一种面向聊天机器人的混合策略式情感安抚系统技术方案

本发明专利技术公开了一种面向聊天机器人的混合策略式情感安抚系统和方法，以情感计算为核心并以此为基础具备任务完成、自动问答等一系列能力，有效填补了目前市场上已有的聊天机器人的各种不足。其技术方案为：系统包括：面向情感计算的语言理解模块，从用户查询中识别出当前用户查询的意图标签、关键词槽和可能蕴含的情感类别；面向情感计算的对话管理模块，为用户查询生成候选用户响应，根据通过多轮对话确定的对话状态对生成的候选情感响应进行重排序，并生成重排序的用户响应；面向情感计算的语言生成模块，对面向情感计算的对话管理模块输出的重排序的用户响应，根据用户设定的机器人画像生成最终的用户响应。

【技术实现步骤摘要】
一种面向聊天机器人的混合策略式情感安抚系统
本专利技术涉及一种人机交互技术，尤其涉及一种面向聊天机器人的混合策略式情感安抚系统。
技术介绍
让机器和人聊天，是近几年人工智能领域最具挑战性的任务之一，得到了学术界和工业界的持续关注。1966年麻省理工学院(MIT)约瑟夫·魏泽鲍姆开发出ELIZA聊天系统，用于模拟心理医生。2011年IBM研发出深度问答系统Watson，在《危险边缘》的电视节目中成功击败了人类。2014年，微软推出了智能聊天机器人“小冰”和“小娜”，受到广泛关注。如今，以“小AI音箱”，“天猫精灵”为代表的智能音箱系统走进千家万户。不难看出，人机对话的技术得到了长足发展，应用范围涵盖了心理治疗、问答、闲聊、任务完成等场景，并快速深入各行各业。情感和情绪的理解是人类最重要的认知行为之一，为了实现具有人类水平的行为和交流能力，机器人必须能够理解人类的认知行为。MIT副教授辛西娅·布雷齐尔曾提出，聊天机器人最重要的两个维度是使用价值和情感纽带。过分强调使用价值，机器人就会变成工具；但若只有情感纽带，机器人就变成了玩具。因此，兼具任务完成和情感计算的能力，是聊天机器人能真正体现其价值的一个重要的先决条件。所谓情感计算，就是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的、全面的智能。目前市场上已有的聊天机器人的架构如图1所示，是一种先语言理解，再对话管理，最后进行语言生成的基础框架。现有的聊天机器人有多种不足之处，主要体现在如下方面：1.功能特点单一：目前已有的聊天机器人，要么侧重于任务完成，如“小娜”、“Watson”等，要么侧重于闲聊的智能，如“小冰”、“ELIZA”等，几乎找不到兼具任务完成和情感计算的聊天机器人。2.缺乏情感计算：在闲聊方面有着突出表现的聊天机器人“小冰”，是通过规则或者记忆库的方式，让机器对用户进行“唱歌”，“写作”等响应，然而其系统并没有显式的情感计算模块，因此，这并不能称其为一个具有情感安抚功能的聊天机器人。3.缺乏用户画像：聊天机器人的用户群体在年龄，性别，性格等诸多维度有着较大差异，然而现有的聊天机器人并不具备针对不同用户画像给出不同回复的能力。如果不能对用户画像显示的进行建模，就不可能进行成功的情感安抚。4.缺乏机器人画像：现有的聊天机器人并不具备可以设置机器人人设的功能。这从一定程序上限制了机器人情感安抚的能力。例如，对于一个男性用户，在沮丧的时候可能就需要一个女性人设的机器人与之聊天，以达到更好的情感安抚的目的。
技术实现思路
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。本专利技术的目的在于解决上述问题，提供了一种面向聊天机器人的混合策略式情感安抚系统和方法，以情感计算为核心并以此为基础具备任务完成、自动问答等一系列能力，有效填补了目前市场上已有的聊天机器人的各种不足。本专利技术的技术方案为：本专利技术揭示了一种面向聊天机器人的混合策略式情感安抚系统，系统包括：面向情感计算的语言理解模块，用于对接收到的用户查询进行语言理解和情感理解，包括从用户查询中识别出当前用户查询的意图标签、关键词槽和可能蕴含的情感类别；面向情感计算的对话管理模块，连接面向情感计算的语言理解模块，用于为用户查询生成候选用户响应，根据通过多轮对话确定的对话状态对生成的候选情感响应进行重排序，并生成重排序的用户响应；面向情感计算的语言生成模块，连接面向情感计算的对话管理模块，用于对面向情感计算的对话管理模块输出的重排序的用户响应，根据用户设定的机器人画像生成最终的用户响应。根据本专利技术的面向聊天机器人的混合策略式情感安抚系统的一实施例，用户查询包括用户所说的话、用户画像和对话上下文，面向情感计算的语言理解模块进一步包括：意图识别单元，从用户查询中识别出当前用户查询的意图标签，意图标签和任务关联，其中意图识别是通过使用了用户画像信息的基于神经网络的独立的分类模型进行语言理解；词槽识别单元，通过基于神经网络的序列标注模型从用户查询中识别出当前用户查询的关键词槽，；以及情感识别单元，通过基于神经网络的独立的多类别分类器模型识别用户查询中可能蕴含的情感类别。根据本专利技术的面向聊天机器人的混合策略式情感安抚系统的一实施例，面向情感计算的对话管理模块进一步包括：情感响应生成单元，用于为一个用户查询生成候选用户响应，其中对生成用户响应过程中的情感状态的转移进行显式的建模；对话状态跟踪单元，用于根据多轮的对话来确定用户当前状态；以及面向情感计算的对话策略学习单元，用于根据对话状态，对生成的候选情感响应进行重排序，生成重排序的用户响应。根据本专利技术的面向聊天机器人的混合策略式情感安抚系统的一实施例，情感响应生成单元进一步包括编码器、解码器，其中编码器将用户画像、对话上下文、意图标签、关键词槽、情感类别这五部分内容编码转换成对应的特征向量，解码器用于根据情感状态和注意力机制，将编码器编码得到的向量进行整合，逐词生成用户的候选响应，其中情感状态通过情感记忆网络控制，注意力机制通过注意力模型控制。根据本专利技术的面向聊天机器人的混合策略式情感安抚系统的一实施例，面向情感计算的对话策略学习单元先枚举用户所有可能的情感标签，用情感生成网络计算各自的候选情感生成，并计算得分，再根据用户当前查询是否是任务完成型查询还是闲聊型查询以及当前的对话状态信息，用设定的策略对生成的多个候选情感进行重新打分，最终生成重排序的用户的响应。本专利技术还揭示了一种面向聊天机器人的混合策略式情感安抚方法，方法包括：步骤1：对接收到的用户查询进行语言理解和情感理解，包括从用户查询中识别出当前用户查询的意图标签、关键词槽和可能蕴含的情感类别；步骤2：为用户查询生成候选用户响应，根据通过多轮对话确定的对话状态对生成的候选情感响应进行重排序，并生成重排序的用户响应；步骤3：对面向情感计算的对话管理模块输出的重排序的用户响应，根据用户设定的机器人画像生成最终的用户响应。根据本专利技术的面向聊天机器人的混合策略式情感安抚方法的一实施例，用户查询包括用户所说的话、用户画像和对话上下文，步骤1中的意图标签的识别是通过使用了用户画像信息的基于神经网络的独立的分类模型进行语言理解来完成，其中意图标签和任务相关联；步骤1中的关键词槽的识别是通过基于神经网络的序列标注模型从用户查询中识别出当前用户查询的关键词槽；步骤1中的情感类别的识别是通过基于神经网络的独立的多类别分类器模型识别用户查询中可能蕴含的情感类别。根据本专利技术的面向聊天机器人的混合策略式情感安抚方法的一实施例，步骤2进一步包括：为一个用户查询生成候选用户响应，其中对生成用户响应过程中的情感状态的转移进行显式的建模；根据多轮的对话来确定用户当前状态；根据对话状态，对生成的候选情感响应进行重排序，生成重排序的用户响应。根据本专利技术的面向聊天机器人的混合策略式情感安抚方法的一实施例，在候选用户响应生成的步骤中，先由编码器将用户画像、对话上下文、意图标签、关键词槽、情感类别这五本文档来自技高网...

【技术保护点】
1.一种面向聊天机器人的混合策略式情感安抚系统，其特征在于，系统包括：面向情感计算的语言理解模块，用于对接收到的用户查询进行语言理解和情感理解，包括从用户查询中识别出当前用户查询的意图标签、关键词槽和可能蕴含的情感类别；面向情感计算的对话管理模块，连接面向情感计算的语言理解模块，用于为用户查询生成候选用户响应，根据通过多轮对话确定的对话状态对生成的候选情感响应进行重排序，并生成重排序的用户响应；以及面向情感计算的语言生成模块，连接面向情感计算的对话管理模块，用于对面向情感计算的对话管理模块输出的重排序的用户响应，根据用户设定的机器人画像生成最终的用户响应。

【技术特征摘要】
1.一种面向聊天机器人的混合策略式情感安抚系统，其特征在于，系统包括：面向情感计算的语言理解模块，用于对接收到的用户查询进行语言理解和情感理解，包括从用户查询中识别出当前用户查询的意图标签、关键词槽和可能蕴含的情感类别；面向情感计算的对话管理模块，连接面向情感计算的语言理解模块，用于为用户查询生成候选用户响应，根据通过多轮对话确定的对话状态对生成的候选情感响应进行重排序，并生成重排序的用户响应；以及面向情感计算的语言生成模块，连接面向情感计算的对话管理模块，用于对面向情感计算的对话管理模块输出的重排序的用户响应，根据用户设定的机器人画像生成最终的用户响应。2.根据权利要求1所述的面向聊天机器人的混合策略式情感安抚系统，其特征在于，用户查询包括用户所说的话、用户画像和对话上下文，面向情感计算的语言理解模块进一步包括：意图识别单元，从用户查询中识别出当前用户查询的意图标签，意图标签和任务关联，其中意图识别是通过使用了用户画像信息的基于神经网络的独立的分类模型进行语言理解；词槽识别单元，通过基于神经网络的序列标注模型从用户查询中识别出当前用户查询的关键词槽；情感识别单元，通过基于神经网络的独立的多类别分类器模型识别用户查询中可能蕴含的情感类别。3.根据权利要求2所述的面向聊天机器人的混合策略式情感安抚系统，其特征在于，面向情感计算的对话管理模块进一步包括：情感响应生成单元，用于为一个用户查询生成候选用户响应，其中对生成用户响应过程中的情感状态的转移进行显式的建模；对话状态跟踪单元，用于根据多轮的对话来确定用户当前状态；以及面向情感计算的对话策略学习单元，用于根据对话状态，对生成的候选情感响应进行重排序，生成重排序的用户响应。4.根据权利要求3所述的面向聊天机器人的混合策略式情感安抚系统，其特征在于，情感响应生成单元进一步包括编码器、解码器，其中编码器将用户画像、对话上下文、意图标签、关键词槽、情感类别这五部分内容编码转换成对应的特征向量，解码器用于根据情感状态和注意力机制，将编码器编码得到的向量进行整合，逐词生成用户的候选响应，其中情感状态通过情感记忆网络控制，注意力机制通过注意力模型控制。5.根据权利要求4所述的面向聊天机器人的混合策略式情感安抚系统，其特征在于，面向情感计算的对话策略学习单元先枚举用户所有可能的情感标签，用情感生成网络计算各自的候选情感生成，并计算得分，再根据...

【专利技术属性】
技术研发人员：王昊奋，赵迎功，
申请(专利权)人：上海乐言信息科技有限公司，
类型：发明
国别省市：上海,31