[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

说明书

本发明提供了用于基于AI的计算机辅助说服系统(CAPS)的方法和系统。CAPS从目标和代理两者获得针对对象的输入，基于对输入的分析动态地生成说服参考。CAPS通过使用递归网络(RNN)模型分析代理音频流和目标音频流来获得内容输出，基于卷积神经网络(CNN)模型获得情绪分类器，更新对话矩阵，并且基于所更新的对话矩阵生成说服参考。说服参考是基于使用RNN模型从对话矩阵生成的接受可能性结果。CAPS还使用具有目标大数据的输入的CNN来生成目标简档，其中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代理。

技术领域

本发明总体涉及一种说服系统，更具体地，涉及一种计算机辅助说服系统。

背景技术

说服是在不使用强制或欺骗的情况下尝试改变他人态度或行为或两者。在设计有效的市场和销售活动时，已经对消费者行为进行了大量的说服研究。随着计算机技术的快速发展，说服的心理理论被应用到计算机技术中。传统上，说服被分类为三个类别，即，人际说服、计算机介导的说服和人机说服。当人们彼此交互时，发生人际说服。人际交流包括口头和非口头形式的行为、个人反馈、行为的一致性和改变其他人的态度和/或行为的意图。计算机技术的发展提供了其它说服方法。人们可以通过电子邮件、即时消息或其他计算机技术来说服其他人。这被称为计算机介导的说服。这样的示例是某人阅读博客并被该博客中呈现的论点所说服。随着人机交互技术的发展，说服技术也随之发展。它被定义为当与计算机技术交互时如何说服人们的研究。这在这里被称为人机说服。具体而言，说服技术被定义为一类被有意地设计为改变他人态度或行为的技术。它也被称为“计算机说服学(captology)”，是由斯坦福大学的一名教授Fogg创造的术语。它集中于“正在被开发以改变人们的态度或行为的计算产品的设计、研究和分析”。另一方面，说服系统是计算机化的软件，被设计为在没有任何强制或欺骗的情况下增强、改变或塑造态度或行为或两者。

这三种说服方式之间的主要区别在于说服者的来源或起源。在人际说服和计算机介导的说服中，说服者是发起想要说服另一人的过程的人。人机说服与这两种说服不同，因为不总是可能知道实际的说服者是谁。计算机技术没有它们自己的意图。然而，创建、分发或采用该技术的人具有影响某人的态度或行为的意图和动机。在某种意义上，总是有计算机技术背后的“人”。与人际交互和交流的基于AI的社交机器人技术的最近发展高度表明类似于社交交流的交互在人机交互中是可能的。例如，半仿人机器人可以辅助银行中的客户。其他社交机器人被证明在帮助儿童自闭症方面是有效的。个性化Web代理或聊天机器人(Chatbot)与用户之间的交互可以被认为是有说服力的交流。从纯粹的人际说服到计算机介导的说服，到人机说服，计算机智能扮演了越来越重要的角色。然而，社交机器人技术受到物理硬件(即机器人)的限制。当前的技术缺乏说服者、目标(即，被说服者)、对象(即，说服主题)和计算机系统之间的交互式集成。当前计算机系统中交互式集成的缺乏大大降低了说服技术的有效性。需要将新的基于AI的技术集成到说服系统中，以提高系统的准确性和效率。

需要改进和增强说服计算机系统。

发明内容