一种具有抑郁障碍特征的训练用机器人系统和方法技术方案

本发明专利技术属于人工智能领域一种具有抑郁障碍特征的训练用机器人系统和方法。所述虚拟机器人对应“大五”人格因素模型中的5种因素：外倾性、随和性、尽责性、神经质、开放性。基于抑郁障碍患者的样本实例，对每种人格的患者语言样本进行智能自然语言处理，使用深度学习技术建立具有特定人格的语言预测模型。后采用IF

【技术实现步骤摘要】
一种具有抑郁障碍特征的训练用机器人系统和方法


[0001]本专利技术属于人工智能领域，一种具有抑郁障碍特征的训练用机器人系统和方法。

技术介绍

[0002]精神病学作为临床医学中的一门重要学科，涉及面广、专业性强，有其自身的特殊性。精神障碍的诊断主要遵循“症状-综合征-诊断”的思维方法，依靠对精神症状的识别和综合判断，而缺乏相应的体征或实验室证据，也因此要求精神科医师必须具有扎实的理论基础和临床技能以及丰富的实践经验。其中，精神检查技能的培养至关重要。精神检查是由精神科医生通过语言沟通和观察的方式对精神障碍个体进行信息抽样和评估,分为自由交谈和询问两种，其中沟通能力是关键。然而国内普通医学生及部分精神科医师很少关注沟通技能的训练，同时虑及患者隐私、社会影响及人身安全等方面，实践教学存在一些困难，直接与患者沟通的机会也较少。此外，我国智能社交机器人起步较晚，虽然有些已具备语音和面部识别能力并拥有简单的情绪模态，但在目前的对话功能大多局限于某一话题领域，且不具备特定场景下的拟人人格，用于临床教学及训练效果甚微。
[0003]“大五”人格因素模型即人格的基本结构是由“五大”因素构成的,称谓“大五”。近10年来,五因素模型的研究取得了令人瞩目的进展,其稳定性在自陈式特质调查表和他人评定、词汇研究和问卷测量的各种样本、以及不同文化背景和不同分析方法的大量研究中得到验证,已被众多心理学家认为是人格结构的最好范型。依照McCrae&Costa等人的命名法(1985),构成人格的大五因素分别是:外倾性、随和性、尽责性、神经质、开放性。外倾性表示热情、自信,有活力,还具有幸福感和善社交的特性,而内向者的这些表现则不突出,但不等于自我中心和缺乏精力。随和性表示利他、友好、富有爱心，得分高的人乐于助人、可信赖的和富同情心,注重合作而不强调竞争。尽责性表示克制和严谨,与成就动机和组织计划有关,也称其为“成就意志”或“工作”纬度。而那些经常感到忧伤、情绪容易波动的人在神经质性的测量上会得到高分，低分的人多表现为平静自我调适良好,不易于出现极端和不良的情绪反应。研究表明,“大五”因素模型对于诊断临床障碍和治疗心理疾病是有价值的，同时对于预测和确定健康行为与问题也十分有益。
[0004]心境障碍是指由各种原因引起的、以显著而持久的心境或情感改变为主要特征的一组疾病，抑郁障碍是以显著而持久的心境低落、思维迟缓、认知功能损害、意志活动减退和躯体症状为主要临床特征的一类心境障碍。13年WHO统计全球抑郁症和恶劣心境者患病率达12.8％,并预测2020年抑郁症将成为全球第二大疾病。抑郁症不仅使患者健康受到损害,生活质量下降,而且给家庭、社会造成极大负担,已经成为一个严重的社会和医疗问题。以抑郁障碍为基础设定人格背景，在对话功能中加入与其症状相匹配的反应元素，可以此模拟临床晤谈，达到教学或精神检查技能训练的目的。

技术实现思路

[0005]本专利技术的目的在于为心理学科教学提供更加准确和智能的智能交互式虚拟机器
人。
[0006]本专利技术技术方案如下：
[0007]一种在抑郁障碍背景下具有特定人格的智能问答系统，包括：
[0008]数据库建立模块，用于建立心理学领域数据库，所述心理学领域数据库中存储有的大量抑郁障碍患者语言实例样本；
[0009]问题获取模块，用于获取用户问题；
[0010]问题处理模块，用于对所述用户问题进行自然语言处理，获得关于所述用户问题的查询表示；
[0011]候选答案提取模块，用于基于所述检索文档集，采用IF-IDF计算方法计算问答对相似度；
[0012]标准答案获取模块，根据候选答案提取最相关的答案，答案反馈模块将标准答案反馈给用户。
[0013]问题处理模块包括:分词子模块，用于分割用户问题，获得用户问题的一组术语；
[0014]术语集中的每个术语经过命名实体识别、语义消歧和同义词扩展处理后获得术语集；
[0015]根据意图分析结果判断用户问题是完整的，如果是完整的，则将处理术语集中的术语合并为查询表示，如果不是完整的，则要求用户补充用户问题，获得补充后再补充用户问题。
[0016]标准答案获取模块可选地包括:计算医学领域数据库中候选答案中每个名词短语出现次数的候选答案相关性计算子模块，获得候选答案集中每个名词短语的相关性，使用查询表示相关性计算子模块计算医学领域数据库中查询表示中名词短语出现次数，获得查询中表示的相关性；
[0017]使用计算子模块计算候选答案相关性的相似度和查询中表示的相关性；选择大于第二组相似性值的候选答案并组合成用户问题的标准答案。
[0018]根据本专利技术的具体实施例，本专利技术公开了下列技术效果:
[0019]本专利技术公开了一种虚拟机器人训练方法及系统，基于心理学样本实例，采用IF-IDF计算方法在根据用户问题检索得到的检索文档集中提取候选答案组，采用相关性相似度计算方法，在所述候选答案组中选取标准答案，并将标准答案反馈给用户，为心理学的教学提供了直接、可交互的具有特定人格的虚拟机器人。
附图说明
[0020]图1为抑郁障碍背景下一种具有特定人格的智能问答系统的组成模块。
[0021]图2为一种抑郁障碍背景的虚拟机器人的训练方法及流程。
[0022]图3为抑郁障碍背景下虚拟机器人训练的具体实施方式。
具体实施方式
[0023]S1：接收模块接收客户端通过HTTP请求发送过来的问题，所述问题采用文字描述；
[0024]S2：预处理模块将问题中的特殊符号、标点符号以及停用词都去掉，得到处理之后的问题q；
[0025]S3：意图模块通过基于BERT的问题意图分类模型将问题q进行分类，得到输入问题的类别Cq；
[0026]S4：检索模块首先参考领域词典将输入问题q分隔为w1,w2
…
wi
…
wn，其中wi是分隔开的第i个词，采用(w1∪w2∪
…
wi∪
…
wn)∩Cq的查询公式，从知识库中检索相应的问题和对应的答案(知识库负责存储领域内问题合集和对应的答案合集，且领域内问题合集和对应的答案合集通过建立索引的方式存储在知识库中)，得到候选问题集合以及对应的答案集合；
[0027]S5：排序模块采用TF-IDF统计方法对候选问题集Q和对应的答案集A进行排序，得到与Q和A对应的集合Score，这里设定一个得分阈值Scoremin，如果Scorei>Scoremin，则保存相应的Qi和Ai，剩余的问题集和相对应的答案集为RQ和RA；S6：匹配算法模块将剩余的问题集RQ中的问题取出来，和输入的问题q建立一个匹配对(RQi,q)，输入到基于BERT的问题相似度匹配模型中，得到一个匹配的概率pi，通过统计得到RQ中问题的概率最大值pmax，这里设定一个概率阈值pmin，如果pmax>＝pmin，则确定RQi是符号要求的问题，反之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有抑郁障碍特征的训练用机器人系统和方法，其特征在于，包括：生成模拟特定人格的抑郁障碍患者的虚拟机器人；所述虚拟机器人对应“大五”人格因素模型中的5种因素：外倾性、随和性、尽责性、神经质、开放性；基于实例，对每种人格的抑郁障碍患者的语言样本进行智能自然语言处理，使用深度学习技术...

【专利技术属性】
技术研发人员：田而慷，杨帅，卫静雯，王双文，殷莉，李政霖，何语涵，余美琪，程伟，
申请(专利权)人：四川大学，
类型：发明
国别省市：