[发明专利]一种基于因果感知交互网络的对话情绪识别方法

权利要求书

1.一种基于因果感知交互网络的对话情绪识别方法，其特征在于包括以下步骤：

步骤一：获取待识别的对话语料；

步骤二：将待识别的对话语料中的语句分别输入RoBERTa预训练语言模型和COMET常识知识生成模型；

输入RoBERTa预训练语言模型得到语句的语义表示向量c_i；

输入COMET常识知识生成模型得到自身因果线索向量和他人因果线索向量；

步骤三：将语句的语义表示向量经过前向的语境和后向的语境进行建模，得到表示语句上下文语义信息的隐藏向量h_i；

步骤四：将自身因果线索向量和他人因果线索向量分别经过线性特征整合，然后分别与隐藏向量进行拼接，得到自身因果隐藏向量和他人因果隐藏向量；

步骤五：将隐藏向量h_i与自身因果隐藏向量和他人因果隐藏向量进行点积运算，得到一个联合的因果线索检索结果

步骤六：将联合的因果线索检索结果根据说话人自身的轮次和对方的轮次拆分成两部分，然后将拆分后的两部分分别与表示语句上下文语义信息的隐藏向量h_i进行乘积，然后将两个乘积结果进行加和得到因果语句回溯过程的结果，即具有因果意识的语句表示向量

步骤七：基于步骤六中拆分后的两部分，将根据说话人自身的轮次拆分的结果与自身因果隐藏向量进行乘积，将根据对方的轮次拆分的结果与他人因果隐藏向量进行乘积，最后将两个乘积结果进行加和得到融入因果线索中包含的情感信息

步骤八：将具有因果意识的语句表示向量和融入因果线索中包含的情感信息进行拼接，得到拼接后的结果然后将进行特征维度的整合，得到情感分类结果

2.根据权利要求1所述的一种基于因果感知交互网络的对话情绪识别方法，其特征在于所述语句的语义表示向量c_i表示为：

c_i＝RoBERTa([CLS],w₁，w₂，…，w_L)

其中，d_m是RoBERTa中向量的隐藏状态的维度，w₁，w₂，…，w_L表示语料，[CLS]表示语料的开始部分设置的标记。

3.根据权利要求2所述的一种基于因果感知交互网络的对话情绪识别方法，其特征在于所述表示语句上下文语义信息的隐藏向量h_i表示为：

h_i＝GRU(c_i,h_i-1)

其中，GRU表示双向门控循环单元，d_h是GRU单元输出的维度，h_i-1表示上一时间步骤的隐藏向量。

4.根据权利要求3所述的一种基于因果感知交互网络的对话情绪识别方法，其特征在于所述联合的因果线索检索结果表示为：

其中，表示自身因果线索检索得分，表示他人因果线索检索得分，h_j表示第j条对话语句的隐藏向量，表示第j条对话语句对应的他人因果线索向量，表示第j条对话语句对应的自身因果线索向量，表示第i条对话语句隐藏向量和第j条对话语句隐藏向量之间是否要进行他人因果线索检索点积运算操作，表示第i条对话语句隐藏向量和第j条对话语句隐藏向量之间是否要进行自身因果线索检索点积运算操作，1表示进行，0表示不进行，f_q(·)，f_k(·)和f_e(·)都表示线性变换，φ表示对话语句与对应说话人的映射。

5.根据权利要求4所述的一种基于因果感知交互网络的对话情绪识别方法，其特征在于所述具有因果意识的语句表示向量表示为：

其中，表示自身因果线索检索结果，表示他人因果线索检索结果，S(i)是与语句u_i相同的说话人的语句集合，O(i)代表说话人与语句u_i不同的语句集合。