孙 鹏，彭敦陆

(上海理工大学 光电信息与计算机工程学院，上海 200093)

1 引 言

开发具有情商的聊天机器人一直是人工智能的一个长期目标[1].近十年来，情感识别领域致力于理解情绪的声学表现，并追求对语音内容更稳健的识别[2].然而，随着此类系统在移动设备上的普及，尤其是微信语音等实时对话软件的普遍应用，用户对此类系统的期望值也有所提高.一个重要的表征就是，人们期待机器能够理解对话中所携带的情感和意图，并能够以一定的同理心做出回应，从而可以改善整个人机交互体验.

然而，想要跟踪对话中的情感动态是一项较大的挑战.因为对话人之间的情感是会被互相影响的，两者之间存在复杂的依赖关系.根据Morris和Keltner的研究表明，对话中的情感动态变化主要由两个因素影响：自我依赖和他人依赖[3].自我依赖也被称作情感惯性，指的是对话过程中自身对自身造成的情感影响.他人依赖则指的是其他人的情感状态也会引起自身的情感状态变化.因此，在对话过程中对话双方更倾向于考虑对方的情感表达从而建立更融洽的对话情境.图1中来自数据集的一段对话很好的印证了自我依赖和他人依赖对情感动态的影响.然而现有的大多数对话系统只考虑到了自身依赖.例如Berter提出的根据当前的会话推断情绪的上下文无关系统.Poria提出的利用长短时记忆网络(LSTM)对上下文语境进行建模等[4].

图1 Pa最终的情感受到了Pb的……