面向情感交互的人机对话文本生成技术研究

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。

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。

内容获取失败，请点击重试