公开(公告)号：CN108121823A

公开(公告)日：2018-06-05

申请号：CN201810026854.5

申请日：2018-01-11

Applicant: 哈尔滨工业大学

Inventor： 赵妍妍 ,  袁建华 ,  秦兵 ,  刘挺

IPC: G06F17/30 ,  G06F17/27 ,  G06Q50/00

Abstract: Babbling情感对话生成系统及方法，涉及一种对话生成系统。本发明为了解决目前的人工智能对话系统带有情感的回复并不十分准确的问题。本发明提出了一套基于Seq2Seq模型生成情感回复的系统，在传统Seq2Seq模型基础上，Babbling使用微博原句的情感embedding丰富原句的表示。Babbling还融合了Learning to Start机制，从而生成更自然的句首词。为了以提高生成词语主题的相关性，Babbling还采用attention机制，我们将传统的single hop attention过程扩展到multi-hop attention，通过多次attention获得更为抽象并且与微博原文相关的表示，从而进一步提高生成质量。本发明适用于带有情感回复的对话系统。

公开(公告)号：CN107515856A

公开(公告)日：2017-12-26

申请号：CN201710763500.4

申请日：2017-08-30

Applicant: 哈尔滨工业大学

Inventor： 秦兵 ,  赵妍妍 ,  刘挺 ,  袁建华

IPC: G06F17/27 ,  G06F17/30 ,  G06N3/08

CPC classification number: G06F17/277 ,  G06F17/2775 ,  G06F17/30705 ,  G06N3/084

Abstract: 本发明为了解决现有的细粒度情感元素抽取方法当抽取评价对象时，不能很好地利用紧随其后的单词，导致短语词性判断错误、抽取结果缺漏较多，并且难以判断当前词是否是评价对象一部分的缺点，而提出一种基于局部信息表示的细粒度情感元素抽取方法，包括：将预设窗口大小中的每一个单词通过Lookup Table查找词特征的向量表示，将得到的词向量分别输入至LSTM模型中；并将得到的词向量组合为一个向量输入至前馈神经网络模型中；将LSTM模型隐层特征表示以及前馈神经网络模型的局部上下文特征表示进行拼接，得到拼接后的结果；将送入输出层使用softmax函数作标签分类。本发明适用于细粒度情感元素抽取工具。