基于情绪指标的情绪状态变化信息的获取方法及装置与流程

本发明涉及人工智能对话系统，尤其涉及一种基于情绪指标的情绪状态变化信息的获取方法及装置。

背景技术：

在现有的人工智能对话系统中，少有考虑用户情绪的系统。即使此系统能辨识用户情绪，往往也只有当下的情绪识别，并无法对一段时间内的情绪进行推论，无法了解使用者与机器人互动时的情绪变化。

技术实现要素：

本发明的目的是提供一种基于情绪指标的情绪状态变化信息的获取方法及装置，旨在解决现有的人工智能对话系统无法获取用户在对话过程中的情绪状态变化的问题。

本发明解决其技术问题所采用的技术方案是：

一种基于情绪指标的情绪状态变化信息的获取方法，包括：

接收使用者输入的多条文本信息；

根据所述多条文本信息，获取每条文本信息的语意综合特征值；

根据所述每条文本信息的语意综合特征值，对所述多条文本信息进行对话区间分类；

获取每个对话区间的情绪指标；

根据所述每个对话区间的情绪指标，获取使用者的情绪状态变化信息。

在上述实施例的基础上，进一步地，还包括：

根据所述使用者的情绪状态变化信息，调整对使用者的回应策略。

在上述任意实施例的基础上，进一步地，还包括：

根据所述多条文本信息，获取外部环境信息；

根据所述外部环境信息、所述多条文本信息、所述使用者的情绪状态变化信息，获取使用者的偏好信息。

在上述任意实施例的基础上，进一步地，所述根据所述多条文本信息，获取每条文本信息的语意综合特征值的步骤，具体为：

根据所述多条文本信息，获取每条文本信息的情绪识别信息；

根据所述多条文本信息，获取每条文本信息的文本提取信息；

根据所述多条文本信息，获取每条文本信息的话题识别信息；

根据所述多条文本信息，获取每条文本信息的语言行为识别信息；

根据所述每条文本信息的情绪识别信息、文本提取信息、话题识别信息、语言行为识别信息中的一项或多项，获取每条文本信息的语意综合特征值。

在上述任意实施例的基础上，进一步地，所述根据所述每条文本信息的语意综合特征值，对所述多条文本信息进行对话区间分类的步骤，具体为：

将第1条文本信息分类到第一对话区间；

对第i条文本信息的语意综合特征值和第i-1条文本信息的语意综合特征值进行特征值是否相似的判断；当判断结果为相似时，将第i条文本信息分类到第i-1条文本信息所处的对话区间；当判断结果为不相似时，将第i条文本信息分类到新的对话区间；其中i为大于1的整数。

一种基于情绪指标的情绪状态变化信息的获取装置，包括：

接收模块，用于接收使用者输入的多条文本信息；

特征值获取模块，用于根据所述多条文本信息，获取每条文本信息的语意综合特征值；

对话区间分类模块，用于根据所述每条文本信息的语意综合特征值，对所述多条文本信息进行对话区间分类；

情绪指标获取模块，用于获取每个对话区间的情绪指标；

情绪状态变化信息获取模块，用于根据所述每个对话区间的情绪指标，获取使用者的情绪状态变化信息。

在上述实施例的基础上，进一步地，还包括：

回应策略调整模块，用于根据所述使用者的情绪状态变化信息，调整对使用者的回应策略。

在上述任意实施例的基础上，进一步地，还包括偏好信息获取模块，用于：

根据所述多条文本信息，获取外部环境信息；

根据所述外部环境信息、所述多条文本信息、所述使用者的情绪状态变化信息，获取使用者的偏好信息。

在上述任意实施例的基础上，进一步地，所述特征值获取模块，用于：

根据所述多条文本信息，获取每条文本信息的情绪识别信息；

根据所述多条文本信息，获取每条文本信息的文本提取信息；

根据所述多条文本信息，获取每条文本信息的话题识别信息；

根据所述多条文本信息，获取每条文本信息的语言行为识别信息；

根据所述每条文本信息的情绪识别信息、文本提取信息、话题识别信息、语言行为识别信息中的一项或多项，获取每条文本信息的语意综合特征值。

在上述任意实施例的基础上，进一步地，所述对话区间分类模块，用于：

将第1条文本信息分类到第一对话区间；

对第i条文本信息的语意综合特征值和第i-1条文本信息的语意综合特征值进行特征值是否相似的判断；当判断结果为相似时，将第i条文本信息分类到第i-1条文本信息所处的对话区间；当判断结果为不相似时，将第i条文本信息分类到新的对话区间；其中i为大于1的整数。

本发明的有益效果是：

本发明提供了一种基于情绪指标的情绪状态变化信息的获取方法及装置，获取使用者输入的多条文本信息的语意综合特征值，并据此将多条文本信息分类为多个对话区间，分别计算每个对话区间的情绪指标，通过对情绪指标的计算，掌握使用者与机器人互动时的情绪状态变化，同时也能提早发觉使用者对于人工智能对话系统的负面情绪上升的情况，以此作为人工智能对话系统其响应模式转换的参考，藉由对使用者的情绪状态变化的掌握与推论来调整回应策略，能够更进一步地贴近与了解用户。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1示出了本发明实施例提供的一种基于情绪指标的情绪状态变化信息的获取方法的流程图；

图2示出了本发明实施例提供的一种基于情绪指标的情绪状态变化信息的获取装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不限定本发明。

具体实施例一

如图1所示，本发明实施例提供了一种基于情绪指标的情绪状态变化信息的获取方法，包括：

步骤S101，接收使用者输入的多条文本信息。

步骤S102，根据所述多条文本信息，获取每条文本信息的语意综合特征值。

步骤S103，根据所述每条文本信息的语意综合特征值，对所述多条文本信息进行对话区间分类。

步骤S104，获取每个对话区间的情绪指标。

步骤S105，根据所述每个对话区间的情绪指标，获取使用者的情绪状态变化信息。

本发明实施例首先获取使用者输入的多条文本信息的语意综合特征值，并据此将多条文本信息分类为多个对话区间，分别计算每个对话区间的情绪指标，通过对情绪指标的计算，掌握使用者与机器人互动时的情绪状态变化，同时也能提早发觉使用者对于人工智能对话系统的负面情绪上升的情况，以此作为人工智能对话系统其响应模式转换的参考，藉由对使用者的情绪状态变化的掌握与推论来调整回应策略，能够更进一步地贴近与了解用户。

优选的，本发明实施例还可以包括：根据所述使用者的情绪状态变化信息，调整对使用者的回应策略。根据使用者的情绪状态变化信息调整回应策略，能够使人工智能对话系统的回应更加人性化，更进一步地贴近与了解用户。例如，当一段区间内的使用者情绪指标为“难过”时，人工智能对话系统将会调整回应策略，用以安慰使用者的难过情绪。

优选的，本发明实施例还可以包括：根据所述多条文本信息，获取外部环境信息；根据所述外部环境信息、所述多条文本信息、所述使用者的情绪状态变化信息，获取使用者的偏好信息。每条本文信息输入时，会带有外部环境信息，外部环境信息可以包括：时间信息、地点信息、气候信息。本发明实施例对使用者偏好信息的获取方式不做限定，其可以为利用逻辑统计规则的算法或利用机器学习的算法。偏好信息反应使用者对人工智能对话系统的偏好程度，偏好程度可以用满意度的不同等级来表示。这样做的好处是，可以获取使用者对人工智能对话系统各种回应的偏好程度，并以此作为参考对回应策略进行调整，使系统更进一步得贴近与了解用户。

本发明实施例对语意综合特征值的获取方式不做限定，优选的，所述步骤S102可以具体为：根据所述多条文本信息，获取每条文本信息的情绪识别信息；根据所述多条文本信息，获取每条文本信息的文本提取信息；根据所述多条文本信息，获取每条文本信息的话题识别信息；根据所述多条文本信息，获取每条文本信息的语言行为识别信息；根据所述每条文本信息的情绪识别信息、文本提取信息、话题识别信息、语言行为识别信息中的一项或多项，获取每条文本信息的语意综合特征值。例如，使用者在输入每一句文本信息时，可以通过情绪识别系统提取其情绪识别信息，情绪识别信息可以包括：a.用户当时下情绪状态，b.用户过去主要情绪，c.用户过去次要情绪；可以通过文本讯息提取系统提取文本提取信息，文本提取信息可以包括：语意信息、关键词信息、专有名词信息、动词信息，文本讯息提取系统还可以同时把原始句子和根据上下文文意改写后的改写句子的信息一同传送出；可以根据当前文本信息和历史文本信息通过话题识别系统提取话题识别信息，话题识别信息可以包括：a.当前主要话题，b.当前次要话题，c.过去主要话题，d.过去次要话题，e.常聊话题，f.喜好话题，g.时下热门话题等话题信息中的一种或多种；可以通过语言行为识别系统提取语言行为识别信息，语言行为识别信息可以包括：句型、语气；最后根据上述信息中的一项或多项，整合出语意综合特征值。

本发明实施例对于对话区间分类的方式不做限定，优选的，所述步骤S103可以具体为：将第1条文本信息分类到第一对话区间；对第i条文本信息的语意综合特征值和第i-1条文本信息的语意综合特征值进行特征值是否相似的判断；当判断结果为相似时，将第i条文本信息分类到第i-1条文本信息所处的对话区间；当判断结果为不相似时，将第i条文本信息分类到新的对话区间；其中i为大于1的整数。具体的，当用户与人工智能对话系统进行连续对话时，首先可以获取使用者的文本信息的语意综合特征值，将相邻两条文本信息的两个语意综合特征值输入判断特征值是否相似的系统后，可以利用逻辑规则的算法或利用机器学习的算法，得到相似或不相似的判定结果，当判定结果为不相似时，此两个语意则分属于两个不同的对话区间。例如，当第2条文本信息的语意综合特征值和第1条文本信息的语意综合特征值的判定结果是相似时，将第2条文本信息分类到第1条文本信息所处的对话区间，不相似则分类到新的对话区间；当第3条文本信息的语意综合特征值和第2条文本信息的语意综合特征值的判定结果是相似时，将第3条文本信息分类到第2条文本信息所处的对话区间，不相似则分类到新的对话区间。

本发明实施例对情绪指标的获取方式不做限定，优选的，所述步骤S104可以采用基于逻辑统计规则或基于机器学习的算法来归纳每个区间的情绪指标。本发明实施例对情绪指标的表征形式不做限定，优选的，情绪指标可以为数值指标或类型指标。例如，当情绪指标为数值指标时，其可以采用百分制来表征情绪，例如可以将不满情绪赋值为75分，将极度不满情绪赋值为100分；当情绪指标是类别指标时，其可以将情绪分类为不同等级，例如可以将满意情绪分类为level-1，将不满情绪分类为level-3，将极度不满情绪分类为level-5。

具体实施例二

如图2所示，本发明实施例提供了一种基于情绪指标的情绪状态变化信息的获取装置，包括：

接收模块201，用于接收使用者输入的多条文本信息；

特征值获取模块202，用于根据所述多条文本信息，获取每条文本信息的语意综合特征值；

对话区间分类模块203，用于根据所述每条文本信息的语意综合特征值，对所述多条文本信息进行对话区间分类；

情绪指标获取模块204，用于获取每个对话区间的情绪指标；

情绪状态变化信息获取模块205，用于根据所述每个对话区间的情绪指标，获取使用者的情绪状态变化信息。

本发明实施例首先获取使用者输入的多条文本信息的语意综合特征值，并据此将多条文本信息分类为多个对话区间，分别计算每个对话区间的情绪指标，通过对情绪指标的计算，掌握使用者与机器人互动时的情绪状态变化，同时也能提早发觉使用者对于人工智能对话系统的负面情绪上升的情况，以此作为人工智能对话系统其响应模式转换的参考，藉由对使用者的情绪状态变化的掌握与推论来调整回应策略，能够更进一步地贴近与了解用户。

优选的，本发明实施例还可以包括回应策略调整模块，用于根据所述使用者的情绪状态变化信息，调整对使用者的回应策略。根据使用者的情绪状态变化信息调整回应策略，能够使人工智能对话系统的回应更加人性化，更进一步地贴近与了解用户。例如，当一段区间内的使用者情绪指标为“难过”时，人工智能对话系统将会调整回应策略，用以安慰使用者的难过情绪。

优选的，本发明实施例还可以包括偏好信息获取模块，用于：根据所述多条文本信息，获取外部环境信息；根据所述外部环境信息、所述多条文本信息、所述使用者的情绪状态变化信息，获取使用者的偏好信息。每条本文信息输入时，会带有外部环境信息，外部环境信息可以包括：时间信息、地点信息、气候信息。本发明实施例对使用者偏好信息的获取方式不做限定，其可以为利用逻辑统计规则的算法或利用机器学习的算法。偏好信息反应使用者对人工智能对话系统的偏好程度，偏好程度可以用满意度的不同等级来表示。这样做的好处是，可以获取使用者对人工智能对话系统各种回应的偏好程度，并以此作为参考对回应策略进行调整，使系统更进一步得贴近与了解用户。

本发明实施例对语意综合特征值的获取方式不做限定，优选的，所述特征值获取模块202可以用于：根据所述多条文本信息，获取每条文本信息的情绪识别信息；根据所述多条文本信息，获取每条文本信息的文本提取信息；根据所述多条文本信息，获取每条文本信息的话题识别信息；根据所述多条文本信息，获取每条文本信息的语言行为识别信息；根据所述每条文本信息的情绪识别信息、文本提取信息、话题识别信息、语言行为识别信息中的一项或多项，获取每条文本信息的语意综合特征值。例如，使用者在输入每一句文本信息时，可以通过情绪识别系统提取其情绪识别信息，情绪识别信息可以包括：a.用户当时下情绪状态，b.用户过去主要情绪，c.用户过去次要情绪；可以通过文本讯息提取系统提取文本提取信息，文本提取信息可以包括：语意信息、关键词信息、专有名词信息、动词信息，文本讯息提取系统还可以同时把原始句子和根据上下文文意改写后的改写句子的信息一同传送出；可以根据当前文本信息和历史文本信息通过话题识别系统提取话题识别信息，话题识别信息可以包括：a.当前主要话题，b.当前次要话题，c.过去主要话题，d.过去次要话题，e.常聊话题，f.喜好话题，g.时下热门话题等话题信息中的一种或多种；可以通过语言行为识别系统提取语言行为识别信息，语言行为识别信息可以包括：句型、语气；最后根据上述信息中的一项或多项，整合出语意综合特征值。

本发明实施例对于对话区间分类的方式不做限定，优选的，所述对话区间分类模块203可以用于：将第1条文本信息分类到第一对话区间；对第i条文本信息的语意综合特征值和第i-1条文本信息的语意综合特征值进行特征值是否相似的判断；当判断结果为相似时，将第i条文本信息分类到第i-1条文本信息所处的对话区间；当判断结果为不相似时，将第i条文本信息分类到新的对话区间；其中i为大于1的整数。具体的，当用户与人工智能对话系统进行连续对话时，首先可以获取使用者的文本信息的语意综合特征值，将相邻两条文本信息的两个语意综合特征值输入判断特征值是否相似的系统后，可以利用逻辑规则的算法或利用机器学习的算法，得到相似或不相似的判定结果，当判定结果为不相似时，此两个语意则分属于两个不同的对话区间。例如，当第2条文本信息的语意综合特征值和第1条文本信息的语意综合特征值的判定结果是相似时，将第2条文本信息分类到第1条文本信息所处的对话区间，不相似则分类到新的对话区间；当第3条文本信息的语意综合特征值和第2条文本信息的语意综合特征值的判定结果是相似时，将第3条文本信息分类到第2条文本信息所处的对话区间，不相似则分类到新的对话区间。

本发明实施例对情绪指标的获取方式不做限定，优选的，所述情绪指标获取模块204可以采用基于逻辑统计规则或基于机器学习的算法来归纳每个区间的情绪指标。本发明实施例对情绪指标的表征形式不做限定，优选的，情绪指标可以为数值指标或类型指标。例如，当情绪指标为数值指标时，其可以采用百分制来表征情绪，例如可以将不满情绪赋值为75分，将极度不满情绪赋值为100分；当情绪指标是类别指标时，其可以将情绪分类为不同等级，例如可以将满意情绪分类为level-1，将不满情绪分类为level-3，将极度不满情绪分类为level-5。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。尽管本发明已进行了一定程度的描述，明显地，在不脱离本发明的精神和范围的条件下，可进行各个条件的适当变化。可以理解，本发明不限于所述实施方案，而归于权利要求的范围，其包括所述每个因素的等同替换。