[发明专利]考虑情感的自动会话方法和系统

说明书

技术领域

本发明涉及智能对话技术领域，具体涉及一种考虑情感的自动会话方法和系统。

背景技术

随着社会和网络技术的发展，人工智能研发的不断深入，聊天机器人是目前非常热的一个人工智能研发与产品。聊天机器人是基于会话模板通过模板匹配来响应用户聊天。现有的会话模型主要包括：基于检索的模型、基于生成的模型以及基于人工模板。

基于检索的模型：类似搜索引擎，事先存储好对话库并建立索引，根据用户问句，在对话库中进行模糊匹配找到最合适的应答内容。

基于生成的模型：不依赖提前定义的回答，但在训练过程中，需要大量的语料，语料包含了context和response，当下流行使用LSTM和RNN训练生成的模型，这种方法最早用来完成机器翻译的任务。

基于人工模板的技术：通过人工设定对话场景，并对每个场景编写针对性的对话模板，模板描述了用户可能的问题以及对应的答案。

但是，现如今对对话系统的研究工作主要集中于提升生成语句的语言质量，而忽略了对人类情感的理解。实现对人类情感的理解，是需要基于情感分析。情感分析在传统机器学习上的主要研究方法还是基于一些传统算法，具有语料的不足，比较依赖于人工构建和抽取的特征等问题，无法生成高质量的带有指定情感的句子。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种考虑情感的自动会话方法和系统，解决了现有技术的会话系统无法生成高质量的带有指定情感的句子。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现，一种考虑情感的自动会话方法，包括：

S1、获取用户同时输入的句子和情感标签；

S2、确定所述用户当前的语义和情感；

S3、基于预设的会话模型，根据所述用户当前的语义和情感确定符合用户当前语义和情感的回复；

S4、输出所述回复内容。

进一步的，所述预设的会话模型为LSTM或RNN模型。

进一步的，所述预设的会话模型通过向所述的LSTM或RNN模型输入句子、句子的情感标签和输出句子的情感标签，经训练得到的；具体方法如下：

S1-1、输入句子，对输入句子生成第一回复语句，分析第一回复语句的情感；

S1-2、在步骤S1-1的基础上，输入句子以及情感标签，然后根据输入的句子和情感标签生成第二回复语句，分析第二回复语句的情感；

S1-3、在步骤S1-2的基础上，输入句子、情感标签和输出句子的情感标签，然后根据输入的句子、句子的情感标签以及输出句子的情感标签生成第三回复语句，分析第三回复语句的情感；

所述输出句子的情感标签为目标情感标签。

进一步的，所述获取用户输入的句子和情感标签通过以下一种方式：采用文字分析方法分析用户同时输入的句子和情感标签；或/和，采用语音识别方法分析用户同时输入的句子和情感标签。

进一步的，对话过程生成的包含情感标签的会话语料可以作为下一次会话的语料。

进一步的，根据所述用户当前的语义和情感确定复合所述用户当前语义和情感的回复，包括：

根据所述用户当前的语义和情感从语料库中选择至少一个符合所述用户当前的语义和情感的回复信息；和/或，根据所述用户当前的语义和情感，利用回复生成模型自动生成符合所述用户当前的语义和情感回复信息；

利用所述回复信息做出符合所述用户当前的语义和情感的回复。

进一步的，对话信息获取模块，用于获取用户同时输入的句子和情感标签；

语义和情感确定模块，用于分析用户同时输入的句子和情感标签，确定用户当前的语义和情感；

回复模块，用于根据所述用户当前的语义和情感做出符合所述用户当前语义和情感的回复。

进一步的，所述语义和情感确定模块，包括：特征获取单元，用于采用以下至少一种方式分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征：

通过文字分析方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；

通过语音识别方法分析用户同时输入的句子和情感标签，获得所述用户当前的语义特征和情感特征；

确定单元，用于根据所述用户当前的语义特征和情感特征确定相应的所述用户当前的语义和情感。

进一步的，所述回复模块，包括：