人工智能聊天機器人系統架構設計

胡昌龍 馮橙橙 王舒帆

摘 要：當今社會快速發展，人們承受著多方壓力，如何解決人們由此產生的諸多心理問題是社會各界一直以來不斷探索的課題。基于近年來人工智能的飛速發展，本課題研究針對心理咨詢需求，借助AI技術構建聊天機器人模型，使用智能對話技術實現人機交互，并使用百度UNIT技術，結合大數據分析和知識圖譜技術不斷提高智能聊天機器人的性能。構建一套完整的能夠在心理學領域提供人工智能幫助的解決方案，系統能夠實現與用戶之間的交互式智能對話，通過智能對話、語音識別分析，進行心理情況分析，推薦相關心理自我測評以及治療等功能。

關鍵詞：心理咨詢;人工智能;聊天機器人;智能對話;語音識別;知識圖譜

1.背景

在國內，雖然我國的心理測評起步較晚，但隨著科技的快速發展，我國心理測評的理論和技術已經從傳統的線下測評發展到了使用互聯網技術，即使用線上的APP來服務用戶的模式。聊天機器人是在開放域對話中，根據提問者的問題給出合適回復的程序，應用場景的豐富性和信息交互的有效性將使得聊天機器人在心理學領域的應用在未來的生活中越來越普遍，因此對于心理資訊聊天機器人相關技術的研究是有極大的經濟價值和社會價值的。將聊天機器人與心理測評結合的新模式出現和發展必將帶動很多相應技術的快速發展。

所以本文針對以上問題，設計了基于人工智能聊天機器人的心理咨詢數據的采集處理，借助智能對話和語音識別技術分析用戶心理情況推送相關心理建議的方案。

2.方案介紹

2.1技術框架

人工智能心理咨詢聊天機器人是一個集采集數據，智能對話，百度UNIT技術，大數據分析于一體的解決方案。主要包括：語音識別，語音合成，語義分析處理，知識圖譜，大數據分析。

語音識別模塊。語音識別模型是神經網絡端到端模型，主要是通過編碼器將輸入的用戶音頻，按照序列壓縮為低維的向量表示，再通過解碼器將低維向量表示展開為文本符號序列。即將用戶的語音信息轉換為文本信息。

語音合成模塊。將輸入文本序列轉換為相應的音頻波形。采用參數合成方法和拼接合成方法生成語音波形，在此采用多層雙向循環神經網絡，使得信息連詞成句，在句子層面更有效地學習韻律模型，將我們所想提供給用戶的信息，轉換為更加真實的語音輸出。

語音分析模塊。采用基于統一特征框架的可定制的聯合詞法分析模型。首先基于聯合序列標注模型進行詞語切分、詞性標注和粗粒度實體識別，然后利用來自大數據的統計特征進行細粒度實體識別，使得整個分析系統更簡潔、高效。

語義表示和匹配模塊。采用基于深度學習技術的語義表示方法，將文本單位和數據對象均表示為特定維度的向量，通過對向量在語義空間中的距離測度實現語義匹配。基于深層交互的文本匹配模型強調待匹配兩端更充分的交互以及基于交互基礎上的全方位匹配。該模型首先為文本中每個詞語獲得能夠表達一定的全局信息的表示，然后對兩段文本以詞語為單位進行交互以構建兩段文本之間的匹配矩陣。基于此信息使用卷積操作來提取更高層級的匹配特征，最后得出匹配得分。進行對用戶的聊天信息語義分析匹配。

語義理解模塊。采用基于給定知識圖譜的深度語義解析技術，實現對復雜開放文本語義的深度理解，包括標注、知識推理、計算等。在心理咨詢聊天機器人的對話系統中。首先對應主動對話場景，借助知識圖譜中有關心理知識的聯系，通過心理咨詢的相關推薦等策略實現對話過程的主動引導。然后是對應問答型對話系統，在此將知識圖譜視為答案信息來源，通過對話理解將用戶問題轉化為對知識圖譜的查詢，得到用戶關心問題的答案。

大數據分析模塊。收集綜合用戶的海量聊天數據，利用大數據分析算法進行數據處理和數據集成。并將分析處理后的數據形成知識圖譜，用于優化智能機器人服務性能并進行個性化解決方案推薦，便于通過用戶易于接受的方式，對其負面情緒進行緩解。

2.2方案流程

人工智能心理咨詢聊天機器人需要對用戶在APP的瀏覽信息，聊天數據進行采集，進行智能對話，并對其心理測評結果進行聯合分析，給用戶提供解決方案。使用人工智能對話能有效提高獲取信息效率，同時計算機不僅能對用戶信息進行存儲，進行更加深層次的數據挖掘，選擇最優的解決方案提供給用戶，并根據用戶個人偏好，提供個性化的備選方案。

本方案最大的特點就是對用戶隱私數據進行嚴格的保密，使用語音語義分析處理技術，實現良好的人機交互，進行智能對話，結合大數據分析，解決用戶的心理咨詢問題。

本方案的實現主要分為以下三個階段：

首先，信息的采集。聊天機器人利用語音識別，將其轉換為文本獲取用戶聊天信息。在此，考慮到消除周圍雜音，采用遠場識別技術，提高語音識別準確度，同時在訓練數據庫中，加入大量方言數據，形成方言詞典，以便拉近與用戶的關系。同時通過SDK或者服務端采集到的用戶行為，都是以獨立用戶進行跟蹤，心理咨詢聊天機器人會展現每一個用戶的訪問歷史和行為歷史，獲取用戶行為數據。將以上用戶數據信息進行綜合整理，為下一步的數據分析做基礎。

第二步，數據分析，進行智能型對話。使用到百度UNIT技術，通過Taskflow進行對話數據流管理。標注對話數據，細致標注對話系統的內容，讓構建的聊天機器人學到更多的對話知識，提高對話的精準度和契合度。基于DNN的語義相似度匹配策略，以及融合字面和DNN等多維度特征的相似度匹配策略進行語義索引和匹配，可在UNIT進行對話訓練與驗證。對于搭建好的對話系統把場景配置、對話樣本、對話模板等在系統里訓練生成模型。然后把模型放到沙盒里，與自己的定制系統進行對話測試。自動地訓練需求理解模型。此外，在UNIT中還可進行知識接入，集成心理咨詢知識庫，提高對話的心理專業水平。

最后，語音合成形成關鍵詞圖譜。統計聊天中的詞語頻率，加上大數據技術，分析用戶喜好，形成用戶畫像，推送對用戶進行相關的心理知識內容推薦，實現心理咨詢知識的精準高效發送，提高用戶使用效率，滿足用戶的個性化心理需求。

3.總結

借助當前快速發展的人工智能技術，為解決人們的心理狀況問題提供助力。本方案利用AI人工智能，語音處理，數據存儲分析等技術，將人工智能和心理咨詢結合起來，為用戶提供心理測評和心理治療服務，使得人工智能成為心理咨詢與診療的一個輔助技術。盡管目前人工智能技術并沒有在心理學領域大規模應用，但隨著AI技術和智能對話技術的發展，聊天機器人能夠更加人性化，并且緩解心理疾病患者因治療費用高昂和病恥感拒絕治療的現狀，能夠在當前我國心理咨詢師缺乏的情況下，為心理學領域的發展提供強有力的支持。

參考文獻：

[1] 廖衛華，彭小孟.人工智能在線心理咨詢方式的研究[J].贛南師范學院學報，2005（03）：66-68.

[2] 李建坤.面向學生的智能聊天機器人[J].電子制作，2019（16）：37-40.

[3] 董昊.聊天機器人信息推送機制研究[J].中國新，2018，20（18）：146-147.

[4] 張林.虛擬環境下的智能語音聊天機器人設計[J].計算機與數字工程2019，47（10）：2617-2621+2644.

[5] 李翠、羅小妮. 基于語音識別技術的智能對話機器人的設計[J]. 濟南職業學院學報. 2015 年第 1 期（總第 108 期）

作者簡介：

胡昌龍，男，漢。湖北武漢，1977年2月，碩士，講師，大數據管理與應用

馮橙橙，女，漢。湖北孝感，1999年5月，本科，學生，信息管理與信息系統

項目編號：201810500043

項目名稱：人工智能聊天機器人