[发明专利]用于基于人工智能的计算机辅助说服系统的方法和装置

权利要求书

1.一种用于基于人工智能的计算机辅助说服系统的方法，包括：

当代理正在与目标进行对话时，由计算机系统从所述目标获得目标音频流并且从所述代理获得代理音频流，其中所述计算机系统具有与至少一个存储器单元耦接的一个或多个处理器，以及其中对话是针对第一对象的说服尝试；

通过使用递归网络模型分析所述代理音频流和所述目标音频流来获得代理内容输出和目标内容输出；

获得针对所述代理音频流的代理情绪分类器和针对所述目标音频流的目标情绪分类器，其中每个情绪分类器是从由对应的音频流的卷积神经网络模型分析所产生的情感分类器导出的；

基于先前的和当前的内容输出以及针对所述代理和所述目标的情绪分类器来更新包括先前的和当前的音频流分析的对话矩阵；以及

基于所更新的对话矩阵来生成说服参考，

其中，所述情感分类器选自包括愤怒的情感、激动的情感、沮丧的情感、快乐的情感、中性的情感、悲伤的情感和惊讶的情感在内的情感群组，以及所述情绪分类器选自包括极端积极、积极、中性、消极、极端消极和惊讶在内的情绪群组。

2.根据权利要求1所述的方法，其中所述说服参考是基于使用递归网络模型从所述对话矩阵生成的接受可能性结果。

3.根据权利要求1所述的方法，其中所述说服参考包括一个或多个指导，所述一个或多个指导包括：所述第一对象的参考资料、所述第一对象的指导资料、针对所述代理的声音情绪改变的建议、以及一个或多个建议的新对象。

4.根据权利要求3所述的方法，其中对所述说服参考中的一个或多个指导进行排名。

5.根据权利要求3所述的方法，其中所述一个或多个建议的新对象是使用具有来自与所述第一对象相关联的主题大数据的输入的卷积神经网络来生成的。

6.根据权利要求1所述的方法，其中所述说服参考还基于一个或多个先前的说服参考来生成。

7.根据权利要求6所述的方法，其中所述对话矩阵指示没有遵循关于所述一个或多个先前的说服参考的一系列指导。

8.根据权利要求1所述的方法，还包括：

使用具有目标大数据的输入的卷积神经网络来生成目标简档，其中所述目标简档包括一个或多个对象，以及其中基于所生成的简档和一个或多个所选择的对象来选择所述代理。

9.根据权利要求1所述的方法，其中通过内容流将所述说服参考传递到所述代理所使用的移动设备。

10.一种用于基于人工智能的计算机辅助说服系统的系统，包括：

音频输入模块，当代理正在与目标进行对话时，所述音频输入模块从所述目标获得目标音频流并且从所述代理获得代理音频流，其中对话是针对第一对象的说服尝试；

内容输出模块，所述内容输出模块通过使用递归网络模型分析所述代理音频流和所述目标音频流来获得代理内容输出和目标内容输出；

语音分类器模块，所述语音分类器模块获得针对所述代理音频流的代理情绪分类器和针对所述目标音频流的目标情绪分类器，其中每个情绪分类器是从由对应的音频流的卷积神经网络模型分析所产生的情感分类器导出的；

对话处理模块，所述对话处理模块基于先前的和当前的内容输出以及针对所述代理和所述目标的情绪分类器来更新包括先前的和当前的音频流分析的对话矩阵；以及

说服参考模块，所述说服参考模块基于所更新的对话矩阵来生成说服参考，

其中，所述情感分类器选自包括愤怒的情感、激动的情感、沮丧的情感、快乐的情感、中性的情感、悲伤的情感和惊讶的情感在内的情感群组，以及所述情绪分类器选自包括极端积极、积极、中性、消极、极端消极和惊讶在内的情绪群组。

11.根据权利要求10所述的系统，其中所述说服参考是基于使用递归网络模型从所述对话矩阵生成的接受可能性结果。