面向情感交互的人机对话文本生成技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61872074
  • 项目类别:
    面上项目
  • 资助金额:
    64.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0202.系统软件、数据库与工业软件
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Implementing human-machine dialogue using natural language is the hot research topic in artificial intelligence. At the early stage, the dialogue system has no emotion and no personality. Therefore, embedding the system with human emotions has become one of the long-term goals for intelligent dialogue system. In this proposal, we focus on the realization of communications between human dialogue systems and beings using text with sentiments. We attempt to improve the dialogue system with a series of new features, based on which the new text generation techniques are studied for emotional interaction. 1) Considering different personalities of users and different traits of dialogue systems, we study on modeling techniques for user personality and machine trait in conversation context. 2) We study on emotion and stance perception techniques for tracking users' dynamic emotion states and detecting users' opinion stances. 3) We study on controllable emotion and opinion text generation techniques for generating the text with specific emotions or opinions. 4) Based on above conditions, we study on personalized emotional response generation as well as ingratiating and refutation opinionated response generation. This proposal innovatively injects user personalities and dialogue system traits into emotional conversations. Moreover, we propose a novel research problem called opinionated conversation generation. The research achievement of this proposal has a broad application prospect for emotional companionship and psychological counseling using chatbot system.
使用自然语言实现人机对话是人工智能领域的研究热点。早期的对话系统无情感和性格,因此,让其拥有类似人类的情感是智能对话系统长期追求的目标之一。本课题致力于通过文本形式的人机对话,实现对话系统与人类在情感层次上的沟通,基于此提出对话系统应具有的新特性,针对这些特性研究面向情感交互的人机对话文本生成技术,包括:⑴考虑不同用户的个性并赋予对话系统不同的特质,研究对话情境中用户个性和系统特质建模技术;⑵为及时捕捉对话过程中用户情绪状态变化和用户立场,研究用户情绪与立场动态感知技术;⑶为了生成表达指定情绪或观点的文本,研究可控的情绪与观点文本生成技术;⑷基于上述条件,研究个性化情绪对话生成技术以及“迎合式”与“反驳式”观点对话生成技术。本课题创新性地将用户个性与对话系统特质因素引入到情绪对话,并提出了观点对话生成这一崭新的研究问题。研究成果在聊天机器人的情感陪伴、心理疏导等方面具有广阔的应用前景。

结项摘要

本课题针对人机情感交互关键技术,围绕情感分析、对话检索与生成两大核心研究点,在回复选择、个性对话生成、情绪化对话生成、零资源对话生成、多粒度情绪原因发现、个性化情感分析、对话情绪识别、多模态情感分析、隐式情感分析等方向上取得了一系列成果。此外,本课题还在开放知识图谱构建与应用、社交网络表征学习、新型推荐算法等问题上进行了探索性研究,这些成果是本课题研究内容的丰富与加强,也为后续人机情感交互相关研究提供了基础。.通过4年的研究,本课题在国内外期刊和会议上发表论文45篇,被SCIE收录11篇。其中CCF A类国际会议/期刊6篇,CCF B类国际会议/期刊19篇。申请发明专利6项,其中3项被授权,3项进入实审阶段。包括课题负责人在内的3名教师参加了该课题的研究,培养了8名博士研究生、21名硕士研究生。先后邀请12名学者来校或线上做学术报告,公派5名博士生分别去澳大利亚悉尼科技大学、新加坡南洋理工大学、新加坡科技设计大学、德国慕尼黑大学联合培养。先后有教师和学生43人次线上或线下参加国际会议并宣读或展示论文/海报。.本课题研究中所发表的论文数量和质量以及人才培养方面的成果均达到了申请中研究目标的要求。相关研究成果有望在聊天机器人、智能客服、心理问题诊断与疏导等系统中得到应用。

项目成果

期刊论文数量(14)
专著数量(0)
科研奖励数量(0)
会议论文数量(31)
专利数量(6)
Informative and diverse emotional conversation generation with variational recurrent pointer-generator
使用变分循环指针生成器生成信息丰富且多样化的情感对话
  • DOI:
    10.1007/s11704-021-0517-3
  • 发表时间:
    2022
  • 期刊:
    Frontiers of Computer Science
  • 影响因子:
    4.2
  • 作者:
    Weichao Wang;Shi Feng;Kaisong Song;Daling Wang;Shifeng Li
  • 通讯作者:
    Shifeng Li
SINN: A speaker influence aware neural network model for emotion detection in conversations
SINN:用于对话中情绪检测的说话者影响感知神经网络模型
  • DOI:
    10.1007/s11280-021-00954-8
  • 发表时间:
    2021-10
  • 期刊:
    World Wide Web
  • 影响因子:
    --
  • 作者:
    Shi Feng;Jia Wei;Daling Wang;Xiaocui Yang;Zhenfei Yang;Yifei Zhang;Ge Yu
  • 通讯作者:
    Ge Yu
生成链接树:一种高数据真实性的反事实解释生成方法
  • DOI:
    10.11896/jsjkx.220300158
  • 发表时间:
    2022
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    王明;武文芳;王大玲;冯时;张一飞
  • 通讯作者:
    张一飞
InterSentiment: combining deep neural models on interaction and sentiment for review rating prediction
InterSentiment:结合交互和情感的深度神经模型进行评论评分预测
  • DOI:
    10.1007/s13042-020-01181-9
  • 发表时间:
    2020-08-26
  • 期刊:
    INTERNATIONAL JOURNAL OF MACHINE LEARNING AND CYBERNETICS
  • 影响因子:
    5.6
  • 作者:
    Feng, Shi;Song, Kaisong;Zhang, Yifei
  • 通讯作者:
    Zhang, Yifei
一种基于旁信息增强的协同过滤自动编码器模型
  • DOI:
    10.12068/j.issn.1005-3026.2019.11.002
  • 发表时间:
    2019
  • 期刊:
    东北大学学报. 自然科学版
  • 影响因子:
    --
  • 作者:
    刘海博;冯时;于戈
  • 通讯作者:
    于戈

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于多模态特征深度融合的微博流事件检测与跟踪
  • DOI:
    10.13195/j.kzyjc.2017.1640
  • 发表时间:
    2019
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    熊宇;张一飞;冯时;王大玲
  • 通讯作者:
    王大玲
一种面向微博客文本流的噪音判别与内容相似性双重检测的过滤方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机应用与软件
  • 影响因子:
    --
  • 作者:
    王琳;冯时;徐伟丽;杨卓;王大玲;张一飞
  • 通讯作者:
    张一飞
皮肤再生医疗技术作用IGF-1/PI3K/Akt信号通路调控难愈合创面血管生成的机制研究
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中华中医药杂志
  • 影响因子:
    --
  • 作者:
    李利青;冯时;唐乾利
  • 通讯作者:
    唐乾利
基于依存句法的博文情感倾向分析研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    冯时;付永陈;阳锋;王大玲;张一飞
  • 通讯作者:
    张一飞
Picture or it didn’t happen: catch the truth for events
图片或它没有发生:捕捉事件的真相
  • DOI:
    10.1007/s11042-016-3864-6
  • 发表时间:
    2017
  • 期刊:
    Multimed Tools Appl
  • 影响因子:
    --
  • 作者:
    熊宇;张一飞;王大玲;冯时
  • 通讯作者:
    冯时

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

冯时的其他基金

以用户为中心的情绪诱导对话生成关键技术研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
面向微博客空间实时舆情监控的观点挖掘关键技术研究
  • 批准号:
    61100026
  • 批准年份:
    2011
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码