CN105206284A - 疏导青少年心理压力的虚拟聊天方法与*** - Google Patents

Abstract

本发明公开一种疏导青少年心理压力的虚拟聊天方法与***，旨在通过与青少年进行若干次连续的对话应答，提供一些积极正面的信息，引导他们以一种积极乐观的态度进行思考、面对困难，达到缓解青少年心理压力的目的。所述方法，包括：S1、获取用户的第一会话语句，对第一会话语句进行中文分词，并建立第一依存关系树；S2、通过预先建立的压力词库对第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果；S3、从中间结果中选出目标中间结果，从目标中间结果中提取目的压力感知结果；S4、根据所述目的压力感知结果得到目标应答语句，并反馈给用户。

Description

疏导青少年心理压力的虚拟聊天方法与***

技术领域

本发明涉及数据分析技术领域，具体涉及一种疏导青少年心理压力的虚拟聊天方法与***。

背景技术

随着社会发展的不断加快，当今人们普遍承受着来自各个方面的心理压力。青少年心智仍未完全成熟，对情绪的把握和自我调节能力与成年人相比相对不足，过大的心理压力往往会对青少年的身心造成不同程度的伤害。同时，处于叛逆期的青少年往往不愿意与他人进行交流，致使其压力情绪无法得到及时的疏导，造成更加严重的后果。相关研究表明，我国10％-30％的青少年有着不同程度的心理问题，九成以上的学生存在学***台。因此，若能设计并实现一个虚拟聊天工具，通过互联网与青少年进行智能的对话聊天，融合其微博内容，自动识别青少年会话语句中体现的压力情绪和压力来源，给出富有人性化的应答语句来疏导他们的心理压力，则对于青少年的健康成长大有裨益，对整个社会的和谐健康的发展有着不容忽视的重要作用。

自20世纪90年代开始，人们就开始研究和设计自动问答***。自动问答***进行一个问答过程往往需要经历问题文本分析、信息检索、结果评估和排名、整合答案等过程。在自然语言问答***方面,比较著名的***有Start、AskJeeves、AnswerBus等。Start***是由麻省理工学院研发的一款问答***，能够回答历史、地理科技文化等方面的问题，但是在对上下文的理解方面还有所欠缺。AskJeeves***的主要功能是检索，通过用户交互和语义分析给出检索结果。AnswerBus是密歇根大学研发的多语言自动问答***，它在分析用户输入的自然语言句后，给出可能包含答案的8条语句和相关联的URL。此外，微软公司的Encarta、华盛顿大学的MULDER、新加坡国立大学的LAM等也都是相对成熟的自动问答***。

近年来，国内的许多科研机构和企业也对以汉语为主要语言的问答***进行了相关研究。2013年，哈尔滨工业大学在ACL上发表的文章《AChatterbotSystemforAnsweringDomain-specificQuestions》介绍了他们设计的围绕情感领域的自动问答***。该问答***将用户提出的问题与数据库中的问题进行匹配，筛选出相似度最大的问题并给出相应解答。

然而智能问答***存在三个无法应用于青少年心理压力疏导的问题：1)自动问答***往往针对于已有客观或公认答案的问题，无法满足用户在有压力情绪时的需求；2)“问答”模式缺少互动：在压力疏导的过程中，“提问者”和“回答者”的角色应该在用户和聊天程序中进行适当转换，以提高整个疏导过程的互动性；3)“问答”模式缺少对语言环境的理解：用户的倾诉、聊天过程是一个连续性的过程，每一句会话语句都有着上下文的语境。若按照自动问答***的工作原理，只是单纯对每一句语句进行分别应答，则应答效果将深受局限。

智能聊天机器人是自动问答***的一个分支，一般基于模式匹配的方来寻找一个恰当的回答，对用户的自然语言输入给出一个相对人性化的回答，这个答案可能并不具有知识性，更多的是模拟人与人聊天交谈的特点。目前比较成熟的智能聊天机器人有国外的Eliza和Alice，国内的“小i”、“小图”和“小黄鸡”等。Eliza是JosephWeizenbaum在1956年推出的聊天机器人，被认定为世界上第一个聊天机器人。它具有一定的心理学知识，能够和用户进行交流，但在上下文之间欠缺良好的连贯性。Alice是一个基于经验的聊天机器人，由RichardS.Wallace博士在1995年开始研发,它最大的特点在于使用了人工智能标记语言AIML作为知识描述语言，对于用户输入的自然语句，在分词后和知识库中的模板进行匹配，获取答案。“小i”是上海赢思软件技术有限公司自主研发的一款中文聊天机器人，经过十年的发展，它已在天气、地图、翻译等多个领域积累了大量的相关知识，且支持语音识别功能，是一款比较成熟的中文聊天机器人。“小黄鸡”起源于人人网，之后迅速火爆，是一款纯粹的聊天机器人。它的智能依赖于庞大的后台知识库，通过教学功能，不断学习用户答案的关键词和答案并存储。

智能聊天机器人在处理用户压力情绪上的主要问题在于：1)面对用户饱含负面情绪的会话语句，多款智能聊天机器人给出的应答不够人性化；2)难以给出切实的解决方案：比如当用户遇到学业压力时，聊天工具应向用户提供一些学习方法上的指导。而在尝试了若干款流行的聊天机器人后，发现当向它咨询“我该怎么办”类似的问题时，其回答往往含糊其辞，无法给出切实的意见。

有鉴于此，为青少年提供一种以疏导青少年心理压力为目的的智能聊天工具成为亟待解决的问题。

发明内容

本发明的目的在于，提供一种疏导青少年心理压力的虚拟聊天方法与***，通过与青少年进行若干次连续的对话应答，感知用户的压力情绪和压力来源信息，并根据用户的压力情绪和压力来源信息，及时在线予以沟通、帮助，提供一些积极正面的信息，引导他们以一种积极乐观的态度进行思考、面对困难，达到缓解青少年心理压力的目的。

为此目的，一方面，本发明提出一种疏导青少年心理压力的虚拟聊天方法，包括：

S1、获取用户的第一会话语句，对所述第一会话语句进行中文分词，并建立第一依存关系树，其中，所述第一依存关系树的根节点是所述第一会话语句的中心词，各个子节点为所述进行中文分词得到的词，每一条边表示该边相应的子节点的依存关系；

S2、通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果，其中，所述压力词库包括否定词以及其依存的正面情绪词、压力情绪词、压力类型词、压力类型词下的压力子类型词和属于压力子类型词所对应的压力子类型范畴的描述词，所述中间结果的格式为(Stress，Category：l_c，Subcategory：l_s)，Stress表示是否有压力，Category表示压力类型词，l_c表示压力类型词与情绪词节点之间的路径长度，Subcategory表示压力子类型词，l_s表示压力子类型词与情绪词节点之间的路径长度；

S3、从所述中间结果中选出目标中间结果，从所述目标中间结果中提取目的压力感知结果，其中，所述目的压力感知结果的格式为(Stress，Category，Subcategory)；

S4、根据所述目的压力感知结果得到目标应答语句，并反馈给用户。

另一方面，本发明提出一种疏导青少年心理压力的虚拟聊天***，包括：

建立单元，用于获取用户的第一会话语句，对所述第一会话语句进行中文分词，并建立第一依存关系树，其中，所述第一依存关系树的根节点是所述第一会话语句的中心词，各个子节点为所述进行中文分词得到的词，每一条边表示该边相应的子节点的依存关系；

计算单元，通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果，其中，所述压力词库包括否定词以及其依存的正面情绪词、压力情绪词、压力类型词、压力类型词下的压力子类型词和属于压力子类型词所对应的压力子类型范畴的描述词，所述中间结果的格式为(Stress，Category：l_c，Subcategory：l_s)，Stress表示是否有压力，Category表示压力类型词，l_c表示压力类型词与情绪词节点之间的路径长度，Subcategory表示压力子类型词，l_s表示压力子类型词与情绪词节点之间的路径长度；

提取单元，用于从所述中间结果中选出目标中间结果，从所述目标中间结果中提取目的压力感知结果，其中，所述目的压力感知结果的格式为(Stress，Category，Subcategory)；

获取单元，用于根据所述目的压力感知结果得到目标应答语句，并反馈给用户。

本发明实施例所述的疏导青少年心理压力的虚拟聊天方法与***，通过感知用户每一次会话语句所蕴含的情绪词、压力类型词和压力子类型词及其依存关系得到目的压力感知结果，并根据所述目的压力感知结果得到相应的目标应答语句，并反馈给用户，能够通过与青少年进行若干次连续的对话应答，为其提供一些积极正面的信息，引导他们以一种积极乐观的态度进行思考、面对困难，达到缓解青少年心理压力的目的。

附图说明

图1为本发明疏导青少年心理压力的虚拟聊天方法一实施例的流程示意图；

图2为本发明疏导青少年心理压力的虚拟聊天方法另一实施例的压力词库示意图；

图3为本发明疏导青少年心理压力的虚拟聊天方法又一实施例中第一依存关系树的示意图；

图4为本发明疏导青少年心理压力的虚拟聊天方法又一实施例中行人间法向重叠及切向位移示意图；

图5为本发明疏导青少年心理压力的虚拟聊天***一实施例的方框结构示意图；

图6为本发明疏导青少年心理压力的虚拟聊天***另一实施例的架构图；

图7为本发明疏导青少年心理压力的虚拟聊天***又一实施例的登陆界面示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例公开一种疏导青少年心理压力的虚拟聊天方法，包括：

S1、获取用户的第一会话语句，对所述第一会话语句进行中文分词，并建立第一依存关系树，其中，所述第一依存关系树的根节点是所述第一会话语句的中心词，各个子节点为所述进行中文分词得到的词，每一条边表示该边相应的子节点的依存关系；

S2、通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果，其中，所述压力词库包括否定词以及其依存的正面情绪词、压力情绪词、压力类型词、压力类型词下的压力子类型词和属于压力子类型词所对应的压力子类型范畴的描述词，所述中间结果的格式为(Stress，Category：l_c，Subcategory：l_s)，Stress表示是否有压力，Category表示压力类型词，l_c表示压力类型词与情绪词节点之间的路径长度，Subcategory表示压力子类型词，l_s表示压力子类型词与情绪词节点之间的路径长度；

S3、从所述中间结果中选出目标中间结果，从所述目标中间结果中提取目的压力感知结果，其中，所述目的压力感知结果的格式为(Stress，Category，Subcategory)；

S4、根据所述目的压力感知结果得到目标应答语句，并反馈给用户。

本发明实施例中，针对用户输入的会话语句c,可以定义目标压力感知结果为(Stress，Category，Subcategory)。为了获得(Stress，Category，Subcategory)形式的目标压力感知结果，可以首先利用语言分析工具LTP对该语句c进行中文分词并基于依存语法理论建立一棵依存关系树。根据依存语法，句子是一个有组织的整体，构成的成分是词，词与词之间会产生联系，这些词间联系构成了句子的框架并表达思想。因此在该树中，每一个节点是进行中文分词后的词，其根节点是整个句子中的中心词，每一条边表示两个词之间的依存关系，词与词之间的依存关系反应了词与词之间的语义关系。基于这棵依存关系树，首先根据已经建立好的压力词库(如图2的表1所示，包括压力情绪词库和压力类型/子类型词库)对于每一个节点进行标注。如果有压力情绪词存在或者否定词和其依存的正面情绪词存在则Stress取值为1，反之则为0。接下来，分析所有压力情绪词和压力类型词之间的连接，并获得了一系列形如(Stress，Category：l_c，Subcategory：l_s)的中间结果。其中Stress，Category，Subcategory仍然分别表示是否有压力，压力类型和子类型，l_c和l_s压力类型节点和压力子类型节点与压力情绪词节点的路径长度(l_c/l_s可以取值为0，表示在压力类型节点/压力子类型节点与情绪词节点之间没有路径)。最后，优先选取l_c值最小的中间结果作为目标中间结果，若l_c值最小的中间结果有多个，则选取l_s值最小的中间结果作为目标中间结果。但在某些情况下，l_c和l_s值都最小的中间结果仍然有多个，这时选择与历史压力类型相同的且具有最小路径的中间结果作为目标中间结果。而当历史信息不能帮助选择时，则随机选择一个具有最小路径的中间结果作为目标中间结果。综上，对于用户的一个输入会话语句c，将获得一个三维的目标压力感知结果(c.Stress，c.Category，c.Subcategory)。

本发明实施例所述的疏导青少年心理压力的虚拟聊天方法，通过感知用户每一次会话语句所蕴含的情绪词、压力类型词和压力子类型词及其依存关系得到目的压力感知结果，并根据所述目的压力感知结果得到相应的目标应答语句，并反馈给用户，能够通过与青少年进行若干次连续的对话应答，为其提供一些积极正面的信息，引导他们以一种积极乐观的态度进行思考、面对困难，达到缓解青少年心理压力的目的。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，所述通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，包括：

通过查找所述压力词库判断所述各个节点中是否存在否定词以及其依存的正面情绪词或者压力情绪词，若存在，则确定Stress的值为有压力所对应的值，否则，确定Stress的值为无压力所对应的值；

对于每一个节点，通过查找所述压力词库确定出该节点所属的压力类型词Category和压力子类型词Subcategory；

根据所述Stress的值、所述各个节点所属的压力类型词Category和压力子类型词Subcategory得到(Stress，Category，Subcategory)格式的值，并利用得到的所述(Stress，Category，Subcategory)格式的值对所述各个节点进行标注。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，所述从所述中间结果中选出目标中间结果，包括：

从所述中间结果中选出l_c最小的中间结果；

判断所述l_c最小的中间结果的数量是否为1，若为1，则将所述l_c最小的中间结果作为所述目的中间结果，或者

若不为1，则从所述l_c最小的中间结果中选出l_c和l_s最小的中间结果，判断所述l_c和l_s最小的中间结果的数量是否为1，若为1，则将所述l_c和l_s最小的中间结果作为所述目的中间结果，或者

若所述l_c和l_s最小的中间结果的数量不为1，则判断所述l_c和l_s最小的中间结果中是否存在与历史目的压力感知结果的压力类型词相同的中间结果，若存在，则从所述l_c和l_s最小的中间结果中与历史目的压力感知结果的压力类型词相同的中间结果中选取一个中间结果作为所述目的中间结果，否则，若不存在，则从所述l_c和l_s最小的中间结果中选取一个中间结果作为所述目的中间结果。

本发明实施例中，以用户输入的会话语句—“开学以后总和朋友吵架，好烦躁！”为例对本发明所述的目的压力感知结果的获取过程进行说明。如图3的依存关系树所示，“烦躁”标注为压力情绪词，“开学”标注为学业压力类型词，“朋友”标注为人际关系中的朋友压力子类型词，“吵架”标注为人际关系压力类型词。由于存在“烦躁”这个压力情绪词，因此Stress取值为1。而分析压力类型和子类型词与压力情绪词之间的关系，可以得到两个中间结果：(1，学业：3，通用general:0)，(1,人际关系：1，朋友：3)。基于最短路径原则，可以选择(1，人际关系，朋友)作为目标压力感知结果。

然而，实际情况中用户的聊天语句都十分简短，由以上方法感知出的三维压力结果中常常会出现c.Stress＝0或c.Category＝null或c.Subcategory＝null的情况，即用户的输入语句并没有具体的描绘压力状况的情绪词或压力类型词。基于聊天过程中压力情绪的持续性，不断记录和更新用户的历史压力状态(h.Stress，h.Category，h.Subcategory)(由以前的输入语句中感知到用户压力状态结果)，并借此对当前感知的压力状态(c.Stress，c.Category，c.Subcategory)中的缺失值进行补充，具体分为如下情况：

(1)当c.Stress＝0而h.Stress＝0时，如果c.Category＝h.Category，c.Subcategory＝h.Subcategory，则令c.Stress＝1；

(2)当c.Stress＝1同时h.Stress＝1，如果c.Category＝null，c.Subcategory＝null或c.Category＝h.Category，c.Subcategory＝null，令c.Category＝h.Category，c.Subcategory＝h.Subcategory。

将最终的(c.Stress，c.Category，c.Subcategory)记录为新的历史压力状态(h.Stress，h.Category，h.Subcategory)。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，在所述从所述中间结果中选出目标中间结果之后，从所述目标中间结果中提取目的压力感知结果之前，还包括：

判断所述目标中间结果的Stress的值与历史目的压力感知结果的Stress的值是否为有压力所对应的值，若所述历史目的压力感知结果的Stress的值为有压力所对应的值，所述目标中间结果的Stress的值为无压力所对应的值，则判断所述历史目的压力感知结果的Category的值与所述目标中间结果的Category的值以及所述历史目的压力感知结果的Subcategory的值与所述目标中间结果的Subcategory的值是否相等，若相等，则将所述目标中间结果的Stress的值更新为所述历史目的压力感知结果的Stress的值，或者

若所述历史目的压力感知结果的Stress的值与所述目标中间结果的Stress的值为有压力所对应的值，则判断所述目标中间结果的Category的值与Subcategory的值是否为空值，若为空值，则将所述目标中间结果的Category的值更新为所述历史目的压力感知结果的Category的值，将所述目标中间结果的Subcategory的值更新为所述历史目的压力感知结果的Subcategory的值，否则，若所述目标中间结果的Category的值不为空值，Subcategory的值为空值，则判断所述历史目的压力感知结果的Category的值与所述目标中间结果的Category的值是否相等，若相等，则将所述目标中间结果的Subcategory的值更新为所述历史目的压力感知结果的Subcategory的值。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，所述根据所述目的压力感知结果得到目标应答语句，包括：

确定出所述第一会话语句的类型，其中，所述类型包括疑问句和非疑问句；

判断所述第一会话语句的类型是否为非疑问句以及目的压力感知结果的Stress的值是否为有压力所对应的值，若所述第一会话语句的类型为非疑问句，目的压力感知结果的Stress的值为有压力所对应的值，或者若所述第一会话语句的类型为疑问句，目的压力感知结果的Stress的值为无压力所对应的值，则查找预先建立的第一知识库，得到所述目的压力感知结果的Category的值和Subcategory的值所对应的应答语句，并将查找得到的应答语句作为所述目标应答语句，其中，所述第一知识库中保存有多条由Category的值、Subcategory的值和应答语句组成的记录，或者

若所述第一会话语句的类型为非疑问句，目的压力感知结果的Stress的值为无压力所对应的值，则从第二知识库中选取所述目标应答语句，其中，所述第二知识库中保存有多条应答语句，或者

若所述第一会话语句的类型为疑问句，目的压力感知结果的Stress的值为有压力所对应的值，则从第三知识库中获取所述目标应答语句，其中，所述第三知识库中包括多个问题语句以及相应的答案。

本发明实施例中，基于用户输入语句的类型和目标压力感知结果(c.Stress，c.Category，c.Subcategory)，本聊天工具的应答策略如图4所示。

情况一：有压力感知到(c.Stress＝1)

(1)对于陈述句和反问句，本发明会从第一知识库(可以为本地的知识库)中选择一条合适的应答返回给用户。本地知识库中存储着大量的针对不同压力类型和子类型的能够起到安慰，鼓励，或者引导用户的应答语句。

(2)对于疑问句，本聊天工具会从第三知识库(中文的最大问答社区)中搜寻一条最合适的应答语句返回给用户，其具体的工作原理如下：

令Q_u和Q_b分别为用户输入的问题语句和从第三知识库中搜索到的最相关的问题语句。当MatchDegree(Q_u,Q_b)大于一个阈值(即问题语句Q_u和最相关的问题语句Q_b的匹配度)，且该问题的答案被用户采纳或者至少有一个人赞同时，本发明会根据是否被提问者采纳以及赞同数目选取最好的答案返回给用户。否则，本发明返回到本地知识库中选择一个通用的鼓励话语或者一个笑话返回给用户。

其中MatchDegree(Q_u,Q_b)基于Q_u和Q_b的依存关系树中的有效节点对进行计算。令有效节点对为n(n₁,n₂)，n₁为依存关系树中的中心节点即根节点，n₂为与n₁节点具有直接依存关系的节点，它可以为一个动词，名词或者是形容词。假设两个有效节点对为u＝(u₁,u₂)和b＝(b₁,b₂)，则可以定义相似度sim(u,b)如下：

$sim(u,b)=sim\left(\right(u_1,u_2),(b_1,b_2\left)\right)=\left\{\begin{array}{cc}1& if(u_1==b_1,u_2==b_2)\\ 0.5& if(u_1==b_1,u_2\≠b_2)\\ 0& otherwise\end{array}\right\}.$

令E(Q_u)和E(Q_b)分别为Q_u和Q_b的依存关系树种的有效节点对集。考虑到节点的语义相似性，可以同时用每个节点中词的义原(可以从知网中文词库Hownet中获得)替换掉原始的单词以保证获得更准确的相似度。由此获得有效节点对集为E^*(Q_u)和E^*(Q_b)。由此可以定义MatchDegree(Q_u,Q_b)为：

MatchDegree(Q_u,Q_b)＝αSIM(E(Q_u),E(Q_b))+(1-α)SIM(E^*(Q_u),E^*(Q_b))， $SIM\left(E\right(Q_u),E(Q_b\left)\right)\frac{{\mathrm{\Σ}}_{u\∈E\left(Q_u\right)}{\mathrm{\Σ}}_{b\∈E\left(Q_b\right)}sim(u,b)}{Max\left\{\right|E\left(Q_u\right)|,|E\left(Q_b\right)\left|\right\}},$ $SIM\left(E^{*}\right(Q_u),E^{*}(Q_b\left)\right)=\frac{{\mathrm{\Σ}}_{u^{*}\∈E^{*}\left(Q_u\right)}{\mathrm{\Σ}}_{b^{*}\∈E^{*}\left(Q_b\right)}sim(u^{*},b^{*})}{Max\left\{\right|E^{*}\left(Q_u\right)\left)\right|,\left|E^{*}\left(Q_b\right)\right|\}}.$

情况二：没有压力感知到(c.Stress＝0)

(1)对于非疑问句，本发明将调用开源的聊天机器人simsimi的API，该API接受用户的一条聊天语句输入，返回应答语句；

(2)对于疑问句，与情况一(2)相同。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，所述从第三知识库中获取所述目标应答语句，包括：

从第三知识库中获取与所述第一会话语句最相关的问题语句，其中，所述第三知识库中还包括多个问题语句相应的答案是否被采纳的信息和相应的答案被赞同的数量信息；

计算所述第一会话语句与最相关的问题语句的匹配度，判断所述匹配度是否大于预设的数值，若大于所述数值，则判断所述最相关的问题语句的答案是否被采纳，若被采纳，则从被采纳的答案中选取赞同数量最多的被采纳的答案作为所述目标应答语句，或者，若不大于所述数值或者不被采纳，则从所述第一知识库保存的鼓励话语中随机选取一个鼓励话语作为所述目标应答语句。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，所述计算所述第一会话语句与最相关的问题语句的匹配度，包括：

对所述最相关的问题语句Q_b进行中文分词，并建立第二依存关系树；

确定出所述第一依存关系树的有效节点对u＝(u₁,u₂)和第二依存关系树的有效节点对b＝(b₁,b₂)，其中，u＝(u₁,u₂)，u₁为所述第一依存关系树的根节点，u₂为与u₁具有直接依存关系的节点，b₁为所述第二依存关系树的根节点，b₂为与b₁具有直接依存关系的节点；

计算所述第一会话语句Q_u与最相关的问题语句Q_b的匹配度，

计算公式为MatchDegree(Q_u,Q_b)＝αSIM(E(Q_u),E(Q_b))+(1-α)SIM(E^*(Q_u),E^*(Q_b))，其中，MatchDegree(Q_u,Q_b)为所述第一会话语句Q_u与最相关的问题语句Q_b的匹配度，α(α∈(0,1))为常数，E(Q_u)为所述第一依存关系树的有效节点对的集合，E(Q_b)为所述第二依存关系树的有效节点对的集合，E^*(Q_u)为将所述第一依存关系树的各个节点用其义原替代后得到的依存关系树的有效节点对的集合，E^*(Q_b)为将所述第二依存关系树的各个节点用其义原替代后得到的依存关系树的有效节点对的集合， $SIM\left(E\right(Q_u),E(Q_b\left)\right)\frac{{\mathrm{\Σ}}_{u\∈E\left(Q_u\right)}{\mathrm{\Σ}}_{b\∈E\left(Q_b\right)}sim(u,b)}{Max\left\{\right|E\left(Q_u\right)|,|E\left(Q_b\right)\left|\right\}},$ $SIM\left(E^{*}\right(Q_u),E^{*}(Q_b\left)\right)=\frac{{\mathrm{\Σ}}_{u^{*}\∈E^{*}\left(Q_u\right)}{\mathrm{\Σ}}_{b^{*}\∈E^{*}\left(Q_b\right)}sim(u^{*},b^{*})}{Max\left\{\right|E^{*}\left(Q_u\right)\left)\right|,\left|E^{*}\left(Q_b\right)\right|\}},$ u^*为E^*(Q_u)的元素，b^*为E^*(Q_b)的元素， $sim(u,b)=sim\left(\right(u_1,u_2),(b_1,b_2\left)\right)=\left\{\begin{array}{cc}1& if(u_1==b_1,u_2==b_2)\\ 0.5& if(u_1==b_1,u_2\≠b_2)\\ 0& otherwise\end{array}\right\}.$

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，在所述获取用户的第一会话语句之前，还包括：

接收用户的直接登录指令，并将第一应答语句反馈给用户，或者

接收用户的登录指令，并在用户授权连接微博时，获取用户的原创微博，根据所述原创微博判断用户是否有压力情绪，若有，则将第二应答语句反馈给用户，否则，则将第三应答语句反馈给用户。

可选地，在本发明疏导青少年心理压力的虚拟聊天方法的另一实施例中，在所述获取用户的第一会话语句之前，还包括：

在将所述第一应答语句、第二应答语句或者第三应答语句反馈给用户之后，获取用户的第二会话语句，对所述第二会话语句进行压力情绪和压力类型检测；

若所述第二会话语句中检测出压力情绪，未检测出压力类型，则对所述原创微博进行压力检测，并基于所述压力检测结果将第四应答语句反馈给用户，或者

若所述第二会话语句中检测出压力情绪和压力类型或者未检测出压力情绪，则执行步骤S1。

此外，文本情感分析是对主观性文本进行分析、归纳，获取其情绪特征的过程。通过抽取文本中的情感信息、对情感信息进行分类、分析情感词汇的描述对象来判断短语、句子甚至是整篇文章中的情感倾向。依存文法是由法国语言学L.Tesniere在其编写的《结构句法基础》中提出的。基于微博平台的情感分析工作较为成熟，现有文献(QiLi,YuanyuanXue,JiaJia,LingFeng:HelpingTeenagersRelievePsychologicalPressures:AMicro-blogBasedSystem.[C]EDBT2014:660-663；W.Che,Z.Li,Y.Li,Y.Guo,B.Qin,andT.Liu,“Multilingualdependency-basedsyntacticandsemanticparsing,”inProc.ofCoNLL,2009,pp.49–54.；[15]W.Che,Z.Li,andT.Liu,“LTP:achineselanguagetechnologyplatform,”inProc.ofColing,2010,pp.13–16.)针对青少年所发布的微博，对其中的典型心理压力进行了语义分析，基于微博特征提出青少年心理压力分析的方法，并通过PSS-14心理调查问卷对青少年心理问题进行了较为深入的调研，提出了基于微博“”方式的心理压力疏导工具。本发明对所述原创微博进行压力检测，并基于所述压力检测结果将第四应答语句反馈给用户的实施方式具体可以采用上述现有技术。

如图5所示，本实施例公开一种疏导青少年心理压力的虚拟聊天***，包括：

建立单元1，用于获取用户的第一会话语句，对所述第一会话语句进行中文分词，并建立第一依存关系树，其中，所述第一依存关系树的根节点是所述第一会话语句的中心词，各个子节点为所述进行中文分词得到的词，每一条边表示该边相应的子节点的依存关系；

计算单元2，通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果，其中，所述压力词库包括否定词以及其依存的正面情绪词、压力情绪词、压力类型词、压力类型词下的压力子类型词和属于压力子类型词所对应的压力子类型范畴的描述词，所述中间结果的格式为(Stress，Category：l_c，Subcategory：l_s)，Stress表示是否有压力，Category表示压力类型词，l_c表示压力类型词与情绪词节点之间的路径长度，Subcategory表示压力子类型词，l_s表示压力子类型词与情绪词节点之间的路径长度；

提取单元3，用于从所述中间结果中选出目标中间结果，从所述目标中间结果中提取目的压力感知结果，其中，所述目的压力感知结果的格式为(Stress，Category，Subcategory)；

获取单元4，用于根据所述目的压力感知结果得到目标应答语句，并反馈给用户。

本发明实施例所述的疏导青少年心理压力的虚拟聊天***，通过感知用户每一次会话语句所蕴含的情绪词、压力类型词和压力子类型词及其依存关系得到目的压力感知结果，并根据所述目的压力感知结果得到相应的目标应答语句，并反馈给用户，能够通过与青少年进行若干次连续的对话应答，为其提供一些积极正面的信息，引导他们以一种积极乐观的态度进行思考、面对困难，达到缓解青少年心理压力的目的。

本发明构建了一个用于检测和缓解青少年心理压力的虚拟聊天的解决方案，如图6所示。此***具体包括如下三大模块：聊天管理器、压力感知器和应答产生器。

对于聊天管理器，用户登陆***时，***将提示用户连接微博(登录界面如图7所示)。若用户没有授权微博链接，则直接进入聊天界面开始常规的聊天程序；当用户选择授权***微博连接后，网页跳转至聊天页。同时，***将访问微博相关接口，获取该用户发布的微博。在获得了用户的原创微博后，通过分析用户最近发表的原创微博是否有压力情绪，调整发送给用户的开场白语句。如果***未授权连接用户微博，或者没有从用户微博中检测到压力情绪，***将以朋友式的问候用户：“你好！”并开始常规的聊天程序。反之，如果检测到压力情绪，***将问候用户：“你好！近来过得怎么样？”或“一切安好？”。若用户回复的聊天语句检测出压力情绪但没有压力类型，***则基于微博的压力检测结果对用户进行尝试性的询问，以引导用户更具体的描述他的压力状况，之后就进入到常规的聊天程序；若用户回复的聊天语句同时检测出压力情绪和压力类型，或者并没有检测出压力情绪，则***则按常规的聊天程序对用户当前的输入语句进行应答。

对于压力感知器，为了更全面的理解用户表达的情绪和期望的回答，可以具体设计句子类型识别模块和句子内容分析模块来对用户的聊天语句进行分析。其中句子类型识别模块可以将用户的聊天语句划分为疑问句，反问句和陈述句。例如，“怎么样才能提高我的数学成绩呢？”或者“我应该怎么办呢？”等是疑问句，该用户可能期望获得一些客观的建议或鼓励的话语。而又如“难道他们不应该理解我么？”的反问句则表达了用户一种较强的情绪，他也许是期望获得安抚的回答。在此基础上，句子内容分析模块进一步分析用户输入语句的内容从而来感知用户具体的压力情况(包括压力的类型和子类型)。考虑到用户聊天过程的连续性，该模块同时记录用户历史的压力状态，并借助历史信息来获得更加准确的当前压力感知结果。

对于应答产生器，基于压力感知器分析产生的语句类型结果和压力状态结果，应答选择模块将从本地知识库、第三知识库、以及开源的聊天机器人simsimi库中选择一个合适的回答返回给用户。该模块通过与用户的交互让用户抒发内心的痛苦或者转移情感的注意力从而帮助用户疏导压力。应答管理模块主要负责创建和管理应答策略以及本地知识库。该模块从丰富的网络资源中收集了大量的具有压力疏导功能的应答语句并存储于本地知识库，从而为应答选择模块提供了丰富的应答资源。

针对本发明，进行了如下的用户实验：

从中学和大学中邀请了10个年龄介于15岁到22岁之间的学生参与到为期一个月的用户实验中。选择这10个人是因为青少年的主体都是学生而且参与实验的10个人也正遭受着或多或少的来自各个方面的压力。实验一开始，告知实验参与者本聊天工具可以帮助他们疏导心理压力，他们可以在任何时间与我们的聊天工具聊天。测试过程中，实验参与者做以下三件事情：(1)每隔一个星期填写一次压力知觉量表(CPSS-14)(压力知觉量表是心理学上广泛应用于测量人们压力级别的量表)记录他们压力变化情况。。(2)每完成一次会话过程后，针对压力疏导效果给予一个评分。(3)判断每一句的聊天语句的压力感知结果是否正确。

对于每次会话，将用户的每一条输入语句及其对应的压力感知结果返回给用户，由用户判断压力感知结果是否正确。使用准确率和召回率来评价压力感知算法的精确度。对于压力存在性的感知的查准率和查全率达到78.34％和76.12％。对于压力类型的感知，情感和人际交往类型的召回率以及其他类型的准确率较低，这是因为很多情感和人际交往类型的压力被感知为其他压力类型。另外，对于青少年中最普遍存在的学业压力，本聊天工具具有较好的感知精确度，其查准率和查全率分别达到了86.2％和75％。

针对该聊天工具压力疏导的有效性，用户在每一次会话后将针对压力疏导效果给予一个分数(1分：心情更差，2分：心情没有变化，3分：心情感到一点好转，4分：心情感到好转，5分：心情有较大的好转)。有60％以上的会话的得分都超过了2分，即60％以上的会话都能让用户心情好转。本聊天工具对学习类型的压力疏导效果较好，这是因为学习类型的压力感知结果更为准确。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种疏导青少年心理压力的虚拟聊天方法，其特征在于，包括：

S1、获取用户的第一会话语句，对所述第一会话语句进行中文分词，并建立第一依存关系树，其中，所述第一依存关系树的根节点是所述第一会话语句的中心词，各个子节点为所述进行中文分词得到的词，每一条边表示该边相应的子节点的依存关系；

S2、通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果，其中，所述压力词库包括否定词以及其依存的正面情绪词、压力情绪词、压力类型词、压力类型词下的压力子类型词和属于压力子类型词所对应的压力子类型范畴的描述词，所述中间结果的格式为(Stress，Category：l_c，Subcategory：l_s)，Stress表示是否有压力，Category表示压力类型词，l_c表示压力类型词与情绪词节点之间的路径长度，Subcategory表示压力子类型词，l_s表示压力子类型词与情绪词节点之间的路径长度；

S3、从所述中间结果中选出目标中间结果，从所述目标中间结果中提取目的压力感知结果，其中，所述目的压力感知结果的格式为(Stress，Category，Subcategory)；

S4、根据所述目的压力感知结果得到目标应答语句，并反馈给用户。

2.根据权利要求1所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，所述通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，包括：

通过查找所述压力词库判断所述各个节点中是否存在否定词以及其依存的正面情绪词或者压力情绪词，若存在，则确定Stress的值为有压力所对应的值，否则，确定Stress的值为无压力所对应的值；

对于每一个节点，通过查找所述压力词库确定出该节点所属的压力类型词Category和压力子类型词Subcategory；

根据所述Stress的值、所述各个节点所属的压力类型词Category和压力子类型词Subcategory得到(Stress，Category，Subcategory)格式的值，并利用得到的所述(Stress，Category，Subcategory)格式的值对所述各个节点进行标注。

3.根据权利要求1所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，所述从所述中间结果中选出目标中间结果，包括：

从所述中间结果中选出l_c最小的中间结果；

判断所述l_c最小的中间结果的数量是否为1，若为1，则将所述l_c最小的中间结果作为所述目的中间结果，或者

若不为1，则从所述l_c最小的中间结果中选出l_c和l_s最小的中间结果，判断所述l_c和l_s最小的中间结果的数量是否为1，若为1，则将所述l_c和l_s最小的中间结果作为所述目的中间结果，或者

若所述l_c和l_s最小的中间结果的数量不为1，则判断所述l_c和l_s最小的中间结果中是否存在与历史目的压力感知结果的压力类型词相同的中间结果，若存在，则从所述l_c和l_s最小的中间结果中与历史目的压力感知结果的压力类型词相同的中间结果中选取一个中间结果作为所述目的中间结果，否则，若不存在，则从所述l_c和l_s最小的中间结果中选取一个中间结果作为所述目的中间结果。

4.根据权利要求1所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，在所述从所述中间结果中选出目标中间结果之后，从所述目标中间结果中提取目的压力感知结果之前，还包括：

判断所述目标中间结果的Stress的值与历史目的压力感知结果的Stress的值是否为有压力所对应的值，若所述历史目的压力感知结果的Stress的值为有压力所对应的值，所述目标中间结果的Stress的值为无压力所对应的值，则判断所述历史目的压力感知结果的Category的值与所述目标中间结果的Category的值以及所述历史目的压力感知结果的Subcategory的值与所述目标中间结果的Subcategory的值是否相等，若相等，则将所述目标中间结果的Stress的值更新为所述历史目的压力感知结果的Stress的值，或者

若所述历史目的压力感知结果的Stress的值与所述目标中间结果的Stress的值为有压力所对应的值，则判断所述目标中间结果的Category的值与Subcategory的值是否为空值，若为空值，则将所述目标中间结果的Category的值更新为所述历史目的压力感知结果的Category的值，将所述目标中间结果的Subcategory的值更新为所述历史目的压力感知结果的Subcategory的值，否则，若所述目标中间结果的Category的值不为空值，Subcategory的值为空值，则判断所述历史目的压力感知结果的Category的值与所述目标中间结果的Category的值是否相等，若相等，则将所述目标中间结果的Subcategory的值更新为所述历史目的压力感知结果的Subcategory的值。

5.根据权利要求1所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，所述根据所述目的压力感知结果得到目标应答语句，包括：

确定出所述第一会话语句的类型，其中，所述类型包括疑问句和非疑问句；

判断所述第一会话语句的类型是否为非疑问句以及目的压力感知结果的Stress的值是否为有压力所对应的值，若所述第一会话语句的类型为非疑问句，目的压力感知结果的Stress的值为有压力所对应的值，或者若所述第一会话语句的类型为疑问句，目的压力感知结果的Stress的值为无压力所对应的值，则查找预先建立的第一知识库，得到所述目的压力感知结果的Category的值和Subcategory的值所对应的应答语句，并将查找得到的应答语句作为所述目标应答语句，其中，所述第一知识库中保存有多条由Category的值、Subcategory的值和应答语句组成的记录，或者

若所述第一会话语句的类型为非疑问句，目的压力感知结果的Stress的值为无压力所对应的值，则从第二知识库中选取所述目标应答语句，其中，所述第二知识库中保存有多条应答语句，或者

若所述第一会话语句的类型为疑问句，目的压力感知结果的Stress的值为有压力所对应的值，则从第三知识库中获取所述目标应答语句，其中，所述第三知识库中包括多个问题语句以及相应的答案。

6.根据权利要求5所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，所述从第三知识库中获取所述目标应答语句，包括：

从第三知识库中获取与所述第一会话语句最相关的问题语句，其中，所述第三知识库中还包括多个问题语句相应的答案是否被采纳的信息和相应的答案被赞同的数量信息；

计算所述第一会话语句与最相关的问题语句的匹配度，判断所述匹配度是否大于预设的数值，若大于所述数值，则判断所述最相关的问题语句的答案是否被采纳，若被采纳，则从被采纳的答案中选取赞同数量最多的被采纳的答案作为所述目标应答语句，或者，若不大于所述数值或者不被采纳，则从所述第一知识库保存的鼓励话语中随机选取一个鼓励话语作为所述目标应答语句。

7.根据权利要求6所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，所述计算所述第一会话语句与最相关的问题语句的匹配度，包括：

对所述最相关的问题语句Q_b进行中文分词，并建立第二依存关系树；

确定出所述第一依存关系树的有效节点对u＝(u₁,u₂)和第二依存关系树的有效节点对b＝(b₁,b₂)，其中，u＝(u₁,u₂)，u₁为所述第一依存关系树的根节点，u₂为与u₁具有直接依存关系的节点，b₁为所述第二依存关系树的根节点，b₂为与b₁具有直接依存关系的节点；

计算所述第一会话语句Q_u与最相关的问题语句Q_b的匹配度，

计算公式为MatchDegree(Q_u,Q_b)＝αSIM(E(Q_u),E(Q_b))+(1-α)SIM(E^*(Q_u),E^*(Q_b))，其中，MatchDegree(Q_u,Q_b)为所述第一会话语句Q_u与最相关的问题语句Q_b的匹配度，α(α∈(0,1))为常数，E(Q_u)为所述第一依存关系树的有效节点对的集合，E(Q_b)为所述第二依存关系树的有效节点对的集合，E^*(Q_u)为将所述第一依存关系树的各个节点用其义原替代后得到的依存关系树的有效节点对的集合，E^*(Q_b)为将所述第二依存关系树的各个节点用其义原替代后得到的依存关系树的有效节点对的集合， $SIM\left(E\right(Q_u),E(Q_b\left)\right)\frac{{\mathrm{\Σ}}_{u\∈E\left(Q_u\right)}{\mathrm{\Σ}}_{b\∈E\left(Q_b\right)}sim(u,b)}{Max\left\{\right|E\left(Q_u\right)|,|E\left(Q_b\right)\left|\right\}},$ $SIM\left(E^{*}\right(Q_u),E^{*}(Q_b\left)\right)\frac{{\mathrm{\Σ}}_{u^{*}\∈E^{*}\left(Q_u\right)}{\mathrm{\Σ}}_{b^{*}\∈E^{*}\left(Q_b\right)}sim(u^{*},b^{*})}{Max\left\{\right|E^{*}\left(Q_u\right)|,|E^{*}\left(Q_b\right)\left|\right\}},$ u^*为E^*(Q_u)的元素，b^*为E^*(Q_b)的元素， $sim(u,b)=sim\left(\right(u_1,u_2),(b_1,b_2\left)\right)=\left\{\begin{array}{cc}1& if(u_1==b_1,u_2==b_2)\\ 0.5& if(u_1==b_1,u_2\≠b_2)\\ 0& otherwise\end{array}\right\}.$

8.根据权利要求1所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，在所述获取用户的第一会话语句之前，还包括：

接收用户的直接登录指令，并将第一应答语句反馈给用户，或者

接收用户的登录指令，并在用户授权连接微博时，获取用户的原创微博，根据所述原创微博判断用户是否有压力情绪，若有，则将第二应答语句反馈给用户，否则，则将第三应答语句反馈给用户。

9.根据权利要求8所述的疏导青少年心理压力的虚拟聊天方法，其特征在于，在所述获取用户的第一会话语句之前，还包括：

在将所述第一应答语句、第二应答语句或者第三应答语句反馈给用户之后，获取用户的第二会话语句，对所述第二会话语句进行压力情绪和压力类型检测；

若所述第二会话语句中检测出压力情绪，未检测出压力类型，则对所述原创微博进行压力检测，并基于所述压力检测结果将第四应答语句反馈给用户，或者

若所述第二会话语句中检测出压力情绪和压力类型或者未检测出压力情绪，则执行步骤S1。

10.一种疏导青少年心理压力的虚拟聊天装置，其特征在于，包括：

建立单元，用于获取用户的第一会话语句，对所述第一会话语句进行中文分词，并建立第一依存关系树，其中，所述第一依存关系树的根节点是所述第一会话语句的中心词，各个子节点为所述进行中文分词得到的词，每一条边表示该边相应的子节点的依存关系；

计算单元，通过预先建立的压力词库对所述第一依存关系树的各个节点进行标注，并计算标注后的压力类型节点与情绪词节点之间的路径长度以及压力子类型节点与情绪词节点之间的路径长度得到中间结果，其中，所述压力词库包括否定词以及其依存的正面情绪词、压力情绪词、压力类型词、压力类型词下的压力子类型词和属于压力子类型词所对应的压力子类型范畴的描述词，所述中间结果的格式为(Stress，Category：l_c，Subcategory：l_s)，Stress表示是否有压力，Category表示压力类型词，l_c表示压力类型词与情绪词节点之间的路径长度，Subcategory表示压力子类型词，l_s表示压力子类型词与情绪词节点之间的路径长度；

提取单元，用于从所述中间结果中选出目标中间结果，从所述目标中间结果中提取目的压力感知结果，其中，所述目的压力感知结果的格式为(Stress，Category，Subcategory)；

获取单元，用于根据所述目的压力感知结果得到目标应答语句，并反馈给用户。