摘要
本发明涉及一种基于定量情绪分析的自适应共情对话方法,通过使用预训练语言模型编码器将用户输入的对话语句编码处理为上下文相关的隐藏状态序列,对该对话语句中各词汇对于对话历史的情感贡献做量化计算,得到全局情感表示数据,将全局情感表示数据分别映射到不同极性情感空间和细粒度情绪类别空间,得到情感极性概率数据和情绪概率数据;利用全局情感表示数据、情感极性概率数据和情绪概率数据量化计算当前话语句中的情感线索,利用大语言模型生成对话目标并得到表征情感线索与编码后对话目标匹配性的相似度数据,基于该相似度数据优化处理响应策略,生成匹配用户当前对话语句的个性化共情对话,准确地实现对用户情感的个性化自适应共情响应。
技术关键词
预训练语言模型
对话方法
大语言模型
语句
线索
编码器
数据
计算方法
情感类别
策略更新
序列
前馈神经网络
注意力机制
参数
分词
度量
语义
系统为您推荐了相关专利信息
农业病虫害
模型预测方法
大语言模型
病虫害图像
数据
需求预测方法
动态邻接矩阵
充电站
大语言模型
道路结构
工程图纸
大语言模型
识别方法
生成自然语言
字段