隨著人工智能技術(shù)的不斷發(fā)展，自然語言理解、自然語言生成與深度學(xué)習(xí)技術(shù)的密切配合使對(duì)話機(jī)器人的智商得到了顯著提升。然而，擁有了智商的對(duì)話機(jī)器人有時(shí)仍然無法滿足人類的需求。人們期待對(duì)話機(jī)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(dá)各種情感的能力，即具有情商。
本書著眼于提高對(duì)話機(jī)器人的情商，結(jié)合人機(jī)對(duì)話的特點(diǎn)，詳細(xì)介紹了構(gòu)建情感對(duì)話機(jī)器人的各項(xiàng)前沿?zé)狳c(diǎn)技術(shù)，包括對(duì)話場景下的情感識(shí)別、情感管理、情感回復(fù)生成等。這些技術(shù)能夠完善對(duì)話機(jī)器人的智商與情商，使其與用戶進(jìn)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(tài)場景下的情感對(duì)話機(jī)器人的相關(guān)技術(shù)，以及情感對(duì)話機(jī)器人的相關(guān)語料資源。
本書層次清晰、內(nèi)容安排合理，具有一定的技術(shù)深度，既適合情感計(jì)算、對(duì)話系統(tǒng)研究領(lǐng)域的科研工作者閱讀，也適合對(duì)人工智能感興趣的本科生和研究生閱讀。
第1 章 緒論 1
1.1 對(duì)話機(jī)器人的智商 與情商1
1.2 情感對(duì)話機(jī)器人的任務(wù)體系 5
1.3 情感對(duì)話機(jī)器人的相關(guān)技術(shù) 8
1.3.1 深度學(xué)習(xí)技術(shù) 9
1.3.2 文本情感計(jì)算技術(shù) 10
1.3.3 人機(jī)對(duì)話技術(shù) 15
1.3.4 多模態(tài)學(xué)習(xí)技術(shù) 17
1.4 情感對(duì)話機(jī)器人的技術(shù)難點(diǎn) 18
1.5 本章小結(jié) 20
第2 章 文本語義表示基礎(chǔ) 23
2.1 引言 23
2.2 詞的表示 24
2.2.1 詞的獨(dú)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(xué)習(xí)模型 28
2.4.1 感知器模型 28
2.4.2 卷積神經(jīng)網(wǎng)絡(luò)模型 29
2.4.3 循環(huán)神經(jīng)網(wǎng)絡(luò)模型 30
2.4.4 自注意力模型 33
2.5 詞嵌入表示的學(xué)習(xí) 34
2.5.1 靜態(tài)詞嵌入表示的學(xué)習(xí) 34
2.5.2 動(dòng)態(tài)詞嵌入表示的學(xué)習(xí) 37
2.6 本章小結(jié) 40
第3 章 對(duì)話情感識(shí)別 41
3.1 對(duì)話情感識(shí)別的任務(wù)定義與任務(wù)分析 41
3.2 粗粒度情感分類技術(shù) 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(lǐng)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(xì)粒度情感分類技術(shù) 47
3.3.1 評(píng)價(jià)對(duì)象抽取 48
3.3.2 對(duì)象級(jí)情感分類 49
3.3.3 細(xì)粒度情感分類中的聯(lián)合模型 51
3.3.4 立場檢測 52
3.3.5 細(xì)粒度情感分類小結(jié) 55
3.4 對(duì)話情感識(shí)別技術(shù) 55
3.4.1 基于上下文內(nèi)容的對(duì)話情感識(shí)別 56
3.4.2 基于上下文情感的對(duì)話情感識(shí)別 59
3.4.3 基于說話者建模的對(duì)話情感識(shí)別 66
3.4.4 多方對(duì)話場景下的情感識(shí)別 74
3.4.5 其他方法 78
3.5 本章小結(jié) 84
參考文獻(xiàn) 84
第4 章 對(duì)話情感管理 87
4.1 對(duì)話情感管理的任務(wù)定義與任務(wù)分析 87
4.2 對(duì)話情感管理技術(shù) 88
4.2.1 對(duì)話情感預(yù)測 89
4.2.2 對(duì)話情感原因發(fā)現(xiàn) 93
4.3 對(duì)話共情技術(shù) 98
4.4 抑郁癥檢測技術(shù) 101
4.5 本章小結(jié) 102
參考文獻(xiàn) 103
第5 章 對(duì)話情感回復(fù)生成 107
5.1 對(duì)話情感回復(fù)生成任務(wù)定義 107
5.2 對(duì)話情感回復(fù)生成任務(wù)分析 108
5.3 文本生成技術(shù) 109
5.3.1 語言生成算法 109
5.3.2 對(duì)話生成算法 116
5.3.3 文本摘要算法 120
5.4 對(duì)話情感回復(fù)生成技術(shù) 123
5.4.1 生成式情感回復(fù)生成算法 123
5.4.2 檢索式情感回復(fù)生成算法 130
5.5 本章小結(jié) 137
參考文獻(xiàn) 138
第6 章 多模態(tài)情感對(duì)話機(jī)器人 141
6.1 多模態(tài)情感計(jì)算的研究背景與意義 141
6.2 多模態(tài)情感對(duì)話的任務(wù)定義與任務(wù)分析 144
6.3 多模態(tài)情感計(jì)算基礎(chǔ) 145
6.3.1 多模態(tài)語義表示 145
6.3.2 多模態(tài)語義融合 147
6.4 多模態(tài)情感對(duì)話的關(guān)鍵技術(shù) 150
6.4.1 多模態(tài)情感分類 151
6.4.2 多模態(tài)情感消歧 157
6.4.3 多模態(tài)細(xì)粒度情感計(jì)算 163
6.5 多模態(tài)情感計(jì)算的未來模式 164
6.5.1 多模態(tài)情感計(jì)算的現(xiàn)狀與思考 164
6.5.2 多模態(tài)情感計(jì)算的研究框架 167
6.5.3 多模態(tài)細(xì)粒度情感計(jì)算的研究方案設(shè)計(jì) 170
6.5.4 多模態(tài)細(xì)粒度情感計(jì)算的特色 179
6.6 未來模式對(duì)多模態(tài)情感對(duì)話機(jī)器人的影響 180
6.7 本章小結(jié) 180
參考文獻(xiàn) 181
第7 章 情感對(duì)話機(jī)器人的語料資源 185
7.1 單模態(tài)數(shù)據(jù)集 185
7.1.1 日常對(duì)話數(shù)據(jù)集 186
7.1.2 影視劇對(duì)話數(shù)據(jù)集 187
7.1.3 社交媒體回復(fù)數(shù)據(jù)集 191
7.2 多模態(tài)數(shù)據(jù)集 194
7.2.1 多模態(tài)影視劇對(duì)話數(shù)據(jù)集 195
7.2.2 多模態(tài)觀點(diǎn)數(shù)據(jù)集 199
7.2.3 多模態(tài)人機(jī)交互數(shù)據(jù)集 203
7.2.4 多模態(tài)行業(yè)對(duì)話數(shù)據(jù)集 204
7.3 本章小結(jié) 204
參考文獻(xiàn) 205
書單推薦
