1.專業團隊編寫：中文自然語言處理團隊原創研究成果總結；2.聚焦人工智能前沿：疊加“情感計算”和“人機交互”兩大熱點話題；3.實用的學科交叉：除了計算機科學，書中還將介紹心理學、管理學、傳播學等如何影響對話；4.有趣的應用：書中實踐環節將帶領讀者搭建一個智商、情商俱佳的聊天機器人。

●第1章 緒論
1.1 對話機器人的“智商"與“情商
1.2 情感對話機器人的任務體繫
1.3 情感對話機器人的相關技術
1.3.1 深度學習技術
1.3.2 文本情感計算技術
1.3.3 人機對話技術
1.3.4 多模態學習技術
1.4 情感對話機器人的技術難點
1.5 本章小結
第2章 文本語義表示基礎
2.1 引言
2.2 詞的表示
2.2.1 詞的獨熱表示
2.2.2 詞的嵌入表示
2.2.3 分詞
2.3 文本的詞袋表示
2.4 面向文本表示的深度學習模型
2.4.1 感知器模型
2.4.2 卷積神經網絡模型
2.4.3 循環神經網絡模型
2.4.4 自注意力模型
2.5 詞嵌入表示的學習
2.5.1 靜態詞嵌入表示的學習
2.5.2 動態詞嵌入表示的學習
2.6 本章小結
第3章 對話情感識別
3.1 對話情感識別的任務定義與任務分析
3.2 粗粒度情感分類技術
3.2.1 情感分類的定義
3.2.2 不同粒度的情感分類
3.2.3 面向領域遷移的情感分類
3.2.4 面向語言遷移的情感分類
3.2.5 情緒分類
3.3 細粒度情感分類技術
3.3.1 評價對像抽取
3.3.2 對像級情感分類
3.3.3 細粒度情感分類中的聯合模型
3.3.4 立場檢測
3.3.5 細粒度情感分類小結
3.4 對話情感識別技術
3.4.1 基於上下文內容的對話情感識別
3.4.2 基於上下文情感的對話情感識別
3.4.3 基於說話者建模的對話情感識別
3.4.4 多方對話場景下的情感識別
3.4.5 其他方法
3.5 本章小結
參考文獻
第4章 對話情感管理
4.1 對話情感管理的任務定義與任務分析
4.2 對話情感管理技術
4.2.1 對話情感預測
4.2.2 對話情感原因發現
4.3 對話共情技術
4.4 抑郁癥檢測技術
4.5 本章小結
參考文獻
第5章 對話情感回復生成
5.1 對話情感回復生成任務定義
5.2 對話情感回復生成任務分析
5.3 文本生成技術
5.3.1 語言生成算法
5.3.2 對話生成算法
5.3.3 文本摘要算法
5.4 對話情感回復生成技術
5.4.1 生成式情感回復生成算法
5.4.2 檢索式情感回復生成算法
5.5 本章小結
參考文獻
第6章 多模態情感對話機器人
6.1 多模態情感計算的研究背景與意義
6.2 多模態情感對話的任務定義與任務分析
6.3 多模態情感計算基礎
6.3.1 多模態語義表示
6.3.2 多模態語義融合
6.4 多模態情感對話的關鍵技術
6.4.1 多模態情感分類
6.4.2 多模態情感消歧
6.4.3 多模態細粒度情感計算
6.5 多模態情感計算的未來模式
6.5.1 多模態情感計算的現狀與思考
6.5.2 多模態情感計算的研究框架
6.5.3 多模態細粒度情感計算的研究方案設計
6.5.4 多模態細粒度情感計算的特色
6.6 未來模式對多模態情感對話機器人的影響
6.7 本章小結
參考文獻
第7章 情感對話機器人的語料資源
7.1 單模態數據集
7.1.1 日常對話數據集
7.1.2 影視劇對話數據集
7.1.3 社交媒體回復數據集
7.2 多模態數據集
7.2.1 多模態影視劇對話數據集
7.2.2 多模態觀點數據集
7.2.3 多模態人機交互數據集
7.2.4 多模態行業對話數據集
7.3 本章小結
參考文獻

隨著人工智能技術的不斷發展，自然語言理解、自然語言生成與深度學習技術的密切配合使對話機器人的“智商”得到了顯著提升。然而，擁有了“智商”的對話機器人有時仍然無法滿足人類的需求。人們期待對話機器人能夠脫掉冷冰冰的外殼，像人類一樣具有觀察、理解和表達各種情感的能力，即具有“情商”。 本書著眼於提高對話機器人的“情商”，結合人機對話的特點，詳細介紹了構建情感對話機器人的各項前沿熱點技術，包括對話場景下的情感識別、情感管理、情感回復生成等。這些技術能夠完善對話機器人的“智商”與“情商”，使其與用戶進行更人性化的交流。此外，本書還介紹了目前非常熱門的多模態場景下情感對話機器人的相關技術，以及情感對話機器人的相關語料資源。 本書具有一定的技術深度，既適合情感計算、對話繫統研究領域的科研工作者閱讀，也適合對人工智能感興趣的本科生和研究生閱讀。

趙妍妍,秦兵,劉挺 著