情感對話機器人

隨著人工智能技術的不斷發展，自然語言理解、自然語言生成與深度學習技術的密切配合使對話機器人的“智商”得到了顯著提升。然而，擁有了“智商”的對話機器人有時仍然無法滿足人類的需求。人們期待對話機器人能夠脫掉冷冰冰的外殼，像人類一樣具有觀察、理解和表達各種情感的能力，即具有“情商”。

本書著眼於提高對話機器人的“情商”，結合人機對話的特點，詳細介紹了構建情感對話機器人的各項前沿熱點技術，包括對話場景下的情感識別、情感管理、情感回復生成等。這些技術能夠完善對話機器人的“智商”與“情商”，使其與用戶進行更人性化的交流。此外，本書還介紹了目前非常熱門的多模態場景下的情感對話機器人的相關技術，以及情感對話機器人的相關語料資源。

本書層次清晰、內容安排合理，具有一定的技術深度，既適合情感計算、對話系統研究領域的科研工作者閱讀，也適合對人工智能感興趣的本科生和研究生閱讀。

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”“人工智能全球最具影响力学者榜单（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。

第１ 章　緒論// １

　１. １ 對話機器人的“智商” 與“情商” // １

　１. ２ 情感對話機器人的任務體系// ５

　１. ３ 情感對話機器人的相關技術// ８

１.　３. １ 深度學習技術// ９

１.　３. ２ 文本情感計算技術// １０

１.　３. ３ 人機對話技術// １５

１.　３. ４ 多模態學習技術// １７

　１. ４ 情感對話機器人的技術難點// １８

　１. ５ 本章小結// ２０

第２　章 文本語義表示基礎// ２３

　２. １ 引言// ２３

　２. ２ 詞的表示// ２４

２.　２. １ 詞的獨熱表示// ２４

２.　２. ２ 詞的嵌入表示// ２５

２.　２. ３ 分詞// ２６

　２. ３ 文本的詞袋表示// ２８

　２. ４ 面向文本表示的深度學習模型// ２８

２.　４. １ 感知器模型// ２８

２.　４. ２ 捲積神經網絡模型// ２９

２.　４. ３ 循環神經網絡模型// ３０

２.　４. ４ 自註意力模型// ３３

　２. ５ 詞嵌入表示的學習// ３４

２.　５. １ 靜態詞嵌入表示的學習// ３４

２.　５. ２ 動態詞嵌入表示的學習// ３７

　２. ６ 本章小結// ４０

第３　章 對話情感識別// ４１

　３. １ 對話情感識別的任務定義與任務分析// ４１

　３. ２ 粗粒度情感分類技術// ４２

３.　２. １ 情感分類的定義// ４３

３.　２. ２ 不同粒度的情感分類// ４３

３.　２. ３ 面向領域遷移的情感分類// ４４

３.　２. ４ 面向語言遷移的情感分類// ４６

３.　２. ５ 情緒分類// ４７

　３. ３ 細粒度情感分類技術// ４７

３.　３. １ 評價對象抽取// ４８

３.　３. ２ 對象級情感分類// ４９

３.　３. ３ 細粒度情感分類中的聯合模型// ５１

３.　３. ４ 立場檢測// ５２

３.　３. ５ 細粒度情感分類小結// ５５

　３. ４ 對話情感識別技術// ５５

３.　４. １ 基於上下文內容的對話情感識別// ５６

３.　４. ２ 基於上下文情感的對話情感識別// ５９

３.　４. ３ 基於說話者建模的對話情感識別// ６６

３.　４. ４ 多方對話場景下的情感識別// ７４

３.　４. ５ 其他方法// ７８

　３. ５ 本章小結// ８４

　參考文獻// ８４

第４　章 對話情感管理// ８７

　４. １ 對話情感管理的任務定義與任務分析// ８７

　４. ２ 對話情感管理技術// ８８

４.　２. １ 對話情感預測// ８９

４.　２. ２ 對話情感原因發現// ９３

　４. ３ 對話共情技術// ９８

４.　４ 抑鬱症檢測技術// １０１

　４. ５ 本章小結// １０２

　參考文獻// １０３

第５　章 對話情感回復生成// １０７

　５. １ 對話情感回復生成任務定義// １０７

　５. ２ 對話情感回復生成任務分析// １０８

　５. ３ 文本生成技術// １０９

５.　３. １ 語言生成算法// １０９

５.　３. ２ 對話生成算法// １１６

５.　３. ３ 文本摘要算法// １２０

　５. ４ 對話情感回復生成技術// １２３

５.　４. １ 生成式情感回復生成算法// １２３

５.　４. ２ 檢索式情感回復生成算法// １３０

　５. ５ 本章小結// １３７

　參考文獻// １３８

第６　章 多模態情感對話機器人// １４１

　６. １ 多模態情感計算的研究背景與意義// １４１

　６. ２ 多模態情感對話的任務定義與任務分析// １４４

　６. ３ 多模態情感計算基礎// １４５

６.　３. １ 多模態語義表示// １４５

６.　３. ２ 多模態語義融合// １４７

　６. ４ 多模態情感對話的關鍵技術// １５０

６.　４. １ 多模態情感分類// １５１

６.　４. ２ 多模態情感消歧// １５７

６.　４. ３ 多模態細粒度情感計算// １６３

　６. ５ 多模態情感計算的未來模式// １６４

６.　５. １ 多模態情感計算的現狀與思考// １６４

６.　５. ２ 多模態情感計算的研究框架// １６７

６.　５. ３ 多模態細粒度情感計算的研究方案設計// １７０

６.　５. ４ 多模態細粒度情感計算的特色// １７９

６.　６ 未來模式對多模態情感對話機器人的影響// １８０

　６. ７ 本章小結// １８０

　參考文獻// １８１

第７　章 情感對話機器人的語料資源// １８５

　７. １ 單模態數據集// １８５

７.　１. １ 日常對話數據集// １８６

７.　１. ２ 影視劇對話數據集// １８７

７.　１. ３ 社交媒體回復數據集// １９１

　７. ２ 多模態數據集// １９４

７.　２. １ 多模態影視劇對話數據集// １９５

７.　２. ２ 多模態觀點數據集// １９９

７.　２. ３ 多模態人機交互數據集// ２０３

７.　２. ４ 多模態行業對話數據集// ２０４

　７. ３ 本章小結// ２０４

　參考文獻// ２０５