【技术实现步骤摘要】
基于人物性格动态建模的对话情感识别方法及系统
[0001]本公开属于情感识别
,尤其涉及一种基于人物性格动态建模的对话情感识别方法及系统
。
技术介绍
[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术
。
[0003]情绪是一种人类重要的生物属性,而对话则是这种属性表达的常见载体,对话中的情绪识别旨在识别出对话中每一句话背后隐藏的个人情感
。
这是一个极具挑战性的任务,随着智能设备的发展与对话场景的增多,这项任务得到了越来越多研究人员的关注
。
然而话语中的情绪识别不同于常规的文本情感识别,在文本情感识别中,仅需要考虑所出现的文本内容;而对话作为一种社交形式,不同的个体在情绪表达方式天然具有差异,相似的文本内容在不同的个体上则会产生差异的情感表达,从而导致难以正确分辨话语情感
。
这种话语情感上的差异性表现很大程度上是受到一个人的固定行为模式和个人特质的影响,这类影响方式在心理学上归结为性格因素
。
然而在最近的工作中,许多方法忽略了性格对话语情感表达的作用
。
大多数方法将目标集中在上下文背景信息的获取上,
Ghosa l
等人首先提出了
Dia logueGCN
模型,该模型应用图卷积网络
(GCN)
来捕获对话中的远程上下文信息,
Dia logueGCN
将每个话语作为一个节点,并连接会话中同一窗口中的任 ...
【技术保护点】
【技术特征摘要】
1.
一种基于人物性格动态建模的对话情感识别方法,其特征在于,包括:获取待情感识别的历史会话,并提取历史会话中每个话语的特征向量;基于提取的历史会话中每个话语的特征向量,分别获取当前历史会话中每个话语对应的全局上下文表示以及个体上下文表示;基于每个话语的全局上下文表示以及群体性格中每句话的关注度权重,获得历史会话中对话人的群体性格特征;基于每个话语的个体上下文表示以及个体性格中每句话的关注度权重,获得历史会话中对话人的个体性格特征;将获得的群体性格特征以及个体性格特征融入到话语表示中,获得经群体性格参与的话语表示以及经个体性格参与的话语表示;基于经群体性格参与的话语表示
、
初始的全局上下文表示
、
经个体性格参与的话语表示以及初始的个体上下文表示的融合特征,利用多层感知机获得每个话语的情感标签
。2.
如权利要求1所述的一种基于人物性格动态建模的对话情感识别方法,其特征在于,所述分别获取当前历史会话中每个话语对应的全局上下文表示以及个体上下文表示,具体为:分别利用两个预先训练的双向长短时记忆网络分别建模全局话语顺序依赖关系与个体话语顺序依赖关系,其中,所述全局话语顺序依赖关系的建模,所述双向长短时记忆网络的输入为历史会话中每个话语的文本特征;所述个体话语顺序依赖关系的建模,所述双向长短时记忆网络的输入为同一说话人相邻话语的文本特征
。3.
如权利要求1所述的一种基于人物性格动态建模的对话情感识别方法,其特征在于,所述每句话的关注度权重的获取,具体为:群体性格中每句话的关注度权重,采用如下计算公式:其中,为上一层每个话语的全局上下文表示,和是训练参数,
i,j∈[0,t
‑
1]
,表示
t
时刻前的所有话语;为第
l
迭代层中
t
‑1时刻群体性格的隐藏表示,
D
h
与
D
g
均表示向量维度;个体性格中每句话的关注度权重,采用如下计算公式:其中,为上一层每个话语的对话者级上下文表示,为第
l
迭代层中
t
‑1时刻个体性格的隐藏表示,和是训练参数,
D
h
与
D
g
均表示向量维度
。4.
如权利要求1所述的一种基于人物性格动态建模的对话情感识别方法,其特征在于,所述提取历史会话中每个话语的特征向量,具体采用预训练语言模型
RoBERTa
模型进行特征提取
。5.
如权利要求1所述的一种基于人物性格动态建模的对话情感识别方法,其特征在于,所述将获得的群体性格特征以及个体性格特征融入到话语表示中,获得经群体性格参与的话语表示以及经个体性格参与的话语表示,具体为:基于门控循环单元的更新与重置机制将群体性格特征以及个体性格特征融入到话语表示中
【专利技术属性】
技术研发人员:杨振宇,李晓阳,李治军,黄彦,
申请(专利权)人:齐鲁工业大学山东省科学院,
类型:发明
国别省市:
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。