[发明专利]一种情感对话模型构建方法、情感对话系统及方法

说明书

本发明公开了一种情感对话模型构建方法、情感对话系统及方法。所公开的方法采用生产对抗网络训练得到相应模型，其中生成器用于生成对话回复，内容判别器能够区分输入的回复文本序列是否属于“通用回复”，参与模型的对抗训练过程；情感判别器能够区分生成模型生成的回复文本的情感类别是否为某个指定的情感类别，通过情感判别模型的加入，可以指导生成模型生成的对话文本的情感类别更接近于某个指定的情感类别。在人机对话过程中，本发明能够生成满足特定情感的对话回复，使得回复多样性，又满足情感的一致性，这样不仅可以提高机器生成回复的质量，还能提高人机交互中的用户体验感。

技术领域

本发明属于人机对话技术领域，具体涉及一种情感对话模型构建方法及相关情感对话系统和方法。

背景技术

人机对话作为一种新型的人机交互方式，能在很大程度上节省人力，在功能上主要分为任务型对话和闲聊式对话，分别用于满足不同的用户需求。

任务型对话可用于某固定领域的智能客服、订票、查询天气等场景中，比如淘宝智能客服、京东智能客服等，需要根据该任务相关的领域知识以及对话历史，实现用户的意图理解、对话管理等。

闲聊式对话多用于闲聊机器人中，比如微软小冰，对话主题多样，系统扮演的角色更加接近于人，对于用户输入的任意文本，系统应能给出合适的回复。

但在实际应用中，人们不仅希望机器人拥有智商，理解对话意图，更渴望机器能够理解人们的情感，提供个性化的情感交流，聊天型对话系统恰好可以完成情感对话交流的需求，可以与用户持续进行对话，能够理解对话中用户的情感，并在对话中进行情感表达。

目前对话生成系统主要使用序列到序列模型(Sequence to Sequence，Seq2Seq)，该模型使用最大似然估计方法确定生成的词语，容易导致训练数据中出现频次高的词被选中，但往往如“我不知道”，“好的”这类缺乏信息量的通用的句子频率较高，从而容易产生通用回答，使得模型回答比较单一。并且模型缺少情感的编码与解码，没有考虑问题与回答间的情感关系。难以达到与用户的自然交流，建立起用户与机器的情感纽带。

发明内容

针对现有技术的缺陷或不足，本发明一方面提供了一种情感对话模型的构建方法。

为此，本发明提供的情感对话模型的构建方法包括以下步骤：

步骤1，构建情感对话语料数据集和通用回复数据集，所述情感对话语料数据集包括多个语句和各语句的情感类别标签，所述通用回复数据集由多个通用语句构成；

步骤2，利用情感对话语料数据集和通用回复数据集训练生成对抗网络，所述生成对抗网络包括生成器和判别器，所述生成器包括编码器和解码器，所述判别器包括第一判别器和第二判别器；

所述编码器对情感对话语料数据集中的各语句进行向量化得到语义表示向量；所述解码器根据各语义表示向量和随机指定的情感类别标签生成各语句的回复，该回复中带有情感信息，所述生成过程的目标函数为-r·log(P(Y|X,e))，r＝a*Reward_c+b*Reward_e；-log(Y|X)为基础Seq2Seq对话模型的目标函数，X为语义表示向量，Y为X对应的回复，e为随机指定的情感类别标签，P(Y|X)为基于X最大化Y的生成概率。

P_c≥P₁时，Reward_c＝1-P_c，P_cP₁时，Reward_c＝P_c，其中：1P₁≥0.4；