一种心理咨询聊天机器人的回答体贴度检测方法及系统技术方案

本发明专利技术公开了一种心理咨询聊天机器人的回答体贴度检测方法及系统，涉及语言处理技术领域，包括：获取用户的当前输入内容；将用户的当前输入内容转化为文本信息，获取用户意图；对用户意图进行词向量编码，得到词向量表示；将用户意图的词向量表示输入到神经网络中进行训练，得到行为分布；使用评分函数计算词向量表示与行为分布的相关性，获得计算得分；将词向量表示、行为分布和计算得分进行拼接，利用卷积神经网络训练得到最大值即为心理咨询聊天机器人回答的体贴程度。本发明专利技术通过对心理咨询聊天机器人的回答体贴度进行检测有利于后续对聊天机器人的对话、治疗效果进行优化提升，也有利于提高用户满意度。也有利于提高用户满意度。也有利于提高用户满意度。

【技术实现步骤摘要】
一种心理咨询聊天机器人的回答体贴度检测方法及系统


[0001]本专利技术涉及语言处理
，更具体的说是涉及一种心理咨询聊天机器人的回答体贴度检测方法及系统。

技术介绍

[0002]近年来，在人工智能研究热潮的推动下，智能聊天机器人被定位成未来各种产品和服务的入口，并成为各相关领域公司的重点研究项目。
[0003]特别的，针对心理问题推出的一种心理咨询聊天机器人，旨在针对性处理焦虑等不健康的心理状况，允许用户通过自然语言与电子设备进行交互，使得聊天机器人具有解决这些问题带来的巨大潜力，通过聊天机器人可以有效缓解焦虑等不健康的心理状况以及心理治疗医生数量的严重不足带来的不便，并且大幅减少治疗费用，显著增加了患者接受治疗的机会。
[0004]但是，目前市面上的心理咨询聊天机器人并没有考虑到回答的体贴度这一要素，仅有个别聊天机器人对对话过程的积极消极性进行了检测，这就导致在问答过程中产生的一些回答过于尖锐，对于敏感的用户会扩大其心理问题，对用户造成进一步的刺激和伤害。
[0005]因此，如何提出一种心理咨询聊天机器人的回答体贴度检测方法及系统，通过对心理咨询聊天机器人的回答体贴度进行检测，对文本的体贴程度进行检测，提高心理咨询聊天机器人的回答体贴度阈值，降低对患者的进一步伤害，对聊天机器人的对话、治疗效果进行优化提升，提高用户满意度是本领域技术人员亟需解决的问题。

技术实现思路

[0006]有鉴于此，本专利技术提供了一种心理咨询聊天机器人的回答体贴度检测方法及系统，通过对心理咨询聊天机器人的回答体贴度进行检测，提高心理咨询聊天机器人的回答体贴度阈值，降低对患者的进一步伤害，为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种心理咨询聊天机器人的回答体贴度检测方法，包括：
[0008]获取用户的当前输入内容；
[0009]将用户的当前输入内容转化为文本信息，获得用户意图；
[0010]对用户意图进行词向量编码，得到用户意图的词向量表示；
[0011]将用户意图的词向量表示输入到长短期记忆神经网络中进行训练，得到用户的行为分布；
[0012]使用评分函数计算所述用户意图的词向量表示与所述用户的行为分布的相关性，获得计算得分；
[0013]将所述用户意图的词向量表示、所述用户的行为分布和所述计算得分进行拼接，利用卷积神经网络训练得到最大值即为心理咨询聊天机器人回答的体贴程度。
[0014]可选的，所述用户的当前输入内容包括文本、语音或手势，其中，当检测到用户通过人机交互界面的输入文本时，直接解析所述输入文本，获取用户意图；当检测到用户输入
语音时，启动语音输入模式，麦克风获取用户语音，解析生成对应文本，通过文本解析，获取用户意图；当检测到用户输入手势时，启动视频输入模式，摄像头采集用户手势，解析生成对应文本，通过文本解析，获取用户意图。
[0015]可选的，所述对用户意图进行词向量编码的具体操作为，获取用户意图中的每个单词，采用词嵌入的方式对用户提交的文本数据进行词向量编码，得到用户意图的词向量I(x)。
[0016]可选的，获取所述用户的行为分布的具体操作为，将得到的用户意图的词向量I(x)输入双向长短期记忆网络进行训练，得到向量g
i
作为所述用户的行为分布。
[0017]可选的，所述获取计算得分的具体步骤为：
[0018]根据所述用户意图x和选出的最相关的k个所述用户的行为分布g
i
，构建相关记忆参数为[x，g1，g2]；
[0019]使用评分函数计算所有候选词与所述相关记忆参数的相关性；
[0020]获取最相关的结果r＝argmax
ωεW
S
R
([x,g1,g2],ω)；
[0021]其中，ω为候选词，W为数据库中所有候选词集合，S
R
是计算得分的函数；
[0022]评分函数S
R
，满足以下条件：
[0023]s(x,y)＝Φ
x
(x)
T
U
T
UΦ
y
(y)；
[0024]其中，U是n
×
D矩阵，其中n是维数，D是特征的个数，Φ
x
和Φ
y
的作用是从原始文本映射到D维特征空间。
[0025]可选的，包括，将用户意图的词向量、所述用户的行为分布和计算得分进行拼接形成新的向量，输入至卷积神经网络进行训练，输出结果。
[0026]可选的，所述卷积神经网络包括：卷积层、激活函数、池化层、全连接层和输出层，其中，所述全连接层为全分类连接器，将经过池化层操作后的数据输入全连接分类器，通过softmax函数计算得到不同体贴程度的概率：
[0027]P
i
＝P(y
i
/w)；
[0028]其中，w表示系统的输入文本序列；y
i
表示第i个分类；P
i
＝P(y
i
/w)表示给定序列下第i个分类的概率。
[0029]可选的，一种心理咨询聊天机器人的回答体贴度检测系统，包括：
[0030]获取模块：用于获取用户的当前输入内容；
[0031]转换模块：用于将用户的当前输入内容转化为文本信息，获得用户意图；对用户意图进行词向量编码，得到用户意图的词向量表示；将用户意图的词向量表示输入到长短时记忆神经网络中进行训练，得到用户的行为分布；
[0032]评分模块：使用评分函数计算所述用户意图的词向量表示与所述用户的行为分布的相关性，获得计算得分；
[0033]处理模块：将用户意图的词向量表示、所述用户的行为分布和所述计算得分进行拼接，利用卷积神经网络训练得到最大值即为心理咨询聊天机器人回答的体贴程度。
[0034]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种心理咨询聊天机器人的回答体贴度检测方法及系统，具有如下有益效果：
[0035]本专利技术通过获取所述用户的当前输入内容；将用户的当前输入内容转化为文本信息，获取用户意图；通过心理咨询聊天机器人回答体贴度检测对文本的体贴程度进行检测，
在对话中，有些对话可能是积极但不体贴或是消极但体贴的，在这种情况下普通的情感分析方法就无法准确判断回答是体贴/不体贴。现有的心理咨询聊天机器人均未对聊天机器人的回答体贴度进行检测，在与用户的沟通过程中常常会产生不够体贴甚至具有刺激性、攻击性的回答，而心理咨询的患者内心往往更为敏感脆弱。本专利技术对心理咨询聊天机器人的回答体贴度进行检测有利于后续对聊天机器人的对话、治疗效果进行优化提升，也有利于提高用户满意度。
附图说明
[0036]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文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心理咨询聊天机器人的回答体贴度检测方法，其特征在于，包括：获取用户的当前输入内容；将用户的当前输入内容转化为文本信息，获得用户意图；对用户意图进行词向量编码，得到用户意图的词向量表示；将用户意图的词向量表示输入到长短期记忆神经网络中进行训练，得到用户的行为分布；使用评分函数计算所述用户意图的词向量表示与所述用户的行为分布的相关性，获得计算得分；将所述用户意图的词向量表示、所述用户的行为分布和所述计算得分进行拼接，利用卷积神经网络训练得到最大值即为心理咨询聊天机器人回答的体贴程度。2.根据权利要求1所述的一种心理咨询聊天机器人的回答体贴度检测方法，其特征在于，所述用户的当前输入内容包括文本、语音或手势，其中，当检测到用户通过人机交互界面的输入文本时，直接解析所述输入文本，获取用户意图；当检测到用户输入语音时，启动语音输入模式，麦克风获取用户语音，解析生成对应文本，通过文本解析，获取用户意图；当检测到用户输入手势时，启动视频输入模式，摄像头采集用户手势，解析生成对应文本，通过文本解析，获取用户意图。3.根据权利要求1所述的一种心理咨询聊天机器人的回答体贴度检测方法，其特征在于，所述对用户意图进行词向量编码的具体操作为，获取用户意图中的每个单词，采用词嵌入的方式对用户提交的文本数据进行词向量编码，得到用户意图的词向量I(x)。4.根据权利要求3所述的一种心理咨询聊天机器人的回答体贴度检测方法，其特征在于，获取所述用户的行为分布的具体操作为，将得到的用户意图的词向量I(x)输入双向长短期记忆网络进行训练，得到向量g
i
作为所述用户的行为分布。5.根据权利要求1所述的一种心理咨询聊天机器人的回答体贴度检测方法，其特征在于，所述获取计算得分的具体步骤为：根据用户意图x和选出的最相关的k个所述用户的行为分布g
i
，构建相关记忆参数为[x，g1，g2]；使用评分函数计算所有候选词与所述相关记忆参数的相关性；获取最相关的结果r＝argmax
ωεW
S
R
([x,g1,g2]...

【专利技术属性】
技术研发人员：吕丹，李平，陈云辉，于曾艳，尚婷惠子，李成冲，
申请(专利权)人：齐齐哈尔医学院，
类型：发明
国别省市：