1.一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：提出融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成模型，該模型包括話語(yǔ)編碼、融合知識(shí)的對(duì)話語(yǔ)境圖、知識(shí)增強(qiáng)的kdcg網(wǎng)絡(luò)、情緒分類、情緒原因識(shí)別以及回復(fù)生成六個(gè)模塊；具體方法為：
2.根據(jù)權(quán)利要求1所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟1中的預(yù)處理具體如下：
3.根據(jù)權(quán)利要求1所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟2中，兩種嵌入方式的計(jì)算公式分別如下：
4.根據(jù)權(quán)利要求1所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟3中，從外部知識(shí)庫(kù)中獲取與對(duì)話內(nèi)容相關(guān)的知識(shí)具體方法如下：
5.根據(jù)權(quán)利要求4所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟4的具體方法為：
6.根據(jù)權(quán)利要求5所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟5中，話語(yǔ)節(jié)點(diǎn)集合v中的每個(gè)節(jié)點(diǎn)vi包括一個(gè)屬性e，用于存儲(chǔ)該話語(yǔ)表示；
7.根據(jù)權(quán)利要求6所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟6的具體方法為：
8.根據(jù)權(quán)利要求7所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟8中，對(duì)于已標(biāo)記的數(shù)據(jù)，通過(guò)transformer編碼器獲得輸入序列x的上下文編碼表示h，并通過(guò)前饋神經(jīng)網(wǎng)絡(luò)獲得整個(gè)輸入序列的情緒原因預(yù)測(cè)概率分布計(jì)算過(guò)程如公式(20)至公式(22)所示；
9.根據(jù)權(quán)利要求8所述的一種融合知識(shí)和情緒原因語(yǔ)境圖的共情對(duì)話生成方法，其特征在于：所述步驟9中，為了提高gpt-2模型在生成回復(fù)時(shí)對(duì)情緒原因因素的關(guān)注程度，在微調(diào)階段引入基于情緒原因的偏置自注意力機(jī)制，即在現(xiàn)有的gpt-2架構(gòu)上引入基于情緒原因的乘法信號(hào)，而不增加任何額外的參數(shù)；根據(jù)深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程具有的層次性特點(diǎn)，設(shè)計(jì)一種動(dòng)態(tài)的調(diào)整權(quán)重策略：在模型的前幾層，情緒原因因素的權(quán)重低，以確保句子結(jié)構(gòu)的合理性；隨著層數(shù)的增加，情緒原因因素的權(quán)重逐漸提升，以確保模型在生成回復(fù)時(shí)能綜合考慮情緒因素；計(jì)算過(guò)程如公式(29)至公式(31)所示；