(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210373952.2 (22)申请日 2022.04.11 (65)同一申请的已公布的文献号 申请公布号 CN 114676259 A (43)申请公布日 2022.06.28 (73)专利权人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 赵妍妍　赵伟翔　秦兵　 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 岳昕 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/30(2020.01)G06N 3/04(2006.01) (56)对比文件 CN 113254576 A,2021.08.13 CN 110781369 A,2020.02.1 1 US 20152869 28 A1,2015.10.08 CN 113987179 A,202 2.01.28 CN 113486657 A,2021.10.08 Weixiang Zhao 等.CauAI N:Causal Aware Interacti on Network for Emoti on Recognition in Conversati ons. 《IJCAI-2 2》 .2022, 审查员 孙思远 (54)发明名称 一种基于因果感知交互网络的对话情绪识 别方法 (57)摘要 一种基于因果感知交互网络的对话情绪识 别方法， 涉及情绪识别技术领域， 针对现有技术 中对话情绪识别的准确率低的问题， 本申请提出 了一种基于因果感知交互网络的对话情绪识别 方法， 用于对话情绪识别。 更具体地说， 本申请探 索了在识别目标语句的情绪时， 将情绪原因纳入 考虑的有效性。 常识知识作为因果线索被利用， 以帮助自动提取因果关系， 缓解因缺乏情感原因 注释而带来的限制。 然后， 本申请设计了包括因 果线索检索和因果语句回溯在内的两步因果感 知交互， 以检测与目标语句相关的自身和他人间 情绪原因。 由此获得了具有因果感知的上下文表 述， 用于情绪识别。 在三个基准数据集上的实验 结果证明了所提出的CauAIN的有效性及其检测 准确情绪原因的能力。 权利要求书3页 说明书6页 附图1页 CN 114676259 B 2022.09.23 CN 114676259 B 1.一种基于因果感知交 互网络的对话情绪识别方法， 其特 征在于包括以下步骤： 步骤一： 获取待识别的对话语料； 步骤二： 将待识别的对话语料中的语句分别输入RoBERTa预训练语言模型和COMET常识 知识生成模型； 输入RoBERTa预训练语言模型 得到语句的语义表示向量ci； 输入COMET常识知识生成模型 得到自身因果线索向量和他人因果线索向量； 步骤三： 将语句的语义表示向量经过前向的语境和后向的语境进行建模， 得到表示语 句上下文语义信息的隐藏向量hi； 步骤四： 将自身因果线索 向量和他人因果线索 向量分别经过线性特征整合， 然后分别 与隐藏向量进行拼接， 得到自身因果隐藏向量和他人因果隐藏向量； 步骤五： 将隐藏向量hi与自身因果隐藏向量和他人因果隐藏向量进行点积运算， 得到一 个联合的因果线索检索结果 步骤六： 将联合 的因果线索检索结果 根据说话人自身的轮次和对方的轮次拆分 成两部分， 然后将拆分后的两部分分别与表示语句上下文语义信息的隐藏向量hi进行乘 积， 然后将两个乘积结果进行加和得到因果语句回溯过程的结果， 即具有因果意识的语句 表示向量 步骤七： 基于步骤六中拆分后的两部分， 将根据说话人自身的轮次拆分的结果与自身 因果隐藏向量进行乘积， 将根据对方的轮次拆分的结果与他人因果隐藏向量进行乘积， 最 后将两个乘积结果进行加 和得到融入因果线索中包 含的情感信息 步骤八： 将具有因果意识的语句表示向量 和融入因果线索中包含的情感信息 进行 拼接， 得到拼接后的结果 然后将 进行特征维度的整合， 得到情感分类结果 2.根据权利要求1所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述语句的语义表示向量ci表示为： ci＝RoBERTa([CLS],w1， w2，…， wL) 其中， dm是RoBERTa中向量的隐藏状态的维度， w1， w2，…， wL表示语料， [CLS]表 示语料的开始部分 设置的标记。 3.根据权利要求2所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述表示语句上 下文语义信息的隐藏向量hi表示为： hi＝GRU(ci,hi‑1) 其中， GRU表示双向门控循环单元， dh是GRU单元输出的维度， hi‑1表示上一时 间步骤的隐藏向量。 4.根据权利要求3所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述联合的因果线索检索结果 表示为： 权　利　要　求　书 1/3 页 2 CN 114676259 B 2其中， 表示自身因果线索检索得分， 表示他人因果线索检索得 分， hj表示第j条对话语句的隐藏向量， 表示第j条对话语句对应的他人因果线索 向量， 表示第j条对话语句对应的自身因果线索向量， 表示第i条对话语 句隐藏向量和第j条对话语句隐藏向量之间是否要进行他人因果线索检索点积运算操作， 表示第i条对话语句隐藏向量和第j条对话语句隐藏向量之间是否要进行自身因 果线索检索点积运算操作， 1表示进行， 0表 示不进行， fq(·)， fk(·)和fe(·)都表示线性变 换， φ表示对话语句与对应说话人的映射。 5.根据权利要求4所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述具有因果 意识的语句表示向量 表示为： 其中， 表示自身因果线索检索结果， 表示他人因果线索检索结果， S(i)是 与语句ui相同的说话人的语句集 合， O(i)代 表说话人与语句ui不同的语句集 合。 6.根据权利要求5所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述融入因果线索中包 含的情感信息 表示为： 其中， 表示自身因果线索中的情感信息， 表示他人因果线索中的情感信息 。 7.根据权利要求6所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述 表示为： 其中， fk(·)是一个线性变换。 8.根据权利要求7所述的一种基于因果感知交互网络的对话情绪识别方法， 其特征在 于所述 表示为： 权　利　要　求　书 2/3 页 3 CN 114676259 B 3