基于情感、知识和意图的共情对话生成算法研究与应用.pdfVIP

摘要

自然语言生成是人工智能领域的一个分支，该任务旨在根据所给定的上下文

内容生成更符合要求的文本内容。随着深度学习的快速发展，这项技术在报告生

成、自动新闻撰写、聊天机器人、虚拟助手以及其他需要自动文本产出的应用中

扮演着重要角色。现有的共情对话生成主要将目标集中于情感识别和外部知识两

个方面，这些方法取得了不错的效果，但还存在一些问题。其中情感识别仅利用

了浅层次的情感信息，而引入外部常识知识则将研究重点放在提升对话流畅度、

丰富度方面。目前缺少将情感原因和外部常识知识进行结合。另外，对话中说话

人的话语意图会不断变化，模型仅对整段对话进行分析会导致无法捕捉到对话上

下文后隐藏的意图变化信息。针对上述提到的问题，本文首先将情感原因和常识

知识进行结合，辅助模型生成具有更高共情度话语。其次，本研究在第三章基础

上引入对话意图模块辅助模型生成更符合上下文的话语回复。最后，开发了基于

情感原因、常识知识和对话意图的共情对话系统，让系统回复具有更高的共情度

和流畅度。本文研究内容如下：

（1）基于情感原因与知识图谱的共情对话生成：模型引入情感原因和常识知

识共同辅助模型更好生成共情对话。首先，模型引入外部常识知识并与对话上下

文融合获得包含常识知识的上下文表征，接着采用两种门控策略进行情感原因检

测。最后，基于Transformer解码器构建了共情话语生成模块，在交互注意力层上

引入门注意力机制利用获得的情感原因序列指导模型生成共情回复话语。模型在

EmpatheticDialogues数据集上进行实验，采用了软门控策略的ECOM(S)和硬门控

策略的ECOM(H)在情感预测准确率分别达到了37.83%和37.12%，且文本评价指

标均优于基线模型。这表明模型能够有效利用情感原因和外部常识知识生成质量

更好的共情回复话语。

（2）基于对话意图推理的共情对话生成：现实生活中说话者的意图会随着对

话进行不断变化，本文研究希望模型能够捕获到这种意图变化并辅助模型进行话

语生成。因此在第三章基础上模型增加了对话意图编码和对话意图预测模块。首

先，对话意图编码模块将对话语境、历史对话、常识知识进行编码。其次，对话

意图预测模块根据对话上下文从句子意图和回复意图两个维度分析用户的意图。

最后，利用预测的意图向量辅助模型生成具有更符合上下文的话语回复内容。改

进后模型在EmpatheticDialogues数据集上进行实验，其中采用软门控策略模型

MER(S)与第三章ECOM(S)模型对比，在文本困惑度指标上从36.13下降到35.58，

且对话情感预测准确率由37.83%提升到41.96%。模型各项指标相较第三章模型有

提升且均优于基线模型，证明了模型能有效预测用户情感与意图并提升共情话语

生成效果。

（3）基于情感原因、常识知识和对话意图的共情对话系统设计与实现。基于

前面的研究，本研究开发了基于情感原因、常识知识和对话意图的共情对话系统。

系统可以根据用户输入内容进行话语回复、情感原因检测、常识知识推理、回复

意图检测。在对话过程中综合情感原因、常识知识以及回复意图生成最合适的回

复，使回复更具个性化、多样化。最后，系统实现了后台与客户端实时沟通交流

的功能。

关键字：自然语言处理；常识知识；情感原因；对话意图；对话生成；对话

系统

Abstract

Naturallanguagegenerationisabranchofartificialintelligencethataimstogenerate

textcontentthatbettermeetstherequirementsbasedongivencontextualcontent.Withthe

rapiddevelopmentofdeeplearning,thistechnologyplaysanimportantroleinreport

generation,automaticnewswriting,chatbots,virtualassistants,andotherapplicationsthat

requireautomatictextproduction.Theexisting