情感对话机器人

第1 章 绪论 1

1.1 对话机器人的“智商” 与“情商”1

1.2 情感对话机器人的任务体系 5

1.3 情感对话机器人的相关技术 8

1.3.1 深度学习技术 9

1.3.2 文本情感计算技术 10

1.3.3 人机对话技术 15

1.3.4 多模态学习技术 17

1.4 情感对话机器人的技术难点 18

1.5 本章小结 20

第2 章 文本语义表示基础 23

2.1 引言 23

2.2 词的表示 24

2.2.1 词的独热表示 24

2.2.2 词的嵌入表示 25

2.2.3 分词 26

2.3 文本的词袋表示 28

2.4 面向文本表示的深度学习模型 28

2.4.1 感知器模型 28

2.4.2 卷积神经网络模型 29

2.4.3 循环神经网络模型 30

2.4.4 自注意力模型 33

2.5 词嵌入表示的学习 34

2.5.1 静态词嵌入表示的学习 34

2.5.2 动态词嵌入表示的学习 37

2.6 本章小结 40

第3 章 对话情感识别 41

3.1 对话情感识别的任务定义与任务分析 41

3.2 粗粒度情感分类技术 42

3.2.1 情感分类的定义 43

3.2.2 不同粒度的情感分类 43

3.2.3 面向领域迁移的情感分类 44

3.2.4 面向语言迁移的情感分类 46

3.2.5 情绪分类 47

3.3 细粒度情感分类技术 47

3.3.1 评价对象抽取 48

3.3.2 对象级情感分类 49

3.3.3 细粒度情感分类中的联合模型 51

3.3.4 立场检测 52

3.3.5 细粒度情感分类小结 55

3.4 对话情感识别技术 55

3.4.1 基于上下文内容的对话情感识别 56

3.4.2 基于上下文情感的对话情感识别 59

3.4.3 基于说话者建模的对话情感识别 66

3.4.4 多方对话场景下的情感识别 74

3.4.5 其他方法 78

3.5 本章小结 84

参考文献 84

第4 章 对话情感管理 87

4.1 对话情感管理的任务定义与任务分析 87

4.2 对话情感管理技术 88

4.2.1 对话情感预测 89

4.2.2 对话情感原因发现 93

4.3 对话共情技术 98

4.4 抑郁症检测技术 101

4.5 本章小结 102

参考文献 103

第5 章 对话情感回复生成 107

5.1 对话情感回复生成任务定义 107

5.2 对话情感回复生成任务分析 108

5.3 文本生成技术 109

5.3.1 语言生成算法 109

5.3.2 对话生成算法 116

5.3.3 文本摘要算法 120

5.4 对话情感回复生成技术 123

5.4.1 生成式情感回复生成算法 123

5.4.2 检索式情感回复生成算法 130

5.5 本章小结 137

参考文献 138

第6 章 多模态情感对话机器人 141

6.1 多模态情感计算的研究背景与意义 141

6.2 多模态情感对话的任务定义与任务分析 144

6.3 多模态情感计算基础 145

6.3.1 多模态语义表示 145

6.3.2 多模态语义融合 147

6.4 多模态情感对话的关键技术 150

6.4.1 多模态情感分类 151

6.4.2 多模态情感消歧 157

6.4.3 多模态细粒度情感计算 163

6.5 多模态情感计算的未来模式 164

6.5.1 多模态情感计算的现状与思考 164

6.5.2 多模态情感计算的研究框架 167

6.5.3 多模态细粒度情感计算的研究方案设计 170

6.5.4 多模态细粒度情感计算的特色 179

6.6 未来模式对多模态情感对话机器人的影响 180

6.7 本章小结 180

参考文献 181

第7 章 情感对话机器人的语料资源 185

7.1 单模态数据集 185

7.1.1 日常对话数据集 186

7.1.2 影视剧对话数据集 187

7.1.3 社交媒体回复数据集 191

7.2 多模态数据集 194

7.2.1 多模态影视剧对话数据集 195

7.2.2 多模态观点数据集 199

7.2.3 多模态人机交互数据集 203

7.2.4 多模态行业对话数据集 204

7.3 本章小结 204

参考文献 205