情感对话内容的生成方法和系统、存储介质技术方案

本发明专利技术提供一种情感对话内容的生成方法和系统、存储介质，涉及人工智能技术领域。该方法包括：获取待回复会话，并确定主题关键词和情感关键词；生成中间内容；将情感关键词、中间内容和主题关键词拼接，得到第一正向拼接序列和第一反向拼接序列，生成情感关键词侧的内容和主题关键词侧的内容；将情感关键词侧的内容、第一正向拼接序列和主题关键词侧的内容依次拼接，得到第二正向拼接序列；将主题关键词侧的内容、第一反向拼接序列和情感关键词侧的内容依次拼接，得到第二反向拼接序列；确定第二正向拼接序列和第二反向拼接序列作为回复会话的概率，将概率较大的拼接序列作为回复会话。由于回复会话中添加了情感关键词，能够与用户进行情感交互。

【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，本专利技术通过以下技术方案予以实现：第一方面，本专利技术提供的情感对话内容的生成方法包括：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。第二方面，本专利技术提供的情感对话内容的生成系统包括：关键词确定模块，用于获取待回复会话，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；中间内容生成模块，用于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；两侧内容生成模块，用于将所述情感关键词、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；回复会话确定模块，用于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。第三方面，本专利技术提供的计算机可读存储介质，其上存储有计算机程序，在处理器执行所述计算机程序时可实现以上生成方法。(三)有益效果本专利技术实施例提供的情感对话内容的生成方法和系统、存储介质，具备以下有益效果：确定了情感关键词和主题关键词，并以此为基础扩展出中间内容和两侧内容，进而得到带有感情色彩的回复会话。由于回复会话中添加了情感关键词，能够与用户进行情感交互。而且由于本专利技术能够准确的分析出会话主题，减少了答非所问的情况发生。另外，本专利技术对于不同方向的拼接序列，选择概率较大的一个作为回复序列，这样回复会话不局限于一种模式，具有多样性。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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示出了本专利技术一实施例中情感对话内容的生成方法的流程示意图；图2示出了本专利技术一实施例中主题关键词和情感关键词的确定流程示意图；图3示出了本专利技术一实施例中中间内容和两侧内容的确定流程示意图；图4示出了本专利技术实施例中根据生成的各部分确定回复会话的流程示意图；图5示出了本专利技术一实施例中情感对话内容的生成系统的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。第一方面，本专利技术提供一种情感对话内容的生成方法，如图1所示，该方法包括：S101、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；可理解的是，待回复会话实际上是用户会话，是用户手动输入或语音输入的。回复会话实际上是机器人会话，是机器人根据用户输入的会话进行的回复，也是本专利技术实施例想要确定的会话。为避免出现答非所问的情况，回复会话的主题实际上是和待回复会话的主题是一致的，所蕴含的情感也是一致的。因此可依据待回复会话确定回复会话的主题关键词和情感关键词。其中，如图2所示，主题关键词的确定过程可以包括以下步骤：S1011a、将所述待回复会话进行编码，得到第一特征向量；具体可以采用编码器(例如，序列神经网络，简称RNN)对待回复会话进行编码，得到第一特征向量，便于后续的计算。S1012a、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；隐含狄利克雷分布模型是一种文本主题归纳以及预测模型，简称为LDA模型。从NLPCC2017微博数据集中抽取了60000组对话数据作为LDA模型的训练数据，经过训练可以归纳出常见的主题类别有10个，共有1000个主题词，将1000个主题词形成主题知识库。这些主题词为根据先验知识归纳得到，可以称为先验主题信息。将待回复会话输入LDA模型，该模型分析输入的语句并将其归为主题类别中最合适的一类，即回复会话所倾向的主题类别。S1013a、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；S1014a、将所述第一特征向量以及第二特征向量均输入第一全连接神经网络层，以进行维度本文档来自技高网...

【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