机器人情感调动方法的探索（下）

3.0 探索二：句子的言语行为分析

什么是言语行为

上篇中我们提到，从话语的交际功能的角度进行的研究，其实就是对话语言语行为的研究。严谨来讲，言语行为可以从三个不同的角度去分析：发话行为、行事行为和语效行为。发话行为指的是说出一句话的这个动作，无所谓说出的内容是一个字、一个词或是一个句子；行事行为指的是一句话在沟通中所行使的交际功能，如这句话是在问一个问题，发出一个指令，还是在表达一种态度等等，这也是我们要重点研究的角度；语效行为指的是一句话说完后对听话人产生的影响或效果。如：当一个人对另一个人说“我好冷”的时候，听话人可能采取的行动是把窗户关上。听话人采取的行动就是这句话所产生的效果或影响。

目前对言语行为的判断还有一些局限。我们目前只能通过文字本身进行判断，是通过一句话的字面意义作出的判断，无法结合说话人的表情、口吻或上下文进行综合分析。如：单从字面意义看，“你真聪明” 这句话是一个夸赞的行为，但结合特殊的语气或表情，这句话就很有可能是在表达讥讽。所以当未来我们可以结合更多模态的输入来对话语进行判断时，结果会更精准和深入。

言语行为的分类

从交际功能的角度去看，所有的话语都可以被言语行为分成固定的几大类。我们结合了赛尔和吴剑锋教授的分类理论，确定了适合对话场景、并可以覆盖到全量用户话语的言语行为分类，即：询问行为、命令行为、宣告行为、承诺行为、表达行为和陈述行为六大类。其中表达行为可以被细分成更具体的多样的行为。

高频句子言语行为的分析

带着对言语行为的初步理解，我们对和闲聊型语音助手对话中出现的高频句子进行了言语行为的判断和大致分类（高频句子的来源为叮当智能屏的用户语音输入）。

发现

1、询问、表达、命令是最高频出现的三类话语。

2、可以通过对言语行为的分类，覆盖到全量的用户话语。

3、每种言语行为都可以结合语义找到机器人情感的推断逻辑。

结论

在对真实的高频用户话语进行分析后发现，在对话过程中，每个句子都有一个对应的言语行为，同类言语行为对应的句子具有句型上一定的相似性和规律性，同时也可以引导听话人去关注语义中不同的重点。如：在询问行为中，询问的话题是语义中的重点，机器人会就此进行回答；命令行为中，执行或如何执行某个动作是语义的重点，机器人可以根据自己能力是否允许进行回答；陈述行为中，所描述的事件是语义的重点，机器人可以根据自己对这个事件的态度进行回答。由此可见，我们可以结合一句话的言语行为看到这句话语义的重点是什么，这个重点，就成为了影响机器人情感的关键因素。

对这些句子言语行为的判断，一部分来源于句子的句型。如：询问行为通常是用疑问句来表达，命令行为通常是用祈使句来表达，表达行为通常用感叹句来表达等等。但尽管句子的句型划分和句子的言语行为有相似之处，却不能简单的把句型和言语行为划上等号。如：“你怎么这么好看？”这句话看似是一个问句，但其实大家很容易就能理解到这句话其实是在表达赞美，是一个表达行为。如：“我喜欢你”这句话，从句型的角度讲是一个陈述句，但其实大家也很快能分辨出这是一个表白的行为。所以我们对句子言语行为的判断，更多还是要依靠人工的角度去辨识。

言语行为和命题内容的关联

在确定了言语行为分类之后，针对每种言语行为所对应的句子，我们开始从语义的角度进一步寻找可以准确推断机器人情感的方法。上文提出了对句子语用角度+语义角度结合分析的方法，这个假设得到了赛尔言语行为理论的验证。赛尔认为，“一个句子的言外行为（Illocutionary Act）和他的命题内容（Propositional Content）息息相关。一句话的命题内容由两个部分组成：所谈及的人或物和对这个人或物所作的谈述。”针对同一个命题内容，围绕它可以出现实施不同言语行为的句子。如：

“你吃过麦当劳吗？”

“你要去吃麦当劳。”

“你马上过来吃麦当劳。”

在这三个句子中，都谈述了“你吃麦当劳”这个动作，但很显然，在不同的场合，三句话分别实施了不同的言语行为。第一句话提了一个问题，第二句话对未来做出了一种预测，第三句话实施了关于这个动作的命令。这同时也就说明，同一个命题内容，在不同的言语行为环境中，所被关注的角度是不一样的。因此在对话环境中，所调动情感的方式也会有所不同。把这几句话放在对话场景中来看，在回答第一句话的提问时，重点是回答自己关于吃麦当劳的经历，可以根据自己经历的好坏来调动情感。如，心怀开心地回答：“吃过啊，我很喜欢呢！”在回答第二句话时，重点要判断对方所作的预测是否准确，可以根据自己是否真的要做这件事来调动情感，如，心怀期待地回答：“没错！要和我一起吗？” 而回答第三句的命令时，重点是回答自己是否可以或愿意去吃麦当劳，可以根据自己的意愿来调动情感。如，心怀歉意地回答：“不好意思，我还有事没做完，不能过去了”。由此我们针对不同的高频出现的言语行为类型，分析了对命题内容不同角度的判断分析。[5]

把这个推断框架进一步细化，就形成了一个比较明确的推导规则。首先，要对句子的言语行为进行判断，其次，要针对每种言语行为，进行具体的命题内容判断。每种言语行为环境下，我们要关注的句子命题内容的角度有所不同，如下图所示：

4.0 探索结果

情绪反应机制的生成公式

以上的所有探索让实现机器人情感的可配置化成为了可能。根据以上的分析我们制定了详细的情感推导的规则，并生成了可配置公式。使未来机器人的创造者可以根据我们提供的情感配置平台，对机器人的回复方式和风格进行情感上的自定义。

配置公式示例

配置公式的第一个下拉选项，是对一句话言语行为的选择；第二个下拉选项，是对命题内容的选择；第三个下拉选项，是机器人在表达某种情感时可使用的动作表情。

语义的标注

能够推动机器人情感反应机制的实现还有很重要的一环，就是对语义的标注。从示例的配置公式可以看到，针对不同的言语行为，我们对语义层面的判定方法并不统一，分别包含了所提及话题、事件性质、自身能力等不同的角度。这样的方法是为了最大化的提炼出语义中可以调动机器人情感的因素。如陈述行为中“用户受害”的事，根据普世价值观，我们把像“我脚崴了”，“我考砸了”这类明显发生在用户身上不好的事都归类到“用户受害”的类别下，从而机器人就可以对所有这类的话语表示出可以体现自己性格的反应，如“安慰”、“担忧”或“嘲讽”。对语义标注的一致性和准确性对机器人情感配置结果有着至关重要的影响，只有在严格的限定和标注原则下，才能够达到配置准确的效果。

结语

情感系统研究的初衷，是期望让机器人根据不同的性格设定，有逻辑的被赋予拟人化的人工情感，在互动中给人带来更逼真的情感体验。从情感陪伴的角度看，这样的方式仍然只能做到比较浅层的情感互动。而机器人是否在未来会真的会如影片Maniac或Her中一样，和人类进行有情感有深度的交谈呢？相较于人和人之间带来的情感陪伴，你是否也期待有一个机器人伙伴，带给你深度的情感陪伴呢？

感谢阅读。

上篇链接：机器人情感调动方法的探索（上）