[发明专利]针对虚拟人的性格训练系统及其方法

说明书

一种针对虚拟人的性格训练系统及其方法，包括如下步骤：步骤1：建立情感刺激融合的参数化模型；步骤2：建立事件刺激推理机制；步骤3：意图融合规则的定制；步骤4：构建基于隐马尔可夫模型的心理反应模型；步骤5：模型的训练；步骤6：执行可持续学习的训练机制。结合其它结构或方法有效避免了现有技术中只能单模态输入事件进行情感刺激，无法综合输出当前时刻情感刺激、无法根据用户期望来调节智能体的情感反应、基于数据驱动的情感识别模型需要依赖大量详细标注的训练数据、无法在与用户互动的过程中提高性能的缺陷。

技术领域

本发明涉及人工智能下的虚拟人技术领域，也涉及性格训练技术领域，具体涉及一种针对虚拟人的性格训练系统及其方法，尤其涉及一种基于策略梯度强化学习的虚拟人性格训练系统及其方法。

背景技术

人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。近年来，随着人工智能技术的发展，具有人机交互功能的虚拟人技术及其个性化方案也具有了较多的需求。虚拟人在智能人机交互中应当具有一定的情感，已经成为业界共识。虚拟人所具备的情感由外部刺激引发，并通过其“性格”决定。虚拟人的性格可以通过硬编码或规则的形式来赋予，例如采用if“刺激”then“情感”的方式。理想情况下，虚拟人的性格应该像人类一样在与用户交互中习得，使其针对特定用户产生个性化性格。

而现有的针对虚拟人的情感刺激，具有如下缺陷：

1.只能单模态输入事件进行情感刺激，无法综合输出当前时刻情感刺激；

2.无法根据用户期望来调节智能体的情感反应；

3.现有的基于数据驱动的情感识别模型需要依赖大量详细标注的训练数据，无法在与用户互动的过程中提高性能。

发明内容

为解决上述问题，本发明提供了一种针对虚拟人的性格训练系统及其方法，有效避免了现有技术中只能单模态输入事件进行情感刺激，无法综合输出当前时刻情感刺激、无法根据用户期望来调节智能体的情感反应、基于数据驱动的情感识别模型需要依赖大量详细标注的训练数据、无法在与用户互动的过程中提高性能的缺陷。

为了克服现有技术中的不足，本发明提供了一种针对虚拟人的性格训练系统及其方法的解决方案，具体如下：

一种针对虚拟人的性格训练系统的规划方法，包括如下步骤：

步骤1：建立情感刺激融合的参数化模型；

步骤2：建立事件刺激推理机制；

步骤3：意图融合规则的定制；

步骤4：构建基于隐马尔可夫模型的心理反应模型；

步骤5：模型的训练；

步骤6：执行可持续学习的训练机制。

所述情感刺激包括：用户的表情、用户所说语句文本的情感、用户语音语调中包含的情感以及用户自身特征和动作中所隐含的情感；

所述用户的表情、用户所说语句文本的情感以及用户语音语调中包含的情感分别在视觉模块、语义模块和语音模块中给出；这三种情感取值将通过加权的方式融合到情感刺激；

所述用户自身特征和动作中所隐含的情感以布尔变量的形式给出，即表明是否具有这种特征或该动作是否出现，每个特征或动作所隐含的情感以参数矢量的形式描述，它们通过加权后融合到情感刺激。

所述建立事件刺激推理机制包括对用户的表情、用户所说语句文本的情感以及用户语音语调的判断，所述语音模块把用户语音语调转换成语句文本来输入所述语义模块，所述语义模块通过自然语言处理分词方式对输入的语句文本做出包括情感主体的判定、主体/客体极性的判定、事件/行为极性的判定、事件状态的判定和自身反应的判定，所述对作为视觉事件的用户的表情的判断方式包括：