【技术实现步骤摘要】
一种融合知识图谱和情感监督的多轮对话方法及系统
本专利技术涉及一种对话领域,具体讲涉及一种融合知识图谱和情感监督的多轮对话方法及系统。
技术介绍
自然语言对话系统正在覆盖越来越多的生活和服务场景,在行业智能化的实现进程中,通过知识图谱对数据进行提炼、萃取、关联、整合,形成行业知识或领域知识,让机器形成对于行业工作的认知能力,并把这些认知能力与技能理解模型进行整合,从而实现这个行业的知识型对话系统。近年来,基于知识图谱的对话系统成为学术界和工业界研究和应用的热点。知识图谱的可逻辑推理能力、高度的知识结构化组织能力和高效率的检索使其被广泛应用。然而传统的对话系统往往只致力于提升对话系统生成语句的语言质量,包括语法性、多样性以及话题相关性等等,却缺乏对用户上下文言语情感的关注和分析。
技术实现思路
为解决现有技术中存在的缺乏对用户上下文言语情感的关注和分析,本专利技术提供了一种融合知识图谱和情感监督的多轮对话方法,包括:将获取的情感序列输入到预先构建的知识图谱中,识别用户初步意图;通过情绪预测模型对所述情感序列中情感的变化进行判断,确定用户情绪状态,并基于所述情绪状态和用户初步意图确定当前用户意图;基于所述当前用户意图进行回复。优选的,所述通过情绪预测模型对所述情感序列中情感的变化进行判断,确定用户情绪状态,包括:将所述情感序列输入到预先训练好的情绪预测模型中,得到情绪不稳定值;当所述情绪不稳定值大于设定阈值时,判定用户处于情绪不稳定状态,转入人工 ...
【技术保护点】
1.一种融合知识图谱和情感监督的多轮对话方法,其特征在于,包括:/n将获取的情感序列输入到预先构建的知识图谱中,识别用户初步意图;/n通过情绪预测模型对所述情感序列中情感的变化进行判断,确定用户情绪状态,并基于所述情绪状态和用户初步意图确定当前用户意图;/n基于所述当前用户意图进行回复。/n
【技术特征摘要】
1.一种融合知识图谱和情感监督的多轮对话方法,其特征在于,包括:
将获取的情感序列输入到预先构建的知识图谱中,识别用户初步意图;
通过情绪预测模型对所述情感序列中情感的变化进行判断,确定用户情绪状态,并基于所述情绪状态和用户初步意图确定当前用户意图;
基于所述当前用户意图进行回复。
2.如权利要求1所述的多轮对话方法,其特征在于,所述通过情绪预测模型对所述情感序列中情感的变化进行判断,确定用户情绪状态,包括:
将所述情感序列输入到预先训练好的情绪预测模型中,得到情绪不稳定值;
当所述情绪不稳定值大于设定阈值时,判定用户处于情绪不稳定状态,转入人工服务,进而明确当前用户意图;
否则,认为用户情绪稳定。
3.如权利要求2所述的多轮对话方法,其特征在于,所述情绪预测模型的构建包括:
基于长短期神经网络提取连续的情感值序列的情感特征,并将所述情感特征输入到深度置信网络得到融合情感特征;
将所述融合情感特征输入到分类器中进行情感识别,得到多个情感类别;
基于得到多个情感类别计算各个情感类别在所有情感类别中的比重;
将比重最大的值作为情绪不稳定值。
4.如权利要求3所述的多轮对话方法,其特征在于,所述基于长短期神经网络提取连续的情感值序列的情感特征,并将所述情感特征输入到深度置信网络得到融合情感特征包括:
对所述连续的情感值序列的文本进行分词和词嵌入处理,基于词嵌入后的文本获得语义情感特征;
基于连续的情感值序列中的视频片段和音频片段提取视频情感特征和音频情感特征;
将所述音频情感特征、视频情感特征和语义情感特征分别拉伸为一维向量并拼接,将拼接得到的一维向量输入多模态情感识别网络模型中的深度置信网络得到融合情感特征。
5.如权利要求4所述的多轮对话方法,其特征在于,所述将获取的连续情感序列输入到预先构建的知识图谱中,识别用户初步意图,包括:
将接收到的情感值序列中的语音信息转换成文本数据,从所述文本数据中抽取实体和关系;
将抽取的实体和关系映射到预先构建的知识图谱中,通过检索所述知识图谱识别用户初步意图。
6.如权利要求4所述的多轮对话方法,其特征在于,所述基于情绪状态和用户初步意图确定当前用户意图,包括:
基于用户初步意图匹配预先设定的业务流程模板,并根据当前时刻之前和之后的情绪状态变化确定当前用户...
【专利技术属性】
技术研发人员:潘明明,田世明,李德智,龚桃荣,陈宋宋,宫飞翔,石坤,董明宇,
申请(专利权)人:中国电力科学研究院有限公司,国网江苏省电力有限公司,国家电网有限公司,
类型:发明
国别省市:北京;11
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。