一种面向多轮对话感知的上下文动态追踪与课程学习方法

本发明公开了一种面向多轮对话感知的上下文动态追踪与课程学习方法，包括如下步骤：S1，在话语特征提取模块内进行话语特征提取：通过第一预训练语言模型提取对话中每个话语的语义特征向量；第一预训练语言模型为RoBERTa模型；S2，在常识特征提取模块内进行常识特征提取：通过第二预训练知识生成模型从语义特征向量中提取与情感动态相关的常识特征向量；第二预训练知识生成模型为COMET模型；S3，通过上下文动态跟踪器进行动态追踪建模，并通过说话人信息模块进行说话人信息建模；S4，课程学习训练：引入动态权重分配机制和加权损失函数对对话样本进行自适应训练。本发明能够深度融合动态上下文、多维度说话者特征及常识知识，提升对复杂对话情感的理解。