情感对话机器人

图书标准信息

• 作者 赵妍妍、秦兵、刘挺 著
• 出版社 人民邮电出版社
• 出版时间 2022-10
• 版次 1
• ISBN 9787115584618
• 定价 98.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 207页
• 字数 320千字
• 正文语种 简体中文

【内容简介】

随着人工智能技术的不断发展，自然语言理解、自然语言生成与深度学习技术的密切配合使对话机器人的“智商”得到了显著提升。然而，拥有了“智商”的对话机器人有时仍然无法满足人类的需求。人们期待对话机器人能够脱掉冷冰冰的外壳，像人类一样具有观察、理解和表达各种情感的能力，即具有“情商”。
本书着眼于提高对话机器人的“情商”，结合人机对话的特点，详细介绍了构建情感对话机器人的各项前沿热点技术，包括对话场景下的情感识别、情感管理、情感回复生成等。这些技术能够完善对话机器人的“智商”与“情商”，使其与用户进行更人性化的交流。此外，本书还介绍了目前非常热门的多模态场景下的情感对话机器人的相关技术，以及情感对话机器人的相关语料资源。
本书层次清晰、内容安排合理，具有一定的技术深度，既适合情感计算、对话系统研究领域的科研工作者阅读，也适合对人工智能感兴趣的本科生和研究生阅读。

【作者简介】

赵妍妍
博士，哈尔滨工业大学计算学部副教授、博士生导师，加州大学伯克利分校访问学者。研究方向为文本情感计算。近年来主持国家自然科学基金、教育部人文社科基金等多项基金项目。在人工智能、自然语言处理等领域的国际期刊和会议上发表论文30 余篇。曾获黑龙江省科技进步奖一等奖、二等奖，黑龙江省技术发明奖二等奖等奖项。
秦兵
哈尔滨工业大学计算学部长聘教授、博士生导师，科技部科技创新2030―“新一代人工智能”重大项目管理专家组专家，中国中文信息学会常务理事、情感计算专委会主任。主要研究方向为自然语言处理、情感计算、知识图谱及文本生成。入选“2020 年度人工智能全球女性”“人工智能***具影响力学者榜单（AI 2000）”和“福布斯中国2020 科技女性榜”。
刘挺
哈尔滨工业大学教授，自然语言处理研究所所长。国家“万人计划”科技创新领军人才，“十四五”国家重点研发计划“先进计算与新兴软件”“社会治理与智慧社会科技支撑”重点专项指南专家，教育部人工智能科技创新专家组专家。中国计算机学会会士、理事。主要研究方向为人工智能、自然语言处理、社会计算和智慧医疗等。

【目录】

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