本发明属于心理健康领域，具体是一种基于对话识别和情感分类模型的人机交互系统和交互方法，可用于人机交互、心理咨询、情感激励等领域。
背景技术：
1、
2、目前的大多数对话机器人都不能满足大学生心理问答的需求，且受限于心理领域的隐私和保密特征，收集相关的心理对话语料数据集并训练一个对话机器人模型具有一定的难度。此外，对于有心理困惑的学生来说，简单的文字聊天难以起到安慰的效果，仿人实体机器人能够在一定程度上进行情感表达，建立合理有效的机器人情感交互表达方式，设计具体的情感交互动作方案，使得实体机器人可以与大学生用户进行交互，进而有效地调节他们的情绪，具有重要的现实意义和实际价值。
3、针对当前高校心理教育资源不足的问题，需要提出一种针对大学生用户的心理辅助机器人的人机交互系统，通过对话和情感交互动作两个方面来对学生的负面情绪进行调节，提升心理辅助调节的效果。
技术实现思路
1、本发明所要解决的技术问题是针对上述现有技术的不足提供一种基于对话识别和情感分类模型的人机交互系统和交互方法，本基于对话识别和情感分类模型的人机交互系统和交互方法可以根据用户输入的文字或者语音进行输出对答语句和情感交互动作，缓解了大学生的负面心理情绪。
2、为实现上述技术目的，本发明采取的技术方案为：
3、一种基于对话识别和情感分类模型的人机交互系统，包括对话机器人模型、情感分类模型和实体机器人；所述对话机器人模型和情感分类模型均与实体机器人连接；
4、所述对话机器人模型用于根据用户的文字语句输出对话答句并将对话答句发送实体机器人；
5、所述情感分类模型用于根据用户的文字语句输出情感分类结果并将情感分类结果发送给实体机器人；
6、所述实体机器人用于对对话答句进行语音合成并输出合成后的语音，同时用于根据情感分类结果选择对应的情感交互动作进行动作执行。
7、作为本发明进一步改进的技术方案，还包括语音识别模块和通信模块，所述语音识别模块同时与对话机器人模型和情感分类模型连接，所述对话机器人模型和情感分类模型分别通过通信模块与实体机器人连接；
8、所述语音识别模块用于采集用户发出的语音并将采集的语音转换为文字语句发送给对话机器人模型和情感分类模型。
9、为实现上述技术目的，本发明采取的另一个技术方案为：
10、一种基于对话识别和情感分类模型的人机交互方法，包括：
11、步骤1、构建对话机器人模型，对话机器人模型包括烦恼类别判断模型和对话生成模型；
12、步骤1.1、构建烦恼类别判断模型；
13、步骤1.1.1、采集并构建大学生心理咨询相关的对话数据集；
14、步骤1.1.2、对对话数据集中的对话数据进行烦恼类别标注后再进行预处理操作；
15、步骤1.1.3、构建基于双教师知识蒸馏的烦恼类别判断模型：
16、通过烦恼类别标注后的且预处理操作后的对话数据集对基于双教师知识蒸馏的烦恼类别判断模型进行训练，得到训练完成的烦恼类别判断模型；
17、步骤1.2、构建对话生成模型；
18、步骤1.2.1、对步骤1.1.1中的对话数据集中的对话数据进行情绪支持策略标注；
19、步骤1.2.2、构建对话生成模型：
20、通过烦恼类别标注、情绪支持策略标注后的且预处理操作后的对话数据集对对话生成模型进行训练，得到训练完成的对话生成模型；
21、步骤2、构建情感分类模型；
22、步骤2.1、采集情感分析任务的公共数据集，数据集中的每条文本信息都配有一个情感标签；
23、步骤2.2、构建情感分类模型：
24、通过具有情感标签的数据集对情感分类模型进行训练，得到训练完成的情感分类模型；
25、步骤3、根据情感标签对应的情感交互动作在实体机器人内部构建情感交互动作库；
26、步骤4、采集用户输入的语音或者文字语句，若采集的是语音，则将语音转换为文字语句；
27、步骤5、训练完成的对话机器人模型中烦恼类别判断模型根据用户的文字语句输出烦恼类别并将烦恼类别发送训练完成的对话生成模型；
28、步骤6、训练完成的对话生成模型根据烦恼类别和用户的文字语句输出对话答句；
29、步骤7、训练完成的情感分类模型对用户的文字语句进行情感分类进而输出情感标签；
30、步骤8、实体机器人根据步骤6输出的对话答句进行语音合成并输出合成后的语音，同时根据步骤7输出的情感标签从情感交互动作库中选择与情感标签对应的情感交互动作进行动作执行。
31、作为本发明进一步改进的技术方案，所述的基于双教师知识蒸馏的烦恼类别判断模型包括教师模型和学生模型，教师模型包括bert预训练模型和roberta预训练模型，学生模型包括4层的transformer编码器。
32、作为本发明进一步改进的技术方案，所述的烦恼类别判断模型在训练时，学生模型向教师模型中的词向量层和预测层学习，还向教师模型的第3层transformer编码器、第6层transformer编码器、第9层transformer编码器、第12层transformer编码器进行学习。
33、作为本发明进一步改进的技术方案，所述的对话生成模型包括gpt-2主干模型以及束搜索优化算法和最大互信息的响应采样层；gpt-2主干模型包括掩码多头注意力层、多个层归一化层、多头自注意力层和前馈层；掩码多头注意力层与第一个层归一化层连接，第一个层归一化层与多头自注意力层连接，多头自注意力层与第二个层归一化层连接，第二个层归一化层与前馈层连接，前馈层与第三个层归一化层连接，第三个层归一化层与束搜索优化算法和最大互信息的响应采样层连接。
34、作为本发明进一步改进的技术方案，所述的对话生成模型的条件生成概率公式为：
35、
36、其中，st代表具体的对话策略，sd代表具体的烦恼类别，x表示对话上文语句，y表示对话生成模型输出的对话下文生成语句，yi表示y中的从至后排列的第i个字，|y|表示y中总字数，i代表y中字的序号。
37、作为本发明进一步改进的技术方案，情感分类模型采用双教师知识蒸馏模型。
38、本发明的有益效果为：
39、本发明实现了对大学生用户心理辅助调节的功能。主要用于解决大学生群体心理健康问题。大学生用户通过文字或者语音输入的方式向本交互系统输入问题，随后交互系统会将对话问句分别发送给对话机器人模型和情感分类模型，对话机器人模型结合了大学生用户具体的烦恼类别和支持策略信息对大学生用户进行对话回复缓解用户的负面情绪，对话机器人模型会输出对话答句，情感分类模型对大学生用户的输入语句进行情感分类并给出情感分类结果，再通过通信模块将回答语句和情感分类结果发送给yanshee实体机器人，实体机器人内部进行语音合成指令输出语音回答，同时根据情感分类结果选择对应的情感交互动作进行执行，以弥补单一对话交流的不足。本发明补充了高校的心理教育资源，缓解了大学生的负面心理情绪。
1.一种基于对话识别和情感分类模型的人机交互系统，其特征在于，包括对话机器人模型、情感分类模型和实体机器人；所述对话机器人模型和情感分类模型均与实体机器人连接；
2.根据权利要求1所述的基于对话识别和情感分类模型的人机交互系统，其特征在于，还包括语音识别模块和通信模块，所述语音识别模块同时与对话机器人模型和情感分类模型连接，所述对话机器人模型和情感分类模型分别通过通信模块与实体机器人连接；
3.一种基于对话识别和情感分类模型的人机交互方法，其特征在于，包括：
4.根据权利要求3所述的基于对话识别和情感分类模型的人机交互方法，其特征在于，所述的基于双教师知识蒸馏的烦恼类别判断模型包括教师模型和学生模型，教师模型包括bert预训练模型和roberta预训练模型，学生模型包括4层的transformer编码器。
5.根据权利要求4所述的基于对话识别和情感分类模型的人机交互方法，其特征在于，所述的烦恼类别判断模型在训练时，学生模型向教师模型中的词向量层和预测层学习，还向教师模型的第3层transformer编码器、第6层transformer编码器、第9层transformer编码器、第12层transformer编码器进行学习。
6.根据权利要求3所述的基于对话识别和情感分类模型的人机交互方法，其特征在于，所述的对话生成模型包括gpt-2主干模型以及束搜索优化算法和最大互信息的响应采样层；gpt-2主干模型包括掩码多头注意力层、多个层归一化层、多头自注意力层和前馈层；掩码多头注意力层与第一个层归一化层连接，第一个层归一化层与多头自注意力层连接，多头自注意力层与第二个层归一化层连接，第二个层归一化层与前馈层连接，前馈层与第三个层归一化层连接，第三个层归一化层与束搜索优化算法和最大互信息的响应采样层连接。
7.根据权利要求6所述的基于对话识别和情感分类模型的人机交互方法，其特征在于，所述的对话生成模型的条件生成概率公式为：
8.根据权利要求3所述的基于对话识别和情感分类模型的人机交互方法，其特征在于，情感分类模型采用双教师知识蒸馏模型。
