[发明专利]一种面向多轮对话中回复情感的动态决策方法

说明书

一种面向多轮对话中回复情感的动态决策方法，基于情感导向决策单元实现，为实现恰当地决策出回复的情感，将多轮对话情感导向决策子任务视为一种限制条件下的序列预测任务。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，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和用于提供引导目标情感信息的用户目标情感极性，门控机制中改进了遗忘门，并增加了情感导向门，与EGDMC训练算法配合取得了最符合真实情况下的情感导向决策。

技术领域

本发明属于人工智能技术领域，涉及情感对话生成，特别涉及一种面向多轮对话中回复情感的动态决策方法。

背景技术

情感导向决策任务是指根据历史对话的情感序列和目标情感倾向，决策出适合当前回复的情感，因此，使用情感序列预测任务的方法完成情感导向决策任务是一种比较自然的思路。此外，情感导向决策任务与情感序列预测任务的区别在于前者需要考虑目标情感倾向对预测结果的影响，因此需要针对性地进行模型结构的改进，进而提升决策的恰当性。目前，研究人员只致力于在对话生成模型中添加更多的情感词，以保持用户聊天的持续性，而不考虑回复的情感是否符合人类对话。

发明内容

为了克服上述现有技术的缺点，针对对话生成模型中缺乏对回复情感的显式决策导致的回复情感不恰当的问题，以及现有工作对情感导向决策尚未开展大规模研究的问题，本发明的目的在于提供一种面向多轮对话中回复情感的动态决策方法，采用基于带门控机制的时间序列模型的情感导向决策单元(EGDMC)，对对话中回复情感进行导向决策，进而得到对于当前回复最恰当的情感类别，最终实现引导用户情感的目的。

为了实现上述目的，本发明采用的技术方案是：

一种面向多轮对话中回复情感的动态决策方法，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)