基于逻辑推理和多任务融合的认知刺激对话生成

蒋玉茹; 李梦媛; 陶宇阳; 区可明; 佘泽鹏; 施水才

doi:10.13451/j.sxu.ns.2024158

山西大学学报(自然科学版) ›› 2025, Vol. 48 ›› Issue (03) : 516 -526. DOI: 10.13451/j.sxu.ns.2024158

信息科学

基于逻辑推理和多任务融合的认知刺激对话生成

蒋玉茹 ¹ ,
李梦媛 ¹ ,
陶宇阳 ¹ ,
区可明 ² ,
佘泽鹏 ² ,
施水才 ²

作者信息 +

Cognitive Stimulation Dialogue Generation Based on Logical Reasoning and Multi-task Integration

Author information +

文章历史 +

PDF (2940K)

摘要

在全球老龄化背景下，老年人的健康问题逐渐凸显，认知刺激对话是保持老年人认知健康的重要手段。前人构建了一个结合情感支持的中文认知刺激对话数据集（ChineseCognitiveStimulationDialogueDataset,CSConv），开启了中文认知刺激对话的研究工作。但是没有充分建模认知刺激对话中的逻辑推理关系，生成对话时没能有效利用策略标签的指导作用。本文将认知刺激对话生成视为一个多任务融合的逻辑思维推理过程，将情感分类任务、决策任务和对话回复生成任务间的逻辑关系，建模为一个推理过程，来引导大语言模型生成。针对决策任务，本文提出分层编码器结构的决策模型。决策实验结果表明，决策模型分别将认知刺激治疗原则及情感支持策略决策任务的准确率提高了3.96%和2.1%。针对多任务逻辑思维推理过程，本文提出多任务融合方法，将分类、决策、生成三个任务对应的模型结合在一起。实验结果表明，相比前人方法，多任务融合方法将双语评估替分-4(Bilingual Evaluation Understudy Score based on 4-gram,BLEU-4)提升了7.95%，表明对话回复能力得到提升，证明了该方法的有效性和先进性。