一种基于用户信念的情感支持对话方法

本发明公开了一种基于用户信念的情感支持对话方法，利用过去的对话信息、用户性格、情绪、场景共同构成用户的特征向量，然后基于大语言模型代理和知识图谱的方式，生成发散性扩充模型，得出用户情景向量。基于心智理论的一致性算法，在信息流一致性和连贯性的前提下，生成一致性检验模型，将情景向量映射为用户的信念向量，加入到信念库中。本方法从生成式人工智能的角度，模拟了人与系统之间的认知过程，总体上分为三步——觉察、猜测、验证。在动态获取了对话的基本信息之后，利用发散性扩充模型通过生成详细的描述文本和知识链，增强了对用户的认知。随后经过一致性模型确保了信念信息的动态更新情况与用户真实情况的高度相关性。