本發(fā)明涉及人工智能，具體涉及一種虛擬數(shù)字人個性化服務提供系統(tǒng)。
背景技術：
1、目前，人工智能虛擬數(shù)字技術已廣泛應用于客戶服務、健康咨詢、金融顧問等多種場景?，F(xiàn)有技術中的虛擬數(shù)字人主要依賴于對用戶明確的語言指令或行為指令進行響應。然而，在高價值、長周期的信任服務場景中，如心理咨詢、私人銀行、大病康復指導等，用戶的真實意圖與其外顯的言語、行為可能存在不一致，甚至矛盾。用戶可能出于禮貌、疑慮或社交壓力，口頭上表示同意，但其潛意識層面卻表現(xiàn)出抗拒、懷疑或焦慮。
2、現(xiàn)有技術通常無法有效識別這種言語與潛意識的矛盾狀態(tài)，缺乏對用戶深層心理狀態(tài)的感知和理解能力。這導致系統(tǒng)會將用戶的禮貌性接受誤判為真實信任，并在錯誤判斷的基礎上繼續(xù)推進服務流程，最終可能導致用戶由于內在需求未被滿足而突然中斷交互、失去對虛擬數(shù)字人的信任，導致服務失敗。因此，如何讓虛擬數(shù)字人能夠穿透用戶表層的禮貌性反饋，深度感知并響應其潛意識的心理安全狀態(tài)，避免信賴塌陷，是當前技術領域亟待解決的技術難題。
技術實現(xiàn)思路
1、本發(fā)明的目的在于提供一種虛擬數(shù)字人個性化服務提供系統(tǒng)，解決了背景技術中存在的問題。
2、為解決上述技術問題，本發(fā)明提供一種虛擬數(shù)字人個性化服務提供系統(tǒng)，包括：用戶潛意識心理安全狀態(tài)評估模塊，用于采集用戶生理信號數(shù)據(jù)，并據(jù)此生成用戶心理安全狀態(tài)特征向量；
3、用戶顯式交互意圖識別模塊，用于識別用戶顯式交互行為，并據(jù)此生成用戶顯式肯定度；
4、人機交互信賴塌陷診斷模塊，用于根據(jù)所述用戶心理安全狀態(tài)特征向量與所述用戶顯式肯定度，計算信賴不一致性指數(shù)，并基于所述信賴不一致性指數(shù)與預設動態(tài)校準觸發(fā)閾值的比較結果，生成校準決策信號；
5、數(shù)字人動態(tài)行為校準策略生成模塊，用于響應于所述校準決策信號，生成行為校準方案；
6、虛擬數(shù)字人多模態(tài)表達合成模塊，用于根據(jù)所述行為校準方案，調整虛擬數(shù)字人的交互行為參數(shù)，并合成校準后的多模態(tài)表達。
7、優(yōu)選的，所述校準決策信號的生成步驟具體為：
8、若所述信賴不一致性指數(shù)超過所述動態(tài)校準觸發(fā)閾值，則生成激活校準的所述校準決策信號；
9、若所述信賴不一致性指數(shù)未超過所述動態(tài)校準觸發(fā)閾值，則生成維持當前交互狀態(tài)的所述校準決策信號。
10、優(yōu)選的，所述用戶生理信號數(shù)據(jù)包括腦電信號、皮電信號或心率變異性數(shù)據(jù)。
11、優(yōu)選的，所述用戶顯式交互行為包括語音、文本、面部表情或肢體動作。
12、優(yōu)選的，所述人機交互信賴塌陷診斷模塊計算所述信賴不一致性指數(shù)的步驟具體為：
13、s11、將所述用戶心理安全狀態(tài)特征向量通過預設的潛意識肯定度映射函數(shù)處理，以生成潛意識肯定度；
14、s12、計算所述潛意識肯定度與所述用戶顯式肯定度之間的絕對差值；
15、s13、將所述絕對差值與預設的場景敏感度權重相乘，以生成所述信賴不一致性指數(shù)。
16、優(yōu)選的，所述用戶心理安全狀態(tài)特征向量是由分別代表放松度、專注度或疑慮度的分量構成的向量。
17、優(yōu)選的，所述潛意識肯定度映射函數(shù)的處理步驟具體為：將所述特征向量的各分量分別乘以對應的預設分量權重，并將所有乘積求和。
18、所述場景敏感度權重和所述分量權重是結合領域專家知識進行初始設定、并利用歷史交互數(shù)據(jù)集進行離線訓練優(yōu)化而得到的參數(shù)。
19、優(yōu)選的，所述數(shù)字人動態(tài)行為校準策略生成模塊具體用于：
20、判定所述信賴不一致性指數(shù)所屬的預設數(shù)值區(qū)間；
21、對所述用戶心理安全狀態(tài)特征向量進行歸因分析，以識別對所述信賴不一致性指數(shù)貢獻最大的主導分量；
22、基于所述預設數(shù)值區(qū)間和所述主導分量，從預設的、定義了不同歸因與校準策略對應關系的策略庫中，匹配并確定唯一的所述行為校準方案。
23、所述交互行為參數(shù)包括虛擬數(shù)字人的語速、語調、用詞、微表情或姿態(tài)。
24、有益效果：
25、與現(xiàn)有技術相比，本發(fā)明具有以下有益效果：
26、1.通過用戶潛意識心理安全狀態(tài)評估模塊與顯式交互意圖識別模塊協(xié)同工作，采集生理信號和分析顯式行為，穿透用戶表層反饋，直接觸達潛意識心理狀態(tài)，讓虛擬數(shù)字人能洞察用戶未言明的真實感受，實現(xiàn)了對用戶狀態(tài)的深度、多維度感知。
27、2.通過人機交互信賴塌陷診斷模塊計算信賴不一致性指數(shù)，量化用戶潛意識與顯式表達的矛盾程度，將模糊的心理矛盾轉化為可量化的工程指標，在信任危機萌芽階段就觸發(fā)校準，實現(xiàn)主動式風險管理。
28、3.通過基于深度歸因的智能化交互校準，從策略庫中匹配針對性方案，調整虛擬數(shù)字人的語速、語調、微表情等多模態(tài)參數(shù)，精準回應用戶潛在疑慮，修復信任關系，提升了虛擬數(shù)字人在需要深度信任場景中的服務可靠性。
1.一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，包括：用戶潛意識心理安全狀態(tài)評估模塊，用于采集用戶生理信號數(shù)據(jù)，并據(jù)此生成用戶心理安全狀態(tài)特征向量；
2.根據(jù)權利要求1所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述校準決策信號的生成步驟具體為：
3.根據(jù)權利要求1所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述用戶生理信號數(shù)據(jù)包括腦電信號、皮電信號或心率變異性數(shù)據(jù)。
4.根據(jù)權利要求1所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述用戶顯式交互行為包括語音、文本、面部表情或肢體動作。
5.根據(jù)權利要求1所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述人機交互信賴塌陷診斷模塊計算所述信賴不一致性指數(shù)的步驟具體為：
6.根據(jù)權利要求5所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述用戶心理安全狀態(tài)特征向量是由分別代表放松度、專注度或疑慮度的分量構成的向量。
7.根據(jù)權利要求6所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述潛意識肯定度映射函數(shù)的處理步驟具體為：將所述特征向量的各分量分別乘以對應的預設分量權重，并將所有乘積求和。
8.根據(jù)權利要求7所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述場景敏感度權重和所述分量權重是結合領域專家知識進行初始設定、并利用歷史交互數(shù)據(jù)集進行離線訓練優(yōu)化而得到的參數(shù)。
9.根據(jù)權利要求1所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述數(shù)字人動態(tài)行為校準策略生成模塊具體用于：
10.根據(jù)權利要求1所述的一種虛擬數(shù)字人個性化服務提供系統(tǒng)，其特征在于，所述交互行為參數(shù)包括虛擬數(shù)字人的語速、語調、用詞、微表情或姿態(tài)。