本發(fā)明涉及數(shù)字人交互，具體是涉及一種交互式數(shù)字人驅(qū)動(dòng)方法。

背景技術(shù)：

1、數(shù)字人交互指的是通過(guò)數(shù)字化的方式與虛擬或人工智能驅(qū)動(dòng)的角色進(jìn)行互動(dòng)，這些數(shù)字人通常是通過(guò)虛擬形象、3d模型、語(yǔ)音助手或聊天機(jī)器人等形式存在，可以模擬人類的對(duì)話和行為，人機(jī)交互技術(shù)是指通過(guò)計(jì)算機(jī)輸入、輸出設(shè)備，以有效的方式實(shí)現(xiàn)人與計(jì)算機(jī)對(duì)話的技術(shù)，人機(jī)交互技術(shù)包括機(jī)器通過(guò)輸出或顯示設(shè)備給人提供大量有關(guān)信息及提示請(qǐng)示等，人通過(guò)輸入設(shè)備給機(jī)器輸入有關(guān)信息，回答問(wèn)題及提示請(qǐng)示等，人機(jī)交互技術(shù)是計(jì)算機(jī)用戶界面設(shè)計(jì)中的重要內(nèi)容之一，人機(jī)交互技術(shù)是指通過(guò)計(jì)算機(jī)輸入、輸出設(shè)備，以有效的方式實(shí)現(xiàn)人與計(jì)算機(jī)對(duì)話的技術(shù)，人機(jī)交互技術(shù)包括機(jī)器通過(guò)輸出或顯示設(shè)備給人提供大量有關(guān)信息及提示請(qǐng)示等，人通過(guò)輸入設(shè)備給機(jī)器輸入有關(guān)信息，回答問(wèn)題及提示請(qǐng)示等，人機(jī)交互技術(shù)是計(jì)算機(jī)用戶界面設(shè)計(jì)中的重要內(nèi)容之一，隨著社會(huì)的發(fā)展，數(shù)字人的需求越來(lái)越大。

2、現(xiàn)有的數(shù)字人在進(jìn)行交互時(shí)，綜合性不強(qiáng)，不能根據(jù)多方面的因素進(jìn)行預(yù)測(cè)推薦，從而使數(shù)字人的推薦效率不高。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，提供一種交互式數(shù)字人驅(qū)動(dòng)方法，本技術(shù)方案解決了上述的問(wèn)題。

2、為達(dá)到以上目的，本發(fā)明采用的技術(shù)方案為：

3、一種交互式數(shù)字人驅(qū)動(dòng)方法，包括：

4、s1：系統(tǒng)捕捉并記錄用戶通過(guò)語(yǔ)音、文字與觸屏指令的輸入方式與數(shù)字人互動(dòng)，對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理；

5、s2：利用自然語(yǔ)言處理技術(shù)識(shí)別用戶的意圖和情感，確定用戶的需求；

6、s3：根據(jù)識(shí)別的意圖和上下文，生成響應(yīng)，判斷用戶的需求和情感狀態(tài)；

7、s4：生成響應(yīng)內(nèi)容，將生成的響應(yīng)反饋給用戶，展示在界面上；

8、s5：更新對(duì)話狀態(tài)和上下文。

9、優(yōu)選地，s1具體包括：

10、接收用戶的語(yǔ)音、文字與觸屏輸入；

11、使用傳感器和攝像頭結(jié)合輸入方式，使用加權(quán)平均將手勢(shì)識(shí)別與觸屏輸入結(jié)合；

12、結(jié)合公式為：f總＝αf1+(1-α)f2

13、其中，f總為觸摸輸入和手勢(shì)識(shí)別數(shù)據(jù)的綜合結(jié)果，α為融合權(quán)重，1-α為手勢(shì)特征在融合中的權(quán)重，f1為觸摸輸入特征，f2為手勢(shì)特征；

14、對(duì)輸入數(shù)據(jù)進(jìn)行清洗和轉(zhuǎn)換；

15、使用自然語(yǔ)言技術(shù)自動(dòng)糾正用戶輸入中的拼寫(xiě)錯(cuò)誤和語(yǔ)法錯(cuò)誤；

16、使用高級(jí)數(shù)據(jù)索引和存儲(chǔ)技術(shù)，將處理后的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中。

17、優(yōu)選地，s2具體包括：

18、從文本中提取有助于理解意圖的特征，包括關(guān)鍵詞、短語(yǔ)與上下文信息；

19、基于意圖的特征，使用分類算法進(jìn)行意圖分類；

20、從文本中提取情感相關(guān)的特征，包括情感詞匯與情感強(qiáng)度；

21、基于情感特性，使用情感分析模型來(lái)判斷文本的情感傾向，所述情感傾向包括積極、消極與中立；

22、情感分析模型公式為：

23、式中，t為待分析的文本數(shù)據(jù)，s(t)為文本t的最終情感分類結(jié)果，p為確定文本被分類為積極情感的閾值，n為確定文本被分類為消極情感的閾值；

24、基于情感分析模型，識(shí)別的意圖和情感，推斷用戶的具體需求。

25、優(yōu)選地，基于意圖的特征，使用分類算法進(jìn)行意圖分類包括：

26、基于意圖的特征，建立分類模型；

27、分類模型表達(dá)式為：

28、式中，w為權(quán)重向量，x為特征向量，wtx為權(quán)重向量和特征向量的點(diǎn)積，b為偏置項(xiàng)，z為線性組合的結(jié)果，為預(yù)測(cè)的概率值，e為自然對(duì)數(shù)，樣本屬于類別1的概率，e為自然對(duì)數(shù)，σ(z)為邏輯函數(shù)，p(y＝1x)表示給定特征x的情況下，樣本屬于類別1的概率；

29、基于模型的輸出結(jié)果，進(jìn)行分類。

30、優(yōu)選地，s3具體包括：

31、獲取用戶之前的對(duì)話記錄；

32、基于用戶的個(gè)人信息的背景數(shù)據(jù)進(jìn)行分析；

33、基于計(jì)算出的情感分析結(jié)果和分類結(jié)果，以及數(shù)據(jù)分析結(jié)果，識(shí)別的意圖和情感，推斷用戶的具體需求；

34、基于用戶的具體需求，判斷用戶需求的緊急程度和優(yōu)先級(jí)；

35、基于用戶的具體需求與優(yōu)先級(jí)選擇響應(yīng)模板；

36、根據(jù)上下文信息調(diào)整響應(yīng)內(nèi)容，確保個(gè)性化和相關(guān)性；

37、使用自然語(yǔ)言生成技術(shù)生成自然且符合上下文的響應(yīng)；

38、基于用戶的情感狀態(tài)調(diào)整響應(yīng)的語(yǔ)氣，包括對(duì)于負(fù)面情緒的用戶，使用安撫和理解的語(yǔ)氣，對(duì)于積極情緒的用戶，使用鼓勵(lì)和積極的語(yǔ)氣；

39、提供情感支持，所述感支持包括道歉、感謝與安撫；

40、建立用戶反饋測(cè)試來(lái)評(píng)估響應(yīng)的效果。

41、優(yōu)選地，基于用戶的個(gè)人信息的背景數(shù)據(jù)進(jìn)行分析包括：

42、基于用戶的歷史使用數(shù)據(jù)，對(duì)用戶的行為進(jìn)行預(yù)測(cè)評(píng)分；

43、預(yù)測(cè)評(píng)分公式為：

44、

45、其中，為預(yù)測(cè)評(píng)分，α和β分別為c與b的權(quán)重系數(shù)，c為協(xié)同過(guò)濾方法的預(yù)測(cè)評(píng)分，b為基于內(nèi)容的方法的預(yù)測(cè)評(píng)分；

46、基于預(yù)測(cè)評(píng)分，判斷用戶的下一步的操作。

47、優(yōu)選地，s4具體包括：

48、使用模型生成響應(yīng)內(nèi)容；

49、將生成的響應(yīng)內(nèi)容格式化為合適html的數(shù)據(jù)結(jié)構(gòu)；

50、將動(dòng)態(tài)數(shù)據(jù)嵌入響應(yīng)中；

51、將格式化后的響應(yīng)通過(guò)api傳輸?shù)角岸藨?yīng)用；

52、前端接收響應(yīng)并在用戶界面上渲染內(nèi)容。

53、優(yōu)選地，前端接收響應(yīng)并在用戶界面上渲染內(nèi)容包括：

54、根據(jù)響應(yīng)內(nèi)容選擇前端組件與元素，包括文本框、對(duì)話框、列表與表單；將處理后的數(shù)據(jù)傳遞給前端組件，進(jìn)行渲染，包括：

55、將文本內(nèi)容插入到適當(dāng)?shù)膆tml元素中；

56、設(shè)置圖像的src屬性，顯示圖片；

57、更新動(dòng)態(tài)數(shù)據(jù)，應(yīng)用動(dòng)畫(huà)與動(dòng)態(tài)效果；

58、綁定用戶交互事件到相應(yīng)的前端組件，響應(yīng)用戶操作。

59、優(yōu)選地，s5具體包括：

60、捕獲用戶的新消息與指令；

61、分析用戶的輸入，識(shí)別關(guān)鍵信息和意圖；

62、將用戶輸入和相關(guān)數(shù)據(jù)存儲(chǔ)到當(dāng)前對(duì)話狀態(tài)中；

63、記錄用戶的行為、上下文信息和系統(tǒng)的響應(yīng)；

64、根據(jù)輸入調(diào)整上下文，包括添加或修改會(huì)話歷史與用戶偏好；

65、將更新后的對(duì)話狀態(tài)和上下文信息保存到數(shù)據(jù)庫(kù)或內(nèi)存中；

66、使用更新后的上下文生成適當(dāng)?shù)捻憫?yīng)內(nèi)容。

67、優(yōu)選地，使用更新后的上下文生成適當(dāng)?shù)捻憫?yīng)內(nèi)容包括：

68、獲取更新后的上下文；

69、從對(duì)話狀態(tài)中提取最新的上下文信息，包括用戶的先前消息、情感狀態(tài)、意圖和分類結(jié)果；

70、將生成的內(nèi)容進(jìn)行格式，包括分段、列點(diǎn)、與使用的視覺(jué)元素；

71、進(jìn)行語(yǔ)法檢查和語(yǔ)言優(yōu)化；

72、將格式化后的響應(yīng)通過(guò)api或直接傳輸?shù)角岸藨?yīng)用；

73、在用戶界面上展示生成的響應(yīng)內(nèi)容；

74、記錄生成的響應(yīng)和用戶的反饋；

75、收集用戶的反饋。

76、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

77、本發(fā)明提出綜合情感分析，基于意圖的特征，建立分類模型與對(duì)用戶的行為進(jìn)行預(yù)測(cè)評(píng)分，能對(duì)用戶的下一步操作進(jìn)行精準(zhǔn)預(yù)測(cè)，從而提高了數(shù)字人在使用過(guò)程中的智能性，使數(shù)字人的推薦效率更高。