本發(fā)明涉及人工智能應(yīng)用領(lǐng)域，具體涉及一種心理疏導系統(tǒng)、方法、終端及存儲介質(zhì)。

背景技術(shù)：

1、隨著現(xiàn)代生活節(jié)奏的加快，人們面臨著越來越多的心理壓力和挑戰(zhàn)。

2、盡管心理疏導服務(wù)對于維護和促進心理健康至關(guān)重要，但現(xiàn)有常用的疏導方法，通常是面對面咨詢，其存在一些局限性。例如，面對面咨詢可能因地理位置、時間安排或資源限制而難以獲得。此外，一些個體可能因為社會偏見或個人隱私顧慮而不愿面對面尋求專業(yè)幫助。

3、目前，人工智能結(jié)合自然語言處理和機器學習等先進技術(shù)，能夠模擬人類行為和交流方式。在客戶服務(wù)、教育和娛樂等多個領(lǐng)域，人工智能技術(shù)已經(jīng)展現(xiàn)出其潛力和價值。

4、而且，人工智能技術(shù)可以提供24/7（即一天24小時，一周7天）的即時支持，有助于解決面對面咨詢帶來的因地理位置、時間安排或資源限制而難以獲得的問題。人工智能技術(shù)還可以通過人機交互，解決一些個體因社會偏見或個人隱私顧慮而不愿面對面尋求專業(yè)幫助的問題?？梢姡斯ぶ悄芗夹g(shù)在心理疏導領(lǐng)域的應(yīng)用也具有一定潛力。

5、為此，本發(fā)明結(jié)合人工智能技術(shù)，提供一種心理疏導系統(tǒng)、方法、終端及存儲介質(zhì)，以解決以上現(xiàn)有常用疏導方法存在的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的發(fā)明目的在于，提供一種心理疏導系統(tǒng)、方法、終端及存儲介質(zhì)，以解決以上至少一方面的問題。

2、第一方面，本發(fā)明的技術(shù)方案提供一種心理疏導系統(tǒng)，系統(tǒng)包括心理疏導服務(wù)端、交互終端和后臺服務(wù)端；

3、交互終端被配置為在開啟心理疏導聊天后，實時采集用戶的聊天聲音并發(fā)送給后臺服務(wù)端；

4、后臺服務(wù)端被配置為從交互終端發(fā)送的聊天聲音中識別出用戶的語音信息并發(fā)送給心理疏導服務(wù)端；

5、心理疏導服務(wù)端被配置為將后臺服務(wù)端發(fā)送來的語音信息輸入預(yù)先訓練好的心理疏導大語言模型進行分析，生成用于對用戶進行心理疏導的對話內(nèi)容并返回給后臺服務(wù)端；所述預(yù)先訓練好的心理疏導大語言模型，能夠基于輸入的語音信息對應(yīng)生成用于對用戶進行心理疏導的對話內(nèi)容；

6、后臺服務(wù)端被配置為將心理疏導服務(wù)端返回的對話內(nèi)容轉(zhuǎn)換成聲音文件，并將所述聲音文件及其對應(yīng)的對話內(nèi)容發(fā)送給交互終端；

7、交互終端被配置為在接收到后臺服務(wù)端發(fā)送的所述聲音文件及其對應(yīng)的對話內(nèi)容后，向用戶顯示該對話內(nèi)容并播放所述聲音文件。

8、進一步地，交互終端還被配置為在開機后實時采集用戶的手部圖像，并用于將采集的手部圖像傳輸給后臺服務(wù)端；

9、后臺服務(wù)端還被配置為從交互終端傳輸來的手部圖像中識別用戶手勢，得到第一手勢并反饋給交互終端；

10、交互終端還被配置為在后臺服務(wù)端反饋的第一手勢為抬手手勢時，開啟心理疏導聊天，否則不開啟心理疏導聊天。

11、進一步地，交互終端還被配置為在開啟心理疏導聊天后，實時采集用戶的手部圖像發(fā)送給后臺服務(wù)端；

12、后臺服務(wù)端還被配置為從交互終端開啟心理疏導聊天后發(fā)送的手部圖像中識別用戶手勢，得到第二手勢并反饋給交互終端；

13、交互終端被配置為：在后臺服務(wù)端反饋的第二手勢為抬手手勢時，控制聊天暫停；在后臺服務(wù)端反饋的第二手勢為握拳手勢時，控制聊天終止。

14、進一步地，所述心理疏導大語言模型的訓練方法包括：

15、構(gòu)建訓練集；

16、構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

17、采用訓練集中的數(shù)據(jù)對構(gòu)建的循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行訓練，得到訓練好的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，該訓練好的循環(huán)神經(jīng)網(wǎng)絡(luò)模型即為所述的心理疏導大語言模型。

18、進一步地，訓練集的構(gòu)建方法包括：

19、從真實場景的心理對話中收集心理聊天對話數(shù)據(jù)，每個心理聊天對話數(shù)據(jù)為一個采樣數(shù)據(jù)，每個采樣數(shù)據(jù)均包括來訪者和咨詢師的一組單輪對話內(nèi)容；每組單輪對話內(nèi)容均包括來訪者的聊天內(nèi)容及咨詢師的對話內(nèi)容；來訪者即用戶，咨詢師的對話內(nèi)容即咨詢師對來訪者的聊天內(nèi)容的回復內(nèi)容；

20、對收集的心理聊天對話數(shù)據(jù)進行標注，標注標簽為“z”和“l(fā)”，“z”和“l(fā)”分別用于標識咨詢師和來訪者；其中，對聊天對話數(shù)據(jù)中來訪者的聊天內(nèi)容標注標簽“l(fā)”，對聊天對話數(shù)據(jù)中咨詢師的對話內(nèi)容標注標簽“z”；

21、對于標注好的每一個采樣數(shù)據(jù)，先對標注標簽“z”的對話內(nèi)容進行分詞處理并清洗得到目標對話內(nèi)容對應(yīng)的單詞，對標注標簽“l(fā)”的聊天內(nèi)容進行分詞處理并清洗得到目標聊天內(nèi)容對應(yīng)的單詞，之后對目標對話內(nèi)容對應(yīng)的每一個單詞進行one-hot編碼，對目標聊天內(nèi)容對應(yīng)的每一個單詞進行one-hot編碼，之后利用標注標簽“z”的對話內(nèi)容的上下文單詞的one-hot編碼采用word2vec模型生成標注標簽“z”的對話內(nèi)容的詞向量表示，利用標注標簽“l(fā)”的聊天內(nèi)容的上下文單詞的one-hot編碼采用word2vec模型生成標注標簽“l(fā)”的聊天內(nèi)容的詞向量表示，得到每一個采樣數(shù)據(jù)對應(yīng)的輸入詞向量表示和輸出詞向量表示；

22、將每一個采樣數(shù)據(jù)對應(yīng)的輸入詞向量表示和輸出詞向量表示作為一個樣本，匯集所有樣本得到一個樣本集；

23、基于所述樣本集中的樣本，構(gòu)建所述訓練集。

24、進一步地，采用訓練集中的數(shù)據(jù)對構(gòu)建的循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行訓練，得到訓練好的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，包括：

25、將訓練集中的數(shù)據(jù)輸入構(gòu)建的循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行迭代訓練；

26、每次迭代訓練過程中，通過前向傳播計算出預(yù)測值，并將預(yù)測值與實際值進行比較，計算出損失函數(shù)值，然后根據(jù)損失函數(shù)值使用梯度下降法優(yōu)化模型參數(shù)，直至模型收斂或達到預(yù)設(shè)迭代訓練次數(shù)，得到訓練好的循環(huán)神經(jīng)網(wǎng)絡(luò)模型。

27、進一步地，交互終端配設(shè)有顯示屏、語音采集模塊、圖像采集模塊和語音播放模塊；

28、顯示屏用于交互終端的顯示；

29、語音采集模塊用于用戶聊天聲音的采集；

30、圖像采集模塊用于用戶手部圖像的采集；

31、語音播放模塊用于交互終端的聲音文件播放。

32、第二方面，本發(fā)明提供一種心理疏導方法，方法包括：

33、在開啟心理疏導聊天后，實時采集用戶的聊天聲音；

34、從所述聊天聲音中識別出用戶的語音信息；

35、將所述語音信息輸入預(yù)先訓練好的心理疏導大語言模型進行分析，生成用于對用戶進行心理疏導的對話內(nèi)容；所述預(yù)先訓練好的心理疏導大語言模型，能夠基于輸入的語音信息對應(yīng)生成用于對用戶進行心理疏導的對話內(nèi)容；

36、將所述對話內(nèi)容轉(zhuǎn)換成聲音文件；

37、向用戶顯示所述對話內(nèi)容，同時播放所述聲音文件。

38、第三方面，本發(fā)明提供一種心理疏導終端，包括：

39、處理器；

40、存儲器，用于存儲處理器的執(zhí)行指令；

41、其中，所述處理器被配置為執(zhí)行以上所述的方法。

42、第四方面，本發(fā)明提供一種存儲有計算機程序的計算機可讀存儲介質(zhì)，該程序被處理器執(zhí)行時實現(xiàn)以上所述的方法。

43、本發(fā)明相對于現(xiàn)有技術(shù)，具有以下有益效果：

44、本發(fā)明避免了面對面咨詢，既有助于解決面對面咨詢帶來的因地理位置、時間安排或資源限制而難以獲得的問題，還有助于解決一些個體因社會偏見或個人隱私顧慮而不愿面對面尋求專業(yè)幫助的問題。

45、本發(fā)明的心理疏導大語言模型不具備人類的情感偏見，可以提供一個無歧視的咨詢環(huán)境，有助于消除用戶的心理障礙，進一步有助于解決一些個體的社會偏見或個人隱私顧慮。

46、本發(fā)明避免了面對面咨詢，一定程度上有助于減輕專業(yè)心理醫(yī)生的工作負擔，讓其可以有更多時間處理更復雜的心理咨詢。

47、本發(fā)明將人工智能與心理疏導大語言模型相結(jié)合，大語言模型可即時響應(yīng)用戶的需求，提供快速的反饋，從而有助于緩解用戶的即時心理壓力。

48、本發(fā)明設(shè)計原理可靠，結(jié)構(gòu)簡單，具有非常廣泛的應(yīng)用前景。