【技术实现步骤摘要】
本专利技术属于人工智能技术人机对话系统中的自然语言理解领域，具体是涉及一种心理领域智能对话系统。
技术介绍
1、在当今社会，青少年的心理健康问题引起了广泛关注。随着社会压力的增加、信息传播的快速以及家庭结构的变化，青少年面临着诸多挑战，包括学业压力、人际关系、身体形象等问题，这些都可能对其心理健康产生负面影响。因此，利用先进的人工智能技术在校园中进行心理健康风险普查并为风险对象提供智能的心理疏导服务成为一项迫切的需求。随着信息化技术与人工智能技术的发展与推广，出现了多个基于ai结合心理领域的对话系统及相关的应用，具体如下：
2、专利cn 111667926 b《一种基于人工智能的心理咨询/会话系统及其方法》主要通过构建心理知识图谱，并且提供对话逻辑树指导多轮对话，此外，该方法需要建立特有的语料数据库用于引导与回复用户。心理咨询是复杂的对话过程，用户的心理问题和想法复杂多样，仅通过对话逻辑树和固定的语料库来选择语料回复用户无法较好地解决用户的需求，且固定的语料让用户觉得该系统回复比较死板，缺乏灵活性。
3、专利cn 113010653 a《一种对话策略模型训练、对话的方法和系统》基于多轮对话历史数据，利用bert模型通过强化学习的方式训练对话策略模型，该对话策略模型可以通过用户的输入和其上文判断接下来的对话策略，再从相应的话术库中随机或者按照一定规则选择一个作为应答话数。虽然该方法便捷，但是并未针对心理领域，且从话术库中随机选择的语料都是预先定义好的，内容固定缺乏灵活性与专业性，因此该专利技术只适用于比较简
4、专利 cn 114969375 a《一种基于心理学知识赋予机器人工智能学习的方法及系统》基于海量数据构建心理学知识图谱，用于分析用户性格再将相应的文档提供给用户。此外，该专利技术需要获取网络用户的上网行为得到个体网络行为特征，再基于机器学习方法建立与训练心理状态评估模型，对用户心理状况进行评估。该专利技术并未通过对话的方式疏导用户心理状况，仅结合了知识图谱对用户状态进行了评估。
5、专利 cn 114418115 a《心理咨询师的共情会谈训练方法、装置、设备及存储介质》通过将收集的共情回应文本向量化得到文本特征，再利用常见的机器学习模型如逻辑回归分类器进行训练，对不同的文本进行探索性技能分类。该专利技术通过计算余弦相似度对比专家案例和进行训练的心理咨询师的回复，并对心理咨询师的回复进行探索性技能分类，从而提升心理咨询师共情水平。但是只运用到了简单的向量相似度比较的技术，没有利用自然语言生成技术，因此没法通过文本生成的方式提供更丰富、专业化的引导。
6、目前在心理领域智能对话方面的应用上多数采用预先定义好的对话路径和专业的语料库回复与引导用户，带来了可控性的同时也显著降低了心理领域对话的灵活性、针对性和丰富度。因此，本专利技术明确提出运用当前最先进的大语言模型，对用户对话上下文进行建模，同时通过策略引导大语言模型回复，从而显著提升在心理领域对话能力。此外，还设计了一个推荐模块提升对话的趣味性和丰富性。
技术实现思路
1、本专利技术的目的在于构建一种心理领域智能对话系统，该系统能够运用大语言模型对用户对话上下文进行建模，并给用户推荐心理学相关的书籍和有趣的活动。大语言模型虽然有强大的文本生成能力，但其的回复内容质量往往受限于输入的提示(prompt)，且生成心理领域的回复内容是比较复杂的，需要考虑到回复的相关性、针对性，同时还要考虑到语言的温度、同理性等。此外，如何结合用户的对话历史、心理特征等信息决定当前对话是否给用户进行推荐要求系统具备高度语义理解能力。
2、为了实现上述目的，本专利技术采用以下技术手段：
3、本专利技术提供了一种心理领域智能对话系统，包括以下步骤：
4、知识库检索模块： 将用户输入的查询文本转换成查询语义向量后在向量知识库中进行检索，得到与查询语义向量相似度最高的前k个语义向量对应的文本或空结果；
5、步骤1.1：构建向量知识库，对心理学领域和日常生活领域的百科知识通过bert编码器生成语义向量，得到向量知识库；
6、步骤1.2：将用户输入的查询文本通过bert编码器进行编码处理，得到查询语义向量；
7、步骤1.3：使用查询语义向量在向量知识库进行检索，得到与查询语义向量相似度最高的前k个向量对应的文本或空结果。
8、步骤1.3.1：利用ann检索方法，将查询语义向量与向量知识库中的语义向量进行相似度比较；
9、步骤1.3.2： ann检索方法返回与查询向量相似度最高的前k个向量及其与查询向量的距离d；
10、步骤1.3.3：若距离d都大于预设的阈值l，则认为没有与用户的查询文本相似的文本知识，此时检索结果为空。
11、步骤1.3.4：若存在距离d小于阈值l的情况，则返回满足阈值条件的所有文本作为检索结果。
12、策略预测模块；通过设计提示工程技术生成策略标注的多轮对话数据，训练基于transformer的策略预测模型，再应用训练好的策略预测模型对用户输入进行策略预测，得到用户问题的回复策略，实现细粒度的对话回复和推荐策略引导；
13、步骤2.1：通过提示工程技术让两个专家级大语言模型互相对话的流程生成带有策略标注语料的多轮对话数据；
14、步骤2.1.1：使两个专家级大语言模型进行互相对话，以产生带有策略标注的语料，得到对话数据，此过程采用专业性的对话数据，覆盖了青少年心理烦恼倾诉、心理常识提问心理相关领域。
15、步骤2.1.2：对生成的对话数据进行策略标注，得到带有策略标注语料的多轮对话数据，其中q代表问题，t代表对话轮数，s代表问题对应的策略组，a代表问题对应的回复内容；
16、步骤2.2：基于生成的带有策略标注语料的多轮对话数据训练策略预测模型；
17、步骤2.2.1：采用transformer网络作为对话编码器，对多轮对话数据进行编码，得到对话状态语义向量；
18、步骤2.2.2：将所有预定义的策略视作特殊标记，并通过线性层w映射为回复策略语义向量；
19、步骤2.2.3：应用排序损失优化策略预测模型，通过计算损失函数的值l来优化模型，损失函数能够明确指示最符合用户的对话状态的策略；
20、步骤2.3：应用训练好的策略预测模型进行用户回复策略预测；
21、步骤2.3.1：将对话信息管理模块输出的前k轮对话数据和用户输入，按照先后顺序拼接。
22、步骤2.3.2：使用训练后的transformer网络对拼接后的对话数据进行编码，得到对话状态语义向量。
23、步骤2.3.3：通过线性层w映射，将transformer编码器的所有策略对应的嵌入向量转换成回复策略语义向量；
24、步骤2.3.4：计算对话状态向量和所有的回复策略语义向量的相似度；
25、步骤本文档来自技高网...
【技术保护点】
1.一种心理领域智能对话系统，其特征在于，包括以下模块：
2.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，知识库检索模块的实现包括以下步骤：
3.根据权利要求2所述的一种心理领域智能对话系统，其特征在于，步骤1.3包括以下步骤：
4.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，策略预测模块的实现包括以下步骤：
5.根据权利要求4所述的一种心理领域智能对话系统，其特征在于，步骤2.1包括以下步骤：
6.根据权利要求4所述的一种心理领域智能对话系统，其特征在于，步骤2.2包括以下步骤：
7.根据权利要求4所述的一种心理领域智能对话系统，其特征在于，步骤2.3包括以下步骤：
8.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，个性化推荐模块的实现包括以下步骤：
9.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，提示模板库模块的实现包括以下步骤：
10.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，自然语言生成模块的实现
...【技术特征摘要】
1.一种心理领域智能对话系统，其特征在于，包括以下模块：
2.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，知识库检索模块的实现包括以下步骤：
3.根据权利要求2所述的一种心理领域智能对话系统，其特征在于，步骤1.3包括以下步骤：
4.根据权利要求1所述的一种心理领域智能对话系统，其特征在于，策略预测模块的实现包括以下步骤：
5.根据权利要求4所述的一种心理领域智能对话系统，其特征在于，步骤2.1包括以下步骤：
6.根据权利要求...
【专利技术属性】
技术研发人员：唐天驰，赵茁良，黄倩影，刘昌松，张汝民，
申请(专利权)人：广东数业智能科技有限公司，
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。