复会话的主题关键词和情感关键词;根据所述待回复会话、所述主题关键词和所述情感关键词,生成中间内容;其中,所述中间内容为所述回复会话中所述主题关键词和所述情感关键词之间的内容;将所述情感关键词、所述中间内容和所述主题关键词依次拼接,得到第一正向拼接序列,并根据所述第一正向拼接序列生成所述回复会话中情感关键词侧的内容;将所述主题关键词、所述中间内容和所述情感关键词依次拼接,得到第一反向拼接序列,并根据所述第一反向拼接序列生成所述回复会话中主题关键词侧的内容;将所述情感关键词侧的内容、所述第一正向拼接序列和所述主题关键词侧的内容依次拼接,得到第二正向拼接序列;将所述主题关键词侧的内容、所述第一反向拼接序列和所述情感关键词侧的内容依次拼接,得到第二反向拼接序列;确定所述第二正向拼接序列和所述第二反向拼接序列作为所述回复会话的概率,并将概率较大的拼接序列作为所述回复会话。2.根据权利要求1所述的生成方法,其特征在于,确定所述回复会话的主题关键词,包括:将所述待回复会话进行编码,得到第一特征向量;将所述待回复会话输入隐含狄利克雷分布模型,得到所述回复会话所倾向的主题类别;将所述回复会话所倾向的主题类别转换为对应的第二特征向量;将所述第一特征向量以及所述第二特征向量均输入第一全连接神经网络层,以进行维度转换;根据所述第一全连接神经网络层的输出数据,计算预设的多个主题类别中的每一个主题词出现在所述回复会话中的概率,并将概率最大的主题词作为所述主题关键词;所述多个主题类别中包括所述回复会话所倾向的主题类别,所述回复会话所倾向的主题类别中的主题词的计算权重比其他主题类别中的主题词的计算权重大。3.根据权利要求2所述的生成方法,其特征在于,确定所述回复会话的情感关键词,包括:将所述待回复会话输入情感转移网络,得到所述回复会话所倾向的情感类别;将所述回复会话所倾向的情感类别转换为对应的第三特征向量;将所述第一特征向量以及所述第三特征向量均输入第二全连接神经网络层,以进行维度转换;根据所述第二全连接神经网络层的输出数据,计算预设的多个情感类别中的每一个情感词出现在所述回复会话中的概率,并将概率最大的情感词作为所述情感关键词;所述多个情感类别中包括所述回复会话所倾向的情感类别;所述回复会话所倾向的情感类别中的情感词的计算权重比其他情感类别中的情感词的计算权重大。4.根据权利要求2所述的生成方法,其特征在于,所述生成中间内容,包括:根据所...
【专利技术属性】
技术研发人员:孙晓,李静远,丁帅,杨善林,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。