[发明专利]基于情感动力学的对话情感预测方法和系统

权利要求书

1.一种基于情感动力学的对话情感预测方法，其特征在于，包括：

S1、获取并预处理待预测的历史对话；

S2、根据预处理后的历史对话，获取全局推断向量；

S3、根据全局推断向量，为每一句历史对话进行注意力加权；

S4、根据加权后的历史对话，获取情感动态向量；

S5、根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。

2.如权利要求1所述的对话情感预测方法，其特征在于，所述S1中采用BERT预训练模型对历史对话进行嵌入后得到的句子向量，

其中，历史对话中的角色表示为：Speakers＝{A,B}；

分别为第1,2,…,t句话对应的句子向量。

3.如权利要求2所述的对话情感预测方法，其特征在于，所述S2中采用BiGRU结构来获取全局推断向量，具体包括：

其中，H_global为BiGRU最终输出的隐层状态，作为全局推断向量。

4.如权利要求3所述的对话情感预测方法，其特征在于，所述S3中为每一句历史对话进行注意力加权，具体包括：

其中，α_i为h_i的注意力权值；h_i为步骤S2中通过BiGRU结构对进行编码得到的隐层状态为h_i的维度，为h_i的转置。

5.如权利要求4所述的对话情感预测方法，其特征在于，所述S4中获取情感动态向量，具体包括：

其中，α_t-1,α_t-2为第t-1，t-2句话的注意力权值，第t-2句话与第t句话的的说话角色相同，与t-1句话的说话角色不同，β_t-2为当前的说话角色的削弱系数；

最终生成每一句话对应的情感动态向量

6.如权利要求5所述的对话情感预测方法，其特征在于，所述S5中采用条件随机场CRF结构进行标注，获得所述全局最优的情感序列，具体包括：

其中，为最终得到的情感序列；为任务目标，即最终待预测的情感标签。

7.一种基于情感动力学的对话情感预测系统，其特征在于，包括：

预处理模块，用于获取并预处理待预测的历史对话；

全局推断模块，用于根据预处理后的历史对话，获取全局推断向量；

注意力分配模块，用于根据全局推断向量，为每一句历史对话进行注意力加权；

情感动态模块，用于根据加权后的历史对话，获取情感动态向量；

序列标注模块，用于根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。

8.一种存储介质，其特征在于，其存储有用于基于情感动力学的对话情感预测的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～6任一项所述的对话情感预测方法。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～6任一项所述的对话情感预测方法。