简介： 本发明公开了一种融合用户满意度的任务导向型对话策略学习方法。所述方法包括以下步骤：收集人机对话数据并结合任务场景进行数据清洗；提取出对话中的意图、槽值和情绪状态信息，并进行向量化表示；构建对话策略模块；构建情感策略模块；构建加权融合模块，获取候选响应动作对应的聚合动作价值与动作情感价值的总得分，并根据总得分预测响应动作；获取预测的响应动作后的对话状态、奖励和用户真实情绪状态信息，优化对话策略模块和情感策略模块的网络参数。本发明充分考虑了对话和情感状态的特征，通过融合深度强化学习和监督学习技术，兼顾对话效率和用户满意度目标，提高了对话策略模型的效果。