基于个性导向和情感支持的对话生成方法研究与应用
作者单位：山东师范大学
学位级别：硕士
导师姓名：朱振方
授予年度：2024年
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：开放领域对话系统旨在以类人的方式与用户聊天,引起学术界和业界的广泛关注。随着近年来自然语言处理和人工智能对话技术的快速发展,开放域对话系统取得了实质性的进步。现有对话系统是在大规模会话语料库中进行训练的,可以根据用户感兴趣的任何主题提供合理的响应。然而,这些系统往往无法与用户建立长期的联系,获取对方的信任,主要存在以下两点缺陷:(1)表达风格一致的个性导向对话系统可以有效地获得用户的信任,充分发挥其价值。然而,现有个性化数据集过分依赖人工标注,含有角色信息过于密集,这使训练出来的模型过度依赖角色,与现实情况脱离。(2)赋予对话系统共情能力是一个值得关注的问题。然而现有方法只能识别用户粗粒度的情感状态,如何动态地捕捉用户的细粒度情感特征并根据情感特征提供相应的心理支持,需要进一步地探索。针对上述问题,本文从两个方面对模型进行设计,提高生成的角色一致性,对用户提供情感支持,使对话系统向更加拟人化的方向发展。本文的主要研究工作主要从以下三个方面展开: (1)为了产生一致的响应,在本文中,提出了基于个性化角色感知的开放域对话生成方法,在一定程度上促进挖掘和理解角色。首先,设计了一个角色感知网络,获取细粒度的个性化特征,进一步挖掘两者之间的多粒度关系。其次,建立了一个共享生成网络。该网络模型从角色感知网络中的映射关系中生成回复。由于该生成只是一个通用的粗糙响应,不能提供较高的一致性。因此,使用语言推理数据构建一致性匹配网络,增强角色和通用回复之间的匹配程度。由于一致性匹配网络独立于查询语句,因此采用NLI自然语言推理数据来增强个性化响应。最后,采用非似然训练过程来最小化与人物角色无关的矛盾反应,确保反应的质量和一致性。实验结果表明,提出的方法在提高响应一致性方面优于基线模型,验证了基于个性化角色感知的开放域对话生成方法的有效性。 (2)为了提高回复的情感表达能力,本文提出基于融合情感和策略信息的共情对话生成方法。该方法首先使用情感分类网络动态感知用户的情感状态,其次利用支持策略准确地设计了策略匹配网络,识别对话历史和用户情感状态建模候选回复,得到风格匹配特征向量;最后,针对共情回复生成问题,基于学习到的回复策略和对话上下文信息设计对话生成网络,利用多头注意力捕捉细粒度的策略特征,进一步挖掘情感和响应之间的多粒度关系来生成回复。通过比较所提出方法和当前先进方法在相应数据集上的实验结果,验证了基于融合情感和策略信息的共情对话生成方法的有效性以及在共情对话中使用情感支持的重要性。 (3)本文在提出基于个性化角色感知的开放域对话生成方法和基于融合情感和策略信息的共情对话生成方法的基础上,设计并实现了个性导向和情感支持的开放域对话系统。该系统不仅能根据预定义的角色建立人物设定,输出角色风格一致的回应,还能捕捉到用户动态细粒度的情感信息,与用户共情并在特定情况下提供情感支持。该系统进一步验证了本文所提出方法的可操作性和有效性。系统的设计开发过程如下:首先该系统对用户传入的对话信息和身份特征进行预处理操作,其次对用户的对话输入和角色进行编码分析,并提取其中可能包含的情感信息。最后,根据用户的查询输出合理的回复,该回复拥有一致的角色风格,还能根据用户的情绪状态做出合理的情感表达。实验结果表明,该系统实现的结果与预期基本一致,弥补了现有开放域对话系统的不足,且有较高的可行性。
同方学位论文库