[发明专利]一种人类行为与情感的预测、溯源方法及装置

权利要求书

1.一种人类行为与情感的预测、溯源方法，其步骤包括：

1)根据任务类型，选取元素组合输入基线系统，其中任务类型包括：情感预测任务、情感溯源任务、行为预测任务或行为溯源任务，所述情感预测任务的元素组合包括：个体X、需求标签N和文本行为A，所述情感溯源任务或行为溯源任务的元素组合包括：个体X、情感标签E和文本行为A，所述行为预测任务的元素组合包括：个体X、需求标签N和情感标签E；

2)基线系统根据元素组合，选取处理路径，并通过以下策略进行处理，获取情感预测任务结果、情感溯源任务结果、行为预测任务结果或行为溯源任务结果：

2.1)当元素组合包括个体X、需求标签N和文本行为A时，通过以下步骤进行处理：

2.1.1)将通过个体X与需求标签N生成的第一自然语言文本序列输入编码器，得到编码h_s1，并根据编码h_s1，获取各情感类别标签的第一概率分布；

2.1.2)将文本行为A输入情感概念知识库，得到文本行为A中每一常识在各情感类别标签下的重要程度，并结合设定查找表，得到情感常识性知识第一分布；

2.1.3)根据各情感类别标签的第一概率分布与情感常识性知识第一分布进行投票，选取最佳情感类别标签，以获取情感预测任务结果；

2.2)当元素组合包括个体X、情感标签E和文本行为A时，通过以下步骤进行处理：

2.2 .1)将通过个体X与情感标签E生成的第二自然语言文本序列输入编码器，得到编码h_s2，并根据编码h_s2，获取各情感类别标签的第二概率分布或各行为类别标签的概率分布；

2.2 .2)将文本行为A输入需求概念知识库，得到文本行为A中每一常识在各情感类别标签或各行为类别标签下的重要程度，并结合设定查找表，得到情感常识性知识第二分布或行为常识性知识分布；

2.2 .3)根据各情感类别标签的第二概率分布与情感常识性知识第二分布，或各行为类别标签的概率分布与行为常识性知识分布进行投票，选取最佳情感类别标签或行为类别标签，以获取情感溯源任务结果或行为溯源任务结果；

2.3)当元素组合包括个体X、需求标签N和情感标签E时，将个体X、需求标签N和情感标签E输入语言模型，获取行为预测任务结果。

2.如权利要求1所述的方法，其特征在于，步骤1)中，基线系统对输入的需求标签N与情感标签E进行预处理；预处理包括：通过一设定提示模板，以扩展需求标签N或情感标签E的语义信息。

3.如权利要求1所述的方法，其特征在于，所述编码器包括：GRU模型、BERT模型或RoBERTa模型。

4.如权利要求1所述的方法，其特征在于，文本行为A输入情感概念知识库之前，对文本行为A进行预处理；预处理包括：删除了停用词和高频词。

5.如权利要求1所述的方法，其特征在于，通过以下步骤构建情感概念知识库：

1)采集情感常识概念；

2)计算各情感类别中每个常识概念的出现次数，以形成矩阵其中d_c为常识概念的维度，d_n为情感类别中的维度；

3)计算每一常识概念在各情感类别中的重要程度其中是第i个标签的第j个常识概念，s为当前标签，Ct为常识概念出现的次数，V为常识概念相应词汇的大小，N为常识概念出现的总数。

6.如权利要求1所述的方法，其特征在于，进行投票的方法包括：使用池化机制；池化机制包括：平均池化、最大值池化或求和池化。

7.如权利要求1所述的方法，其特征在于，语言模型包括：BERT模型或GPT-2模型。

8.如权利要求1所述的方法，其特征在于，通过以下步骤得到情感预测任务结果：

1)设置情感预测任务的槽填充模板；

2)使用槽填充方法将最佳情感类别标签相应的预测结果，填充到槽填充模板中，以得到自然语言解释的情感预测任务结果。