基于情感动力学的对话情感预测方法和系统

1.本发明涉及情感预测技术领域，具体涉及一种基于情感动力学的对话情感预测方法、系统、存储介质和电子设备。


背景技术：

2.情感预测是对未来情绪(情绪状态)的预测。作为影响偏好，决策和行为的过程，情感预测由心理学家和经济学家研究，具有广泛的应用。
3.目前，对话中的情感建模方法可以按照建模对象分为两种：一种是不对说话角色进行建模(即不区分说话人角色)，其认为说话人自身的影响和对话中他人的影响具有相同的重要程度，使用这种建模方式完成对话情感检测或预测任务时，主要是依赖于对话内容中潜在的信息进行分析；另一种则是对说话角色进行建模(即区分说话人角色)，其区分说话人角色的建模方式认为自身的影响与他人的影响具有不同的影响力，因此分开建模。
4.然而，原有技术的方案没有根据相关心理学理论进行设计，即大多直观上对对话内容进行分析，忽略了心理学的情感理论，而缺乏心理学情感理论的支撑会使情感预测结果可解释性较差。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种基于情感动力学的对话情感预测方法、系统、存储介质和电子设备，解决了情感预测结果可解释性较差的技术问题。
7.(二)技术方案
8.为实现以上目的，本发明通过以下技术方案予以实现：
9.一种基于情感动力学的对话情感预测方法，包括：
10.s1、获取并预处理待预测的历史对话；
11.s2、根据预处理后的历史对话，获取全局推断向量；
12.s3、根据全局推断向量，为每一句历史对话进行注意力加权；
13.s4、根据加权后的历史对话，获取情感动态向量；
14.s5、根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。
15.优选的，所述s1中采用bert预训练模型对历史对话进行嵌入后得到的句子向量，
[0016][0017]
其中，历史对话中的角色表示为：speakers＝{a，b}；
[0018]
分别为第1，2，...，t句话对应的句子向量。
[0019]
优选的，所述s2中采用bigru结构来获取全局推断向量，具体包括：
[0020]
[0021]
其中，h
global
为bigru最终输出的隐层状态，作为全局推断向量。
[0022]
优选的，所述s3中为每一句历史对话进行注意力加权，具体包括：
[0023][0024][0025]
其中，αi为hi的注意力权值；hi为步骤s2中通过bigru结构对进行编码得到的隐层状态为hi的维度，为hi的转置。
[0026]
优选的，所述s4中获取情感动态向量，具体包括：
[0027][0028]
其中，α
t-1
，α
t-2
为第t-1，t-2句话的注意力权值，第t-2句话与第t句话的的说话角色相同，与t-1句话的说话角色不同，β
t-2
为当前的说话角色的削弱系数；
[0029]
最终生成每一句话对应的情感动态向量
[0030]
优选的，所述s5中采用条件随机场crf结构进行标注，获得所述全局最优的情感序列，具体包括：
[0031][0032]
其中，为最终得到的情感序列；为任务目标，即最终待预测的情感标签。
[0033]
一种基于情感动力学的对话情感预测系统，包括：
[0034]
预处理模块，用于获取并预处理待预测的历史对话；
[0035]
全局推断模块，用于根据预处理后的历史对话，获取全局推断向量；
[0036]
注意力分配模块，用于根据全局推断向量，为每一句历史对话进行注意力加权；
[0037]
情感动态模块，用于根据加权后的历史对话，获取情感动态向量；
[0038]
序列标注模块，用于根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。
[0039]
一种存储介质，其存储有用于基于情感动力学的对话情感预测的计算机程序，其中，所述计算机程序使得计算机执行如上所述的对话情感预测方法。
[0040]
一种电子设备，包括：
[0041]
一个或多个处理器；
[0042]
存储器；以及
[0043]
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的对话情感预测方法。
[0044]
(三)有益效果
[0045]
本发明提供了一种基于情感动力学的对话情感预测方法、系统、存储介质和电子设备。与现有技术相比，具备以下有益效果：
[0046]
本发明包括获取并预处理待预测的历史对话；据预处理后的历史对话，获取全局推断向量；根据全局推断向量，为每一句历史对话进行注意力加权；根据加权后的历史对
话，获取情感动态向量；根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。根据gross情感调节理论进行建模，具有科学的心理学理论支撑，使模型的预测结果更具可解释性；对对话中的角色进行区分，建模了情感的阻尼性(持续性)和传染性；将对话情感预测任务转化为对话情感序列标注任务，对情感之间的转移关系进行分析，使预测结果更合理。
附图说明
[0047]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]
图1为本发明实施例提供的一种基于情感动力学的对话情感预测方法的流程示意图。
具体实施方式
[0049]
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
本技术实施例通过提供一种基于情感动力学的对话情感预测方法、系统、存储介质和电子设备，解决了情感预测结果可解释性较差的技术问题。
[0051]
本技术实施例中的技术方案为解决上述技术问题，总体思路如下：
[0052]
本发明实施例包括获取并预处理待预测的历史对话；据预处理后的历史对话，获取全局推断向量；根据全局推断向量，为每一句历史对话进行注意力加权；根据加权后的历史对话，获取情感动态向量；根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。根据gross情感调节理论进行建模，具有科学的心理学理论支撑，使模型的预测结果更具可解释性；对对话中的角色进行区分，建模了情感的阻尼性(持续性)和传染性；将对话情感预测任务转化为对话情感序列标注任务，对情感之间的转移关系进行分析，使预测结果更合理。
[0053]
其中，gross情感调节理论是一种经典的评估理论，包括情景选择、情景修正、注意分配、认知改变、反应调整。
[0054]
1)情景选择是指个体趋近或避开某些人、事件与场合以调节情绪。
[0055]
2)情景修正是指应对问题或对情绪事件进行初步的控制，努力改变情景。
[0056]
3)注意分配是指关注于情景中许多方面的某一或某些方面，包括努力使注意集中于一个特定的话题或任务。
[0057]
4)认知改变是指选择对情绪事件意义的可能解释。
[0058]
5)反应调整是指情绪已经被激发后，对情绪反应趋势施加影响，降低情绪反应的行为表达。
[0059]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上
述技术方案进行详细的说明。
[0060]
实施例：
[0061]
如图1所示，本发明实施例提供了一种基于情感动力学的对话情感预测方法，包括：
[0062]
s1、获取并预处理待预测的历史对话；
[0063]
s2、根据预处理后的历史对话，获取全局推断向量；
[0064]
s3、根据全局推断向量，为每一句历史对话进行注意力加权；
[0065]
s4、根据加权后的历史对话，获取情感动态向量；
[0066]
s5、根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。
[0067]
本发明实施例根据gross情感调节理论进行建模，具有科学的心理学理论支撑，使模型的预测结果更具可解释性；对对话中的角色进行区分，建模了情感的阻尼性(持续性)和传染性；将对话情感预测任务转化为对话情感序列标注任务，对情感之间的转移关系进行分析，使预测结果更合理。
[0068]
接下来将结合具体内容详细介绍上述技术方案的各个步骤：
[0069]
首先需要说明的是，在对对话中的情感进行分析时，如果不对说话角色进行区分，则忽视了情感的持续性与传染性。情感的持续性是指，在对话中，说话人自身的情感会将当前的状态持续下去，维持自身情感，而情感的传染性是指，说话人的情绪会受对话中的他人影响，受到他人的情绪的传染。因此，本发明实施例对对话中的角色进行了建模，能够有效建模了情感的阻尼性和传染性。
[0070]
在步骤s1中，获取并预处理待预测的历史对话。
[0071]
本步骤中采用bert预训练模型对历史对话进行嵌入后得到的句子向量，
[0072][0073]
其中，历史对话中的角色表示为：speakers＝{a，b}；
[0074]
分别为第1，2，...，t句话对应的句子向量；
[0075]
在此本发明实施例选择嵌入维度h＝521。
[0076]
在步骤s2中，根据预处理后的历史对话，获取全局推断向量。
[0077]
本步骤中采用bigru结构来获取全局推断向量，具体包括：
[0078][0079]
其中，h
global
为bigru最终输出的隐层状态，作为全局推断向量。
[0080]
在步骤s3中，根据全局推断向量，为每一句历史，对话进行注意力加权。
[0081]
本步骤中为每一句历史对话进行注意力加权，具体包括：
[0082][0083]
其中，αi为hi的注意力权值；hi为步骤s2中通过bigru结构对进
行编码得到的隐层状态为hi的维度，为hi的转置。
[0084]
本发明实施例引入了注意分配机制，建模了对话过程中说话角色对于话题内容的关注点，更符合客观常理。
[0085]
在步骤s4中，根据加权后的历史对话，获取情感动态向量。
[0086]
本步骤中考虑到对话中情感的动态变化过程，设计了一个情感动态单元，用于情感状态更新。情感动态单元考虑了对话中的注意力分布和情感阻尼的影响，最终情感动态单元建模了历史对话的情感潜在向量，情感潜在向量表现了对话中对话双方的情感变化过程。上述情感阻尼是指说话角色在对话中尽量维持自身当前情感状态的程度，设计了削弱系数β来建模情感阻尼。
[0087]
获取情感动态向量，具体包括：
[0088][0089]
其中，α
t-1
，α
t-2
为第t-1，t-2句话的注意力权值，第t-2句话与第t句话的的说话角色相同，与t-1句话的说话角色不同，β
t-2
为当前的说话角色的削弱系数；
[0090]
最终生成每一句话对应的情感动态向量
[0091]
在步骤s5中，根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。
[0092]
本步骤中采用条件随机场crf结构进行标注，获得所述全局最优的情感序列，具体包括：
[0093][0094]
其中为最终得到的情感序列；为任务目标，即最终待预测的情感标签。
[0095]
其中，crf使用维特比算法进行序列预测。crf的计算过程可以形式化为：
[0096][0097]
本发明实施例将对话预测任务转化为对话中的情感序列建模任务，引入条件随机场crf，利用crf进行推断，最终获得一个基于全局的最优序列，更准确地建模出了情感转移过程，使预测结果更精准。与其他基于对话顺序的预测方法相比，crf的预测结果考虑了附近语句情感标签之间的关系，有利于建模情感的一致性(相似的情感比不相似的情感更容易相邻出现)。
[0098]
本发明实施例提供了一种基于情感动力学的对话情感预测系统，包括：
[0099]
预处理模块，用于获取并预处理待预测的历史对话；
[0100]
全局推断模块，用于根据预处理后的历史对话，获取全局推断向量；
[0101]
注意力分配模块，用于根据全局推断向量，为每一句历史对话进行注意力加权；
[0102]
情感动态模块，用于根据加权后的历史对话，获取情感动态向量；
[0103]
序列标注模块，用于根据情感动态向量，获取全局最优的情感序列，确定情感预测结果。
[0104]
本发明实施例提供了一种存储介质，其存储有用于基于情感动力学的对话情感预
测的计算机程序，其中，所述计算机程序使得计算机执行如上所述的对话情感预测方法。
[0105]
本发明实施例还提供了一种电子设备，包括：
[0106]
一个或多个处理器；
[0107]
存储器；以及
[0108]
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的对话情感预测方法。
[0109]
可理解的是，本发明实施例提供的基于情感动力学的对话情感预测系统、存储介质和电子设备与本发明实施例提供的基于情感动力学的对话情感预测方法相对应，其有关内容的解释、举例和有益效果等部分可以参考对话情感预测方法中的相应部分，此处不再赘述。
[0110]
综上所述，与现有技术相比，具备以下有益效果：
[0111]
1、本发明实施例根据gross情感调节理论进行建模，具有科学的心理学理论支撑，使模型的预测结果更具可解释性；对对话中的角色进行区分，建模了情感的阻尼性(持续性)和传染性；将对话情感预测任务转化为对话情感序列标注任务，对情感之间的转移关系进行分析，使预测结果更合理。
[0112]
2、本发明实施例对对话中的角色进行了建模，能够有效建模了情感的阻尼性和传染性。
[0113]
3、本发明实施例引入了注意分配机制，建模了对话过程中说话角色对于话题内容的关注点，更符合客观常理。
[0114]
4、本发明实施例将对话预测任务转化为对话中的情感序列建模任务，引入条件随机场crf，利用crf进行推断，最终获得一个基于全局的最优序列，更准确地建模出了情感转移过程，使预测结果更精准。与其他基于对话顺序的预测方法相比，crf的预测结果考虑了附近语句情感标签之间的关系，有利于建模情感的一致性(相似的情感比不相似的情感更容易相邻出现)。
[0115]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0116]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。