[发明专利]一种人类行为与情感的预测、溯源方法及装置

说明书

本发明公开了一种人类行为与情感的预测、溯源方法及装置，对情感、需求和行为三者关联关系进行统一建模，可以从认知的角度通过情感、需求和行动之间的关系来模拟个体活动，实现了情感预测、情感溯源、行为预测及行为溯源四个任务。本发明可以对文本内容进行初步有效的情感预测和溯源以及行为预测和溯源，更好地揭示需求、情感和行为之间的本质关系，有助于研究人员追踪情绪反应和行为的起源，并为分析提供更合理的解释。

技术领域

本发明属于自然语言处理领域，特别涉及一种人类行为与情感的预测、溯源方法及装置。

背景技术

人类个体的一切社会活动是个体在其内心的驱动下与外部环境(个体之外的物理世界及抽象事件等)进行交互的过程，具体体现为：个体通过其行为对外部环境产生影响，外部环境对通过在个体内心产生情感反应来影响个体。整个交互过程是通过个体的内心需求，情感和行为三者协同工作来完成和实现的。因此，全面分析个体活动中情感，需求和行为各因素的产生和变化规律，建模三者之间的关联关系，能让我们从认知层面深入分析人类活动产生的根本原因并对分析结果给出合理的解释。这项技术将对智能对话，故事生成，推荐系统以及舆情分析等多个领域产生深远影响，具有广阔的应用前景。

传统的情感分析技术主要集中在情感检测上，并已被广泛使用(Socher等，2013；

Hamilton等，2016)。尽管当前最先进的情感分析系统可以检测文本的极性(Zhang等，2018)或考虑可能引起情感的细粒度类别(又称方面)(Pontiki等，2016)，对预测的分析及其原因的解释仍然很有限。

近年来，有许多大规模数据资源(Ding和Riloff，2018年；Rahimtoroghi等人，2017年)来探索人类的需求，行动或情感。Rashkin等人(2018a)提出了Story Commonsense(故事常识)来解释故事中人物心理状态变化的原因。Sap等人，2019b引入了SOCIAL IQA，用于在日常情况下探究情绪和社交智能。然后，Event2mind(Rashkin等人，2018b)，ATOMIC(Sap等人，2019a)和COMET-ATOMIC2020(Hwang等人，2020)收集了不同的“what-if”心理关系。

另外，一些工作(Gaonkar等，2020；Yuan等，2020)考虑将各种心理状态引入NLP任务中，例如情绪分析。Li和Hovy，2017年探讨了人类情感分析需求的重要性。Otani和Hovy，2019将人类动机视为人类情感的驱动力，提升系统情绪分析的能力。此外，大量工作(Du等人，2019；Paul和Frank，2019；Bosselut和Choi，2019)将心理状态知识转换为预训练的模型，并将其应用于条件故事生成任务。基于在常识语料库上接受预训练的GPT(COMET)，许多工作都将COMET生成的心理状态作为故事生成的条件(Xu等人，2020；Brahman和Chaturvedi，2020；Ammanabrolu等人，2020；Yuan等(2020)。

但现有技术中还存在如下问题：

1.现有数据资源集中在分析人类行为和心理状态(需求或情感)之间的二元关系上。

2.现有技术着重于对“需求与行动”或“情感与行动”之间关系的分析，而没有对人类的需求，行动和情感进行统一考虑。

发明内容

本发明提出了一种人类行为与情感的预测、溯源方法及装置，该方法以人类需求、行为、情感的自然语言文本描述为输入，经过相应的模型，实现对情感和行为的预测与溯源。

本发明的技术方案包括：

一种人类行为与情感的预测、溯源方法，其步骤包括：