申请/专利权人：东北大学

申请日：2024-01-04

公开（公告）日：2024-04-02

公开（公告）号：CN117808103A

主分类号：G06N5/04

分类号：G06N5/04;G06N5/025;G06F18/214;G06F18/2431;G06N3/042;G06N3/045;G06N3/0455;G06N3/084;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明提供一种基于话语级特征动态交互的共情回复生成方法，涉及人工智能技术领域。通过人工智能和自然语言处理的方法，使计算机系统能够理解、识别和模拟人类的情感，并以情感化、体贴和理解的方式进行回复。通过本发明的方法，让计算机系统能够更好地理解人类情感，以更自然、更人性化的方式与人进行交流和互动，克服了现有技术中，粗粒度的对话历史建模与脱离语境的常识推理等缺陷导致的回复内容不流畅、一致性低、共情性差等问题。

主权项：1.一种基于话语级特征动态交互的共情回复生成方法，其特征在于：包括下列步骤：步骤1：数据集获取与预处理；获取共情回复生成任务的开源数据集，将数据集切分为训练集、验证集与测试集，每一个样本数据包括一个对话历史D和一个目标回复文本Y＝ures；对训练集、验证集、测试集的所有样本分别进行情绪与意图的自动标注；对于对话历史D中的每一条话语ui，采用DIALeCT语境化常识推理器进行常识推理，得到语境化常识知识步骤2：话语与常识知识编码；基于Transformer编码器对话语ui以及得到的语境化常识知识进行编码，映射为向量；步骤3：构建两阶段异构图注意力网络，包括认知增强图和动态交互图；步骤3.1：认知增强图；采用多层异构图注意力网络，选用与认知相关的常识知识以及对话历史中的话语作为节点，根据不同节点之间的关联性设计多种类型的边，通过图注意力机制聚合不同节点之间的特征信息，得到认知增强的话语编码；步骤3.2：动态交互图；采用多层异构图注意力网络，以及改进的图注意力机制，模拟不同话语、不同特征之间的动态交互性；步骤4：模型训练过程，包括基于交叉熵损失函数的情绪与意图预测和基于负对数似然函数的共情文本生成，并对两种训练过程进行加权求和；训练后保存最优模型，并使用测试集中的数据在最优模型上进行测试。

全文数据：

权利要求：

百度查询： 东北大学 一种基于话语级特征动态交互的共情回复生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD