买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东师范大学申请的专利一种融合心理状态追踪的访谈对话模型构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119416891B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411458228.5，技术领域涉及：G06N5/04；该发明授权一种融合心理状态追踪的访谈对话模型构建方法是由陈琴;顾轶洋;周友根;周杰;贺樑设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种融合心理状态追踪的访谈对话模型构建方法在说明书摘要公布了：本发明公开了一种融合心理状态追踪的访谈对话模型构建方法，该方法通过将心理状态追踪机制集成到大语言模型（LLM）中，以明确指导心理访谈对话。具体而言，心理状态是从认知行为疗法的理论模型中适应而来，包括四个组成部分：当前阶段、患者信息、预测结果和下一步策略。通过生成动态心理状态数据，对大语言模型进行微调，生成得到访谈对话模型，以模拟专业心理治疗师的访谈过程，为心理问题的早期识别和排查提供技术支持。

本发明授权一种融合心理状态追踪的访谈对话模型构建方法在权利要求书中公布了：1.一种融合心理状态追踪的访谈对话模型构建方法，其特征在于，该方法具体包括： 步骤1：访谈对话数据集构建 1.1：访谈对话数据集初步构建 构建以认知行为疗法中ABC模型为基础的访谈对话数据集，该数据集将涵盖与访谈对话相关的各种对话场景；数据集中的对话内容将模拟真实世界中医生与患者之间的互动，旨在为访谈对话提供丰富的心理状态转移信息； 1.2：细粒度心理状态标注 1.2.1：基于大语言模型，细粒度标注每一轮对话，以反映当前问诊过程中所处的阶段、患者的当前信息、对患者状况的预测结果，以及下一步采取的对话策略； 1.2.2：每轮对话将被标注心理状态：Stage,Info,Summary,Next，其中Stage表示当前问诊阶段，Info表示患者信息，Summary表示患者的心理状况预测结果，Next表示下一步的对话策略； 步骤2：心理状态追踪 2.1：心理状态追踪框架构建 通过将POST心理状态追踪框架集成到大语言模型中，模型将能够根据对话上下文动态地生成心理状态，并以此为基础生成对话回复；心理状态追踪框架由下式a表示为： 其中，Statet为第t轮患者的心理状态；为连接符；St为当前阶段；It为患者信息；Sumt为心理状况预测结果；Nt为下一步策略； 2.2：动态心理状态预测 2.2.1：基于大语言模型，识别当前问诊过程中的阶段，阶段分为三种，分别为识别激发事件、分析患者信念及评估后果，识别过程由下式b表示为： 其中，St-1是上一轮的阶段，π代表大语言模型，θ表示模型的参数，ht代表当前的对话历史，包括到第t轮为止的对话和患者的发言，由下式c表示为： 其中，表示第t轮患者的发言，表示第t轮模型的发言； 2.2.2：基于对话历史，总结患者表达的症状信息，总结过程由下述d式表示为： 其中，It-1为第t-1轮对话的患者信息； 2.2.3：根据患者信息和症状得到实时的心理状况预测结果，过程由下述e式表示为： 其中，Sumt-1为第t-1轮对话的心理状况预测结果； 2.2.4：根据当前的阶段、患者信息和心理状况预测结果，预测下一轮对话应该采取的回答策略，由下述f式表示为： 2.3：面向访谈的对话生成 由大语言模型完成上述心理状态的生成后，结合当前轮的对话历史和患者心理状态，生成医生下一步的回复，由下述g式表示为： 步骤3：模型训练 3.1：在对大语言模型进行微调的过程中，采用LoRA技术，通过在原始模型的架构中引入辅助的降维和升维矩阵，即矩阵A和矩阵B，来实现参数的更新；矩阵A采用随机高斯分布进行初始化，而矩阵B则初始化为零矩阵；在这一过程中，原始模型的参数保持不变，仅对新增的矩阵进行训练，具体模型的微调更新由下述h式表示为： 其中，W为初始模型的权重参数；W'为LoRA微调后的权重参数；B为零矩阵；A为经过随机高斯分布初始化的矩阵；d为模型权重的输入维度；k为模型权重的输出维度；r是低秩维度的大小； 3.2：输入对话历史h通过微调后的大语言模型进行处理，首先被编码为特征向量H，随后结合原始模型参数和Lora微调后的矩阵参数，通过h式，将两部分参数相加，计算得到由下述i式的输出序列Y，其长度为T： Y＝[y1,y2,…,yT]i； 3.3：在解码阶段，大语言模型根据当前已生成的输出序列和输入特征，预测下一句话的回复；该过程表示为下述j式： Pyt|yt,H＝DecEyt,H,θ；A,Bj； 其中，yt是t轮之前生成的输出序列；Eyt为该输出序列的隐层表示；H为输入特征向量；yt表示模型在t轮的输出；θ表示模型的固定参数；Dec表示解码器，其会依据当前的模型参数和上下文信息生成回复； 3.4：定义损失函数由下述k式表示为： 其中，P为j式中的条件概率；T为生成结果的序列长度；表示损失函数，计算生成序列和目标序列的差异；训练得到融合心理状态追踪的访谈对话模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东师范大学，其通讯地址为：200241 上海市闵行区东川路500号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。