情感对话管理建模方法及应用研究

发布时间：2020-05-21 03:33

【摘要】：情感计算是人工智能领域中新兴的研究方向,其目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机交互环境,并使计算机具有更高、更全面的智能。人机情感交互是情感计算方向的核心研究课题,情感对话系统是实现多模态人机情感交互的重要途径之一。情感对话管理是情感对话系统的核心模块,本文主要对其建模方法及应用开展研究。本文研究的主要切入点是在现有对话管理模型的基础上,融入用户的情感信息因素,面向特定对话领域构建合理有效的情感对话管理模型。本文的主要研究内容包括:(1)提出了一种基于双有限状态机(TFSM)的情感对话管理模型。通过两个有限状态机来分别对用户和系统进行建模,用两个状态机之间的信息交换来模拟人机情感对话过程,构建了一个能同时提供信息查询和情感交互功能的情感对话系统框架。进一步讨论了系统信息查询与情感响应模块的具体实现方法,包括基于任务树的多主题信息查询和嵌入一个子状态机来实现多轮的人机情感交互。在评价方法上,利用部分可观察马尔可夫决策过程(POMDP)模型中回报值函数对基于双有限状态机的情感对话管理模型的系统表现进行了分析。实验结果表明:为用户建立一个独立的有限状态机模型有利于系统预测用户的对话状态,基于TFSM的对话管理模型的表现要优于传统的有限状态机模型。(2)提出了一种基于分解POMDP的情感对话管理模型。为了有效的响应用户在对话过程中的情感状态,新模型将用户的状态空间分解为目标状态和情感状态两部分,且首次将系统动作空间分解为目标响应和情感响应两部分,分别应对用户的目标状态和情感状态,系统的奖励值函数也相应地更新为这两部分动作奖励值的加权和。在此基础上,建立了新的用户目标、情感模型及系统观察模型,并据此提出了基于分解POMDP的情感对话管理模型,该模型致力于在对话过程中同时响应用户的目标和情感。以智能音乐播放器为例阐述了新模型的实际应用,并评估了模型关键参数对系统表现的影响。仿真实验结果表明,基于分解POMDP的情感对话管理模型应用于智能音乐播放系统是合理且可行的。(3)研究了基于POMDP的情感对话管理模型的应用移植。面向情感教学系统这一特定的应用领域,以概念学习和情感交互为预定对话任务,将用户的状态空间分解为目标状态、认知状态和情感状态,系统的动作空间则仍被分解成两部分,包括学习目标响应和情感响应。在此基础上,对之前提出的分解POMDP情感对话模型进行了改进和推广,提出了一种新的面向情感教学系统的分解POMDP情感对话管理模型。仿真实验结果表明,基于该分解模型的情感家教系统更有利于那些学习能力较弱的学生,且适合较大规模的概念学习。这些结果都在一定程度上验证了模型的合理性和可行性。(4)综述了对话管理建模方法及应用领域的研究现状,从模型原理、研究进展、模型优缺点等角度详细剖析了几种常用的对话管理模型,包括有限状态机、填槽法、马尔可夫决策过程(MDP)、POMDP、基于实例的、基于规划的、基于贝叶斯网络等,为情感对话管理建模方法的创新奠定了理论基础。
【图文】：

框架图,口语对话系统,框架,自然语言生成

多模态对话系统［４（）］。逡逑通常一个面向任务的口语对话系统都是由自动语音识别、自然语言理解、对逡逑话管理、自然语言生成和语音合成五个部分构成，系统框架如图１．２所示。逡逑１０逡逑

口语对话系统,方法,客观评价

统表现的各个要素贡献归一化为单一性能评价函数，认为口语对话系统的最高目逡逑标是用户满意度的最大化，包括任务成功率最大化和对话代价最小化两方面。逡逑口语对话系统的评价指标有很多，，其分类方式与评价的角度有关，如图１．３所逡逑示。从评价内容上可以分为整体评价和局部评价，局部评价是指对系统的单一模逡逑块的某些性能进行评估，例如语音识别模块关键词识别率、对话管理模块的回答逡逑成功率等，目前较多的评测方法都倾向于将系统作为一个整体进行评价；从评价逡逑的性质上整体评价又可以分为主观评价和客观评价。主观评价是通过诸如用户满逡逑意度、对话自然度等主观性指标来体现，客观评价则是通过一些量化指标来评估，逡逑大致可分为三类：第一类是任务完成率，包括对话成功率、回答正确率等类似指逡逑标；第二类是对话代价，包括对话回合数、对话长度、任务完成时间、系统响应逡逑时间等；第三类是对话得分，包括回报值、奖励值、对话得分等。相比较而言，逡逑客观评价更具有说服力和易操作性。也存在一些其他的分类方法
【学位授予单位】：合肥工业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP18

【参考文献】