[發(fā)明專利]一種基于人工智能的特定人格對話機器人訓練方法

在審

• 申請?zhí)枺?/td>: 202011270983.2
• 申請日: 2020-11-13
• 公開（公告）號: CN112395399A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設計）人: 楊帥;衛(wèi)靜雯;田而慷;殷莉;王雙文;蔣泓杰;周嘉茗;王玥
• 申請（專利權）人: 四川大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/24;G06F40/216;G06F40/289;G06F40/295
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明屬于人工智能領域，一種具有特定人格和對話功能的訓練用機器人系統(tǒng)和方法。所述虛擬機器人對應“大五”人格因素模型中的5種因素：外傾性、隨和性、盡責性、神經(jīng)質、開放性。基于心理學樣本實例，對每種人格的精神病人的語言樣本進行智能自然語言處理，使用深度學習技術建立具有特定人格的語言預測模型。后采用IF?IDF計算方法在根據(jù)用戶問題檢索得到的檢索文檔集中提取候選答案組，采用相關性相似度計算方法，在所述候選答案組中選取標準答案，并將標準答案反饋給用戶，為心理學的教學及模擬訓練提供了直接、可交互的具有特定人格的虛擬機器人。

技術領域

本發(fā)明屬于人工智能領域，一種具有特定人格和對話功能的訓練用機器人系統(tǒng)和方法。

背景技術

精神病學作為臨床醫(yī)學中的一門重要學科，涉及面廣、專業(yè)性強，有其自身的特殊性。精神障礙的診斷主要遵循“癥狀-綜合征-診斷”的思維方法，依靠對精神癥狀的識別和綜合判斷，而缺乏相應的體征或實驗室證據(jù)，也因此要求精神科醫(yī)師必須具有扎實的理論基礎和臨床技能以及豐富的實踐經(jīng)驗。其中，精神檢查技能的培養(yǎng)至關重要。精神檢查是由精神科醫(yī)生通過語言溝通和觀察的方式對精神障礙個體進行信息抽樣和評估,分為自由交談和詢問兩種，其中溝通能力是關鍵。然而國內普通醫(yī)學生及部分精神科醫(yī)師很少關注溝通技能的訓練，同時慮及患者隱私、社會影響及人身安全等方面，實踐教學存在一些困難，直接與患者溝通的機會也較少。此外，我國智能社交機器人起步較晚，雖然有些已具備語音和面部識別能力并擁有簡單的情緒模態(tài)，但在目前的對話功能大多局限于某一話題領域，且不具備特定場景下的擬人人格，用于臨床教學及訓練效果甚微。

“大五”人格因素模型即人格的基本結構是由“五大”因素構成的,稱謂“大五”。近10年來,五因素模型的研究取得了令人矚目的進展,其穩(wěn)定性在自陳式特質調查表和他人評定、詞匯研究和問卷測量的各種樣本、以及不同文化背景和不同分析方法的大量研究中得到驗證,已被眾多心理學家認為是人格結構的最好范型。依照McCraeCosta等人的命名法(1985),構成人格的大五因素分別是:外傾性、隨和性、盡責性、神經(jīng)質、開放性。外傾性表示熱情、自信,有活力,還具有幸福感和善社交的特性,而內向者的這些表現(xiàn)則不突出,但不等于自我中心和缺乏精力。隨和性表示利他、友好、富有愛心，得分高的人樂于助人、可信賴的和富同情心,注重合作而不強調競爭。盡責性表示克制和嚴謹,與成就動機和組織計劃有關,也稱其為“成就意志”或“工作”緯度。而那些經(jīng)常感到憂傷、情緒容易波動的人在神經(jīng)質性的測量上會得到高分，低分的人多表現(xiàn)為平靜自我調適良好,不易于出現(xiàn)極端和不良的情緒反應。研究表明,“大五”因素模型對于診斷臨床障礙和治療心理疾病是有價值的，同時對于預測和確定健康行為與問題也十分有益。

發(fā)明內容

本發(fā)明的目的在于為心理學科教學提供更加準確和智能的智能交互式虛擬機器人。發(fā)明技術方案如下：

一種具有特定人格的智能問答系統(tǒng)，包括：

數(shù)據(jù)庫建立模塊，用于建立心理學領域數(shù)據(jù)庫，所述心理學領域數(shù)據(jù)庫中存儲有的大量精神病人語言實例樣本；

問題獲取模塊，用于獲取用戶問題；

問題處理模塊，用于對所述用戶問題進行自然語言處理，獲得關于所述用戶問題的查詢表示；

候選答案提取模塊，用于基于所述檢索文檔集，采用IF-IDF計算方法計算問答對相似度；

標準答案獲取模塊，根據(jù)候選答案提取最相關的答案，答案反饋模塊將標準答案反饋給用戶。

問題處理模塊包括:分詞子模塊，用于分割用戶問題，獲得用戶問題的一組術語；

術語集中的每個術語經(jīng)過命名實體識別、語義消歧和同義詞擴展處理后獲得術語集；

根據(jù)意圖分析結果判斷用戶問題是完整的，如果是完整的，則將處理術語集中的術語合并為查詢表示，如果不是完整的，則要求用戶補充用戶問題，獲得補充后再補充用戶問題。