人工智能聊天机器人系统架构设计

胡昌龙 冯橙橙 王舒帆

摘 要：当今社会快速发展，人们承受着多方压力，如何解决人们由此产生的诸多心理问题是社会各界一直以来不断探索的课题。基于近年来人工智能的飞速发展，本课题研究针对心理咨询需求，借助AI技术构建聊天机器人模型，使用智能对话技术实现人机交互，并使用百度UNIT技术，结合大数据分析和知识图谱技术不断提高智能聊天机器人的性能。构建一套完整的能够在心理学领域提供人工智能帮助的解决方案，系统能够实现与用户之间的交互式智能对话，通过智能对话、语音识别分析，进行心理情况分析，推荐相关心理自我测评以及治疗等功能。

关键词：心理咨询;人工智能;聊天机器人;智能对话;语音识别;知识图谱

1.背景

在国内，虽然我国的心理测评起步较晚，但随着科技的快速发展，我国心理测评的理论和技术已经从传统的线下测评发展到了使用互联网技术，即使用线上的APP来服务用户的模式。聊天机器人是在开放域对话中，根据提问者的问题给出合适回复的程序，应用场景的丰富性和信息交互的有效性将使得聊天机器人在心理学领域的应用在未来的生活中越来越普遍，因此对于心理资讯聊天机器人相关技术的研究是有极大的经济价值和社会价值的。将聊天机器人与心理测评结合的新模式出现和发展必将带动很多相应技术的快速发展。

所以本文针对以上问题，设计了基于人工智能聊天机器人的心理咨询数据的采集处理，借助智能对话和语音识别技术分析用户心理情况推送相关心理建议的方案。

2.方案介绍

2.1技术框架

人工智能心理咨询聊天机器人是一个集采集数据，智能对话，百度UNIT技术，大数据分析于一体的解决方案。主要包括：语音识别，语音合成，语义分析处理，知识图谱，大数据分析。

语音识别模块。语音识别模型是神经网络端到端模型，主要是通过编码器将输入的用户音频，按照序列压缩为低维的向量表示，再通过解码器将低维向量表示展开为文本符号序列。即将用户的语音信息转换为文本信息。

语音合成模块。将输入文本序列转换为相应的音频波形。采用参数合成方法和拼接合成方法生成语音波形，在此采用多层双向循环神经网络，使得信息连词成句，在句子层面更有效地学习韵律模型，将我们所想提供给用户的信息，转换为更加真实的语音输出。

语音分析模块。采用基于统一特征框架的可定制的联合词法分析模型。首先基于联合序列标注模型进行词语切分、词性标注和粗粒度实体识别，然后利用来自大数据的统计特征进行细粒度实体识别，使得整个分析系统更简洁、高效。

语义表示和匹配模块。采用基于深度学习技术的语义表示方法，将文本单位和数据对象均表示为特定维度的向量，通过对向量在语义空间中的距离测度实现语义匹配。基于深层交互的文本匹配模型强调待匹配两端更充分的交互以及基于交互基础上的全方位匹配。该模型首先为文本中每个词语获得能够表达一定的全局信息的表示，然后对两段文本以词语为单位进行交互以构建两段文本之间的匹配矩阵。基于此信息使用卷积操作来提取更高层级的匹配特征，最后得出匹配得分。进行对用户的聊天信息语义分析匹配。

語义理解模块。采用基于给定知识图谱的深度语义解析技术，实现对复杂开放文本语义的深度理解，包括标注、知识推理、计算等。在心理咨询聊天机器人的对话系统中。首先对应主动对话场景，借助知识图谱中有关心理知识的联系，通过心理咨询的相关推荐等策略实现对话过程的主动引导。然后是对应问答型对话系统，在此将知识图谱视为答案信息来源，通过对话理解将用户问题转化为对知识图谱的查询，得到用户关心问题的答案。

大数据分析模块。收集综合用户的海量聊天数据，利用大数据分析算法进行数据处理和数据集成。并将分析处理后的数据形成知识图谱，用于优化智能机器人服务性能并进行个性化解决方案推荐，便于通过用户易于接受的方式，对其负面情绪进行缓解。

2.2方案流程

人工智能心理咨询聊天机器人需要对用户在APP的浏览信息，聊天数据进行采集，进行智能对话，并对其心理测评结果进行联合分析，给用户提供解决方案。使用人工智能对话能有效提高获取信息效率，同时计算机不仅能对用户信息进行存储，进行更加深层次的数据挖掘，选择最优的解决方案提供给用户，并根据用户个人偏好，提供个性化的备选方案。

本方案最大的特点就是对用户隐私数据进行严格的保密，使用语音语义分析处理技术，实现良好的人机交互，进行智能对话，结合大数据分析，解决用户的心理咨询问题。

本方案的实现主要分为以下三个阶段：

首先，信息的采集。聊天机器人利用语音识别，将其转换为文本获取用户聊天信息。在此，考虑到消除周围杂音，采用远场识别技术，提高语音识别准确度，同时在训练数据库中，加入大量方言数据，形成方言词典，以便拉近与用户的关系。同时通过SDK或者服务端采集到的用户行为，都是以独立用户进行跟踪，心理咨询聊天机器人会展现每一个用户的访问历史和行为历史，获取用户行为数据。将以上用户数据信息进行综合整理，为下一步的数据分析做基础。

第二步，数据分析，进行智能型对话。使用到百度UNIT技术，通过Taskflow进行对话数据流管理。标注对话数据，细致标注对话系统的内容，让构建的聊天机器人学到更多的对话知识，提高对话的精准度和契合度。基于DNN的语义相似度匹配策略，以及融合字面和DNN等多维度特征的相似度匹配策略进行语义索引和匹配，可在UNIT进行对话训练与验证。对于搭建好的对话系统把场景配置、对话样本、对话模板等在系统里训练生成模型。然后把模型放到沙盒里，与自己的定制系统进行对话测试。自动地训练需求理解模型。此外，在UNIT中还可进行知识接入，集成心理咨询知识库，提高对话的心理专业水平。

最后，语音合成形成关键词图谱。统计聊天中的词语频率，加上大数据技术，分析用户喜好，形成用户画像，推送对用户进行相关的心理知识内容推荐，实现心理咨询知识的精准高效发送，提高用户使用效率，满足用户的个性化心理需求。

3.总结

借助当前快速发展的人工智能技术，为解决人们的心理状况问题提供助力。本方案利用AI人工智能，语音处理，数据存储分析等技术，将人工智能和心理咨询结合起来，为用户提供心理测评和心理治疗服务，使得人工智能成为心理咨询与诊疗的一个辅助技术。尽管目前人工智能技术并没有在心理学领域大规模应用，但随着AI技术和智能对话技术的发展，聊天机器人能够更加人性化，并且缓解心理疾病患者因治疗费用高昂和病耻感拒绝治疗的现状，能够在当前我国心理咨询师缺乏的情况下，为心理学领域的发展提供强有力的支持。

参考文献：

[1] 廖卫华，彭小孟.人工智能在线心理咨询方式的研究[J].赣南师范学院学报，2005（03）：66-68.

[2] 李建坤.面向学生的智能聊天机器人[J].电子制作，2019（16）：37-40.

[3] 董昊.聊天机器人信息推送机制研究[J].中国新，2018，20（18）：146-147.

[4] 张林.虚拟环境下的智能语音聊天机器人设计[J].计算机与数字工程2019，47（10）：2617-2621+2644.

[5] 李翠、罗小妮. 基于语音识别技术的智能对话机器人的设计[J]. 济南职业学院学报. 2015 年第 1 期（总第 108 期）

作者简介：

胡昌龙，男，汉。湖北武汉，1977年2月，硕士，讲师，大数据管理与应用

冯橙橙，女，汉。湖北孝感，1999年5月，本科，学生，信息管理与信息系统

项目编号：201810500043

项目名称：人工智能聊天机器人