[发明专利]一种面向多轮对话中回复情感的动态决策方法

权利要求书

1.一种面向多轮对话中回复情感的动态决策方法，其特征在于，基于情感导向决策单元实现，所述情感导向决策单元以LSTM为基础模型，包括两个外部输入、两个内部隐藏状态和四个门控机制，所述两个外部输入为用于提供用户当前情感信息的用户当前对话情感e^U_T和用于提供引导目标情感信息的用户目标情感极性S，e^U_T∈{happiness，like，none，disgust，sadness，anger}，S∈{positive，negative}，所述两个内部隐藏状态为上一时刻的单元状态C_T-1和上一时刻的隐藏状态h_T-1，其中C_T-1代表长期的情感记忆，h_T-1代表短期的情感记忆，所述四个门控机制为：遗忘门f_T，决定需要保留的历史情感记忆；输入门i_T，决定需要增加的当前情感记忆；情感导向门g_T，控制用户目标情感对当前情感决策的影响程度；输出门o_T，决定需要输出的情感决策信息，其中：

f_T＝σ(W_f·[h_T-1，e^U_T，S]+b_f)

i_T＝σ(W_i·[h_T-1，e^U_T]+b_i)

g_T＝σ(W_g·[e^U_T，S]+b_g)

o_T＝σ(W_o·[h_T-1，e^U_T]+b_o)

式中，σ为非线性激活函数，W_f、W_i、W_g和W_o为可训练的神经网络权重，b_f、b_i、b_g和b_o为可训练的神经网络偏差。

2.根据权利要求1所述面向多轮对话中回复情感的动态决策方法，其特征在于，所述非线性激活函数为Sigmoid函数。

3.根据权利要求1所述面向多轮对话中回复情感的动态决策方法，其特征在于，所述情感导向决策单元通过如下方法训练：

以多轮对话的情感类别序列{e^U₁，e^R₁，e^U₂，e^R₂…，e^U_j，e^R_j,…，e^U_T}和对应的目标情感极性S作为输入，决策出当前回复情感类别进行输出，其中e^U_j表示第j轮用户语句的情感类别，e^R_j表示第j轮回复语句的情感类别。