基于深度学习的情感支持对话优化方法及系统

本发明属于人工智能，尤其涉及基于深度学习的情感支持对话优化方法及系统。

背景技术：

1、情感支持(emotional support)属于社会支持的一种，旨在向承受生活压力事件的个体传递同情、肯定和鼓励，以协助他们理解并应对所面临的挑战(burleson,2003a)。有效的情感支持有助于减轻负面情绪，提高个体心理韧性和自尊自信，促进情感交流和社会适应，同时在身心健康方面产生积极影响，提供情感上的慰藉(burleson,2003b；green etal.,2022；lim et al.,2015；reblin&uchino,2008；yoo et al.,2014)。事实上，实现有效情感支持的同时需要基本的助人动机以及一定的专业技巧(burleson,2008；hill,2009)。不恰当的情感支持尝试通常对求助者无效，甚至造成二次伤害(afifi et al.,2013；burleson,2003a；holmstrom et al.,2005；marigold et al.,2014；maisel&gable,2009)。实现情感支持需由支持者和求助者双方共同努力。在情感支持的过程中，与支持有效性最相关的是受助者对于支持的主观接受程度，而不是依据求助事实所做出的客观评估(rafaeli&gleason,2009)。这不仅要求支持者掌握多种情感支持技术以及表达技巧，同时还需根据求助者自身情况以及问题情景做出反应性策略选择(burleson,2008,2009)。研究显示，低自尊的个体也许难以接受包含积极重构策略的情感支持(marigold et al.,2014)；焦虑的个体更倾向于获得指向性支持，而不只是情感抚慰(caldwell&reinhart,1988)。

2、chatgpt(chat generative pretrained transformer)是openai公司研发的生成式ai大语言模型，建立在gpt-3.5架构基础上(eysenbach,2023；van etal.,2023)。与过去的聊天机器人相比，chatgpt最令人印象深刻的功能增强在于上下文理解和允许后续更正的能力(roose,2022)。chatgpt拥有广泛的知识和语言理解能力，能够回答各种问题，提供专业信息，进行文本创作，同时能够与人进行自然的对话交流。换言之，无论是寻求知识，寻找创意，还是进行纯粹的闲聊，chatgpt都能轻松应对(hariri,2023)。chatgpt目前已被证实在多个实际应用领域具备潜在应用价值，如医疗保健教育(kung et al.,2023；sallam,2023)，内容写作(ali et al.,2023；fitria et al.,2023)等。

3、全球范围内，约有10亿人类受到心理问题的困扰(who,2022)。面对急剧增长的心理健康管理需求，人类对人工智能(ai)助力心理健康服务的期待和探索也从未停止。但长期以来，出于对ai能力的疑虑和健康风险的担忧，仍未能将ai广泛应用于心理健康临床实践(abd-alrazaq et al.,2021；bendig et al.,2022)。chatgpt的问世标志着ai能力的里程碑式提升，最具代表性的是其上下文联系能力和语言理解及表达能力(hariri,2023；roose,2022)。研究者已初步验证了chatgpt所具备的情绪意识和在情感方面的强大潜力(elyoseph etal.,2023)。如he等人(2023)所述，ai要达到人类治疗师的能力水平，就必须在个性化和移情反应方面取得突破。直观而言，chatgpt或许已经具备为人类提供情感支持的水平能力，但仍未有研究对其进行科学验证。

4、通过上述分析，现有技术存在的问题及缺陷为：chatgpt在应对真实情感支持求助时的能力尚未得到充分了解和验证。

技术实现思路

1、针对现有技术存在的问题，本发明提供了基于深度学习的情感支持对话优化方法及系统。

2、本发明是这样实现的，基于深度学习的情感支持对话优化方法，所述基于深度学习的情感支持对话优化方法包括以下步骤：

3、步骤一，基于情感支持对话数据集“esconv”，利用自然语言处理及机器学习技术建立情感支持有效性预测模型；

4、步骤二，让chatgpt扮演情感支持会话中的咨询师角色，获取相应的输出内容；

5、步骤三，通过特征敏感性分析及解释性机器学习方法，构建面向情感支持会话有效性的解释性模型；

6、步骤四，利用解释性模型获取关键语言线索及其作用方式，进而制定针对chatgpt的提示策略；

7、步骤五，采用统计分析方法比较chatgpt与人类咨询师在情感支持会话中的有效性。

8、进一步，分类编码数据中的类别标签，包括经验类型、情感类型和主题类型变量；对于文本特征，采用bert预训练模型对求助者处境及会话文本提取嵌入式表示。

9、进一步，基于一个经过人工标注的、包含1300个高质量情感支持会话案例数据集，基于bert的融合注意力机制的长短期记忆深度神经网络模型建立咨询师应答策略推荐模型和情感支持对话感知的质量预测模型。

10、进一步，情感支持会话策略推荐模型基于情感支持的历史对话，来预测咨询师可采用的不同类别的情感支持策略，所预测的情感支持策略包括：肯定和安慰、提供信息、提供建议、提问、情感反映、重述或释义、自我表达和其他。

11、进一步，情感支持策略的推荐模型为chatgpt的应答生成策略指导，并指定针对性策略提示。

12、进一步，情感支持感知质量预测模型根据心理求助者和咨询师在情感支持会话过程中的历史对话数据，预测会话求助者的感知共情水平、感知相关性和感知反馈评分，进而预测chatgpt在情感支持会话中的表现。

13、进一步，通过解释性机器学习识别与情感支持有效性相关的重要因子，包括语言线索，会话策略，并依此构建个性化提示工程，提升chatgpt的情感支持能力。

14、进一步，利用统计分析方法对未经提示的chatgpt、针对性提示后的chatgpt以及人类专家的情感会话有效性进行比较。

15、本发明的另一目的在于提供基于深度学习的情感支持对话优化方法的基于深度学习的情感支持对话优化系统，包括：

16、数据处理模块，用于对数据中的类别标签进行分类编码，对于文本特征提取嵌入式表示；

17、模型建立模块，用于建立情感支持对话的咨询师策略使用行为预测模型，以及情感支持感知质量预测模型；

18、分析比较模块，用于对未经提示的chatgpt、针对性提示后的chatgpt以及人类专家的情感会话有效性进行比较。

19、本发明的另一目的在于提供基于深度学习的情感支持对话优化系统在心理健康领域的应用。

20、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

21、第一，本发明通过解释性机器学习识别与情感支持有效性相关的重要因子，包括语言线索，会话策略等，并依此构建个性化提示工程，针对策略使用的提示工程能有效提升chatgpt的共情水平及感知反馈得分，提升了chatgpt的情感支持能力。

22、基于深度学习的情感支持对话优化方法在每个步骤中都取得了显著的技术进步：

23、步骤一：利用情感支持对话数据集“esconv”建立情感支持有效性预测模型

24、为情感支持对话提供了一个量化的衡量标准。以前，情感支持对话的有效性更多地依赖于经验和直觉。现在，有了这个模型，可以更加客观、准确地评估对话的有效性。

25、步骤二：让chatgpt扮演情感支持会话中的咨询师角色

26、实现了机器自动生成情感支持会话，这在某些情境下可以为用户提供及时、低成本的情感支持，减轻了咨询师的工作负担。

27、步骤三：构建面向情感支持会话有效性的解释性模型

28、解释性机器学习为我们提供了一个桥梁，帮助我们理解预测模型是如何工作的，哪些特征对预测结果影响最大。这在情感支持对话中尤为重要，因为了解为什么某种对话方式更有效可以帮助咨询师改进技巧。

29、步骤四：利用解释性模型制定针对chatgpt的提示策略

30、通过明确的语言线索和策略，chatgpt的输出内容可以被优化以更好地满足情感支持的需求。这确保了机器生成的响应更具有人性化和情感关怀。

31、步骤五：比较chatgpt与人类咨询师的情感支持会话有效性

32、这个比较为机器和人在情感支持对话中的表现提供了一个直接的基准。这不仅帮助我们了解机器的限制，还揭示人类咨询师可以从机器学习的地方。

33、综上所述，该情感支持对话优化方法在技术上取得了显著的进步，从建立量化标准，到机器生成的情感支持，再到优化策略和评估机器的表现，每一步都为情感支持对话带来了创新和提升。

34、第二，本发明以计算社会科学为导向证实chatgpt的情感支持能力，为ai在心理健康领域的运用提供了实证支持。我们利用自然语言处理及机器学习技术，在情感支持对话数据集“esconv”的基础上建立情感支持有效性预测模型，以对chatgpt在模拟情感支持对话中的表现进行客观评估。我们基于建立的情感支持会话策略推荐模型为chatgpt指定针对性策略提示，并依据解释性机器学习识别出的与情感支持有效性相关的重要因子来构建个性化提示工程。这一独特的方法，使我们提升了chatgpt的情感支持能力。因此，本发明的技术方案成功地应对了chatgpt在心理健康领域运用的困难，使得chatgpt的情感支持能力得到了提升。因此，本技术方案不仅证实了chatgpt的情感支持能力，更为未来人工智能在心理健康等领域运用的提升提供了案例，使其更接近人类专家的能力，从而解决更多、更复杂的心理健康问题。

35、第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：

36、(1)本发明的技术方案转化后的预期收益和商业价值为：

37、心理健康咨询的需求不断增长，专业咨询师的数量却有限，这造成了供需之间的明显不平衡。本发明的技术方案，通过提升了情感支持能力的chatgpt，能够扮演心理健康领域的咨询师。提升后的chatgpt在一些方面已经能够达到人类专家的水平，因此具有巨大的商业潜力，能够大幅度降低成本，覆盖广大需求群体。预期收益是提供更廉价、更便捷、更即时的心理健康服务，而商业价值在于能够更迅速地得到广泛应用和进军其他应用场景。

38、(2)本发明的技术方案填补了国内外业内技术空白：

39、尽管chatgpt相关的聊天功能备受欢迎，但人类对其在心理健康领域的应用仍持谨慎态度。未经提升的chatgpt仅仅可作为聊天式机器人，其对于涉及专业领域问题的回答仍不尽如人意。本发明弥补了这一领域的技术空白，通过深入的研究和验证，提升了chatgpt的情感支持能力，为chatgpt在心理健康等领域的应用带来了崭新、高效和切实有效的解决方法。

40、(3)本发明的技术方案是否解决了人们一直渴望解决、但始终未能获得成功的技术难题：

41、本发明成功解决了长期以来人们渴望解决的两大技术难题：首先，心理健康咨询服务如何快速、广泛地得到应用。其次，如何确保chatgpt在心理健康领域的应用能够达到人类咨询师的水平。通过建立高效的预测模型、基于可解释机器学习的个性化提示工程以及广泛的验证，本发明为这些问题提供了有力的解决方案。

42、(4)本发明的技术方案是否克服了技术偏见：

43、本发明的技术方案不仅关注chatgpt在心理健康领域的表现，而且克服了chatgpt仅仅能够作为聊天式机器人的技术偏见。通过为chatgpt指定针对性策略提示以及基于可解释机器学习的个性化提示工程，本发明确保了chatgpt的情感支持能力能够得到提升，从而满足了现实世界中的心理健康需求。此外，通过深入研究和验证，确保了chatgpt在心理健康领域能够达到人类专家的水平，进一步克服了现有技术的局限性。