CN106095757A - 一种文本负向情感识别与自动化情感抚慰方法与系统 - Google Patents

Abstract

本发明公开了一种文本负向情感识别与自动化情感抚慰方法与系统，包括用户端APP和情感抚慰云中心，所述用户端APP在用户授权情况下，使用文字采集模块采集用户向社交媒体录入的文字信息；利用情感分析模块分析文字中可能蕴含的负向情感，对识别的负向情感形成用户负向情感概念；负向情感概念输出模块将该用户负向情感概念输出至情感抚慰云中心；所述情感抚慰云中心包括用户管理模块、抚慰情感概念库、抚慰情感资源库、抚慰资源更新模块、抚慰概念匹配策略模块、抚慰概念载体类型匹配策略模块。本发明能及时发现社交媒体蕴含的负向情感，并适时、自动进行干预，增加抚慰情感的自然性，提高抚慰效果，将其危害降至最低。

Description

一种文本负向情感识别与自动化情感抚慰方法与系统

技术领域

本发明涉及不确定性人工智能及其应用、情感交互、人机交互技术领域，特别是涉及一种文本负向情感识别与自动化情感抚慰方法与系统。

背景技术

高危高压职场、快节奏的工作生活、竞争压力等当代社会现象给当事者带来压抑、悲伤、孤独等负向情感，严重威胁着受众的身心健康。以手机、平板电脑为代表的移动通信技术与设备的发展和普及，催生了以QQ、微信、微博等为代表的社交媒体的发展和应用。负向情感的受众常通过社交媒体发布、渲染自己的负向情绪，进而将负向情感传导到其他人，扩大负向情感的危害面。不及时发现社交媒体的负向情感，进行妥善的干预处理，有可能演变为社会问题。

近年来，人们对情感计算的探索积累了大量研究成果，可以自动识别蕴含在文字中的情感信息。人们可以采取人工方法，对负向情感受众进行干预，达到减压、调解、舒缓其负向情感的目的。但人工方法效率低、发现和解决问题不及时、惠及面窄。而负向情感受众的自我调节能力有限、不专业。有研究人员提出了自动化情感抚慰技术，采用模式识别、传感器、无线通信等技术，在心理学指导下，对识别到的负向情感按照其种类对受众进行心理干预。但是，情感是定性概念，人们对它的表达和认知带有不确定性，如模糊性、随机性等。对负向情感的干预应该考虑这种不确定性。

目前，对情感交互的研究，基本上采取了确定性反馈方法。当输入一定，则给出的反馈情感是精确的，可重复的。即使加上一些随机效果。但所使用的方法在本质上属于精确方法，反馈情感的差异性有限。而情感反馈的可重复性易造成用户的使用疲劳。

发明内容

鉴于以上问题，本发明公布一种文本负向情感识别与自动化情感抚慰方法与系统，在用户授权情况下采集用户的文字信息，根据文字中情感的属性特征利用情感分析模块及时发现其中的负向情感，并适时、自动进行干预，增加抚慰情感的自然性，提高抚慰效果。

本发明通过以下技术方案实现：

一种文本负向情感识别与自动化情感抚慰方法，包括如下步骤：

步骤1，用户下载用户端APP，注册为系统用户；

步骤2，用户端APP在用户授权情况下，使用文字采集模块采集用户向社交媒体录入的文字信息；

步骤3，根据文字中情感的属性特征利用情感分析模块分析文字中可能蕴含的负向情感，对识别的负向情感形成用户负向情感概念；

步骤4，负向情感概念输出模块将用户负向情感概念输出至情感抚慰云中心；

步骤5，情感抚慰云中心接收用户负向情感概念，从抚慰情感资源库选择对应的抚慰情感概念；

步骤6，情感抚慰云中心根据用户喜好选择抚慰载体类型；

步骤7，情感抚慰云中心生成抚慰资源组，向用户推送抚慰资源组。

优选地，所述步骤3中文字中情感的属性特征使用文字云模型表示，文字云模型的维数m为文字中情感的属性特征个数。

优选地，所述步骤3中具体包括如下步骤：

步骤301)提取文字采集模块采集的文字中情感的m个属性特征值x＝[x₁,x₂，…,x_m]；

步骤302)设文字的全体情感概念空间中有K个用户负向情感概念，用云模型C_ji(Ex_ji，En_ji，He_ji)表示，Ex_ji、En_ji和He_ji分别为第j个用户负向情感概念第i个属性特征的期望、熵和超熵，i＝1,2,…,m；j＝1,2,…,K；

步骤303)对K个用户负向情感概念分别按照下式计算确定度μ_j(x)：

${\mathrm{\μ}}_j\left(x\right)=e^{-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\frac{{(x_{ji}-{\mathrm{Ex}}_{ji})}^2}{2{{\mathrm{En}}_{ji}}^{\′2}}}---\left(1\right)$

En_ji’＝Norm(En_ji,He_ji ²) (2)

Norm表示正态分布。

步骤304)选取K个确定度中的最大值μ_J，则形成的用户负向情感概念为第J个用户负向情感概念。

步骤304)选取K个确定度中的最大值μ_j，则形成的用户负向情感概念为第j个用户负向情感概念。

优选地，所述步骤6中抚慰载体类型包括文本、音频和视频。

优选地，所述文本、音频和视频文件中情感的属性特征分别使用文字云模型、音频云模型和视频云模型表示，音频云模型的维数n和视频云模型的维数p分别为音频文件和视频文件中情感的属性特征个数。

优选地，所述步骤7中生成抚慰资源组具体包括在文本、音频和视频抚慰资源库中分别执行如下步骤：

步骤701)以[0.9*μ_J,1.1*μ_J]的区间沿确定度轴截取抚慰资源，若截取到的抚慰资源数≥T个，在获得的抚慰资源中随机选取T个资源，得到抚慰资源组；若截取到的抚慰资源数＜T个，转到步骤702；

步骤702)将距μ_J最近的前t个资源加入截取到的抚慰资源，得到抚慰资源组。

一种文本负向情感识别与自动化情感抚慰系统，包括用户端APP和情感抚慰云中心，

所述用户端APP在用户授权情况下，使用文字采集模块采集用户向社交媒体录入的文字信息；利用情感分析模块分析文字中可能蕴含的负向情感，对识别的负向情感形成用户负向情感概念；负向情感概念输出模块将该用户负向情感概念输出至情感抚慰云中心；

所述情感抚慰云中心包括用户管理模块、抚慰情感概念库、抚慰情感资源库、抚慰资源更新模块、抚慰概念匹配策略模块、抚慰概念载体类型匹配策略模块；

用户管理模块负责用户注册、登录、管理；抚慰情感概念库包括Q个抚慰情感概念(Q与K不必相等)；抚慰情感资源库包括文本抚慰资源库、音频抚慰资源库和视频抚慰资源库，每个抚慰资源是相应的抚慰情感概念的一个实例；抚慰资源更新模块对抚慰情感概念库和抚慰情感资源库进行更新；抚慰概念载体类型匹配策略模块根据用户喜好，对匹配到的抚慰情感概念选择抚慰载体类型。

用户负向情感概念与抚慰情感概念之间的对应关系是非线性的，具体表现为：1)第j个用户负向情感概念的某个实例对应于第j个抚慰情感概念的多个不同实例；2)第j个用户负向情感概念边界区域的某个实例对应于第j+1或第j-1个抚慰情感概念的边界区域的多个不同实例。

本发明与现有技术相比，具有以下明显优点：

根据负向情感与抚慰情感的非线性匹配模型，自动化抚慰资源匹配结果具有如下特征：1)从负向情感实例到抚慰情感实例的匹配是一对多的关系，且匹配实施之前结果是不确定的；2)即使对同一个用户的同一个负向情感实例，不同次匹配的抚慰资源可能是不同的；3)在边界区域，即使对同一个用户的同一个负向情感实例，不同次匹配的抚慰概念可能是不同的。负向情感与抚慰情感的非线性、不确定性匹配结果克服了用户在多次使用系统服务由于可能得到相同的抚慰资源而造成的抚慰疲劳、抚慰失效。

本发明的文本负向情感识别与自动化情感抚慰方法与系统针对情感这类定性概念的模糊性、随机性等不确定性，提出一种基于不确定性方法的情感表示、推理、情感概念匹配、抚慰情感实例生成方法与系统，打破情感抚慰中反馈情感的可重复性，实现更自然、有效的自动化情感抚慰，在用户授权情况下采集用户的文字信息，根据文字中情感的属性特征利用情感分析模块可以及时发现社交媒体蕴含的负向情感，并适时、自动进行干预，增加抚慰情感的自然性，提高抚慰效果，将其危害降至最低。

附图说明

图1为本发明的文本负向情感自动化抚慰系统结构图。

图2为本发明的用户端负向情感处理流程图。

图3为本发明的情感抚慰云中心工作流程图。

图4为本发明的抚慰情感概念库及抚慰情感资源库。

图5为本发明的负向情感与抚慰情感的非线性匹配模型图。

具体实施方式

本发明的文本负向情感自动化抚慰系统结构如图1所示。文本负向情感自动化抚慰系统由用户端APP、情感抚慰云中心组成。用户在自愿情况下，下载用户端APP，注册为系统用户，即可得到自动化情感抚慰服务。用户端APP可以安装在手机、平板电脑等移动设备上。

用户端APP的工作流程如图2所示。在用户授权下，采用文字采集模块采集用户向社交媒体(如QQ、微信、微博、论坛、短信、飞信等)录入的文字信息。利用情感分析模块分析文字中可能蕴含的负向情感，对识别的正向情感忽略不作处理，对识别的负向情感形成定性概念，如轻度悲伤、中度悲伤或深度悲伤。需要指出的是，用户输入文字表达的情感是情感定性概念(如中度悲伤)的一个实例。这一过程可以形式化描述为：负向情感实例→负向情感概念。负向情感概念输出模块将该用户负向情感概念输出至情感抚慰云中心。为保护用户隐私，用户端APP只向云中心发送识别的用户输入的文字的负向情感概念，而不发送文字内容本身。

情感抚慰云中心的结构和工作流程如图3所示。抚慰云中心由用户管理模块、抚慰情感概念库、抚慰情感资源库、抚慰资源更新模块、抚慰概念匹配策略模块、抚慰概念载体类型匹配策略模块等模块构成。

用户管理模块负责用户注册、登录、管理等任务。

抚慰情感概念库和抚慰情感资源库如图4所示。抚慰情感概念库按照抚慰情感概念分类，如轻度高兴、中度高兴、深度高兴，分别对应抚慰情感概念1、抚慰情感概念2、抚慰情感概念3。

每个抚慰情感概念下的抚慰资源由文字、音频、视频三种载体类型的文件组成。每个抚慰概念的每种载体类型下均有许多个文件可供选择。反过来说，同一抚慰概念下的所有抚慰资源，不管是哪个文件，哪种载体类型，都蕴含了相同的抚慰概念，都是该抚慰概念的一个实例。其它抚慰概念及其资源按照相同规则建立，不再一一列出。

抚慰资源更新模块负责对抚慰资源库的概念及其实例进行更新。

抚慰概念匹配策略模块负责在接收到的某用户的负向情感概念与抚慰情感资源库的某抚慰情感概念之间建立对应关系。例如对悲伤情感，匹配以高兴情感，进行抚慰，具体为对轻度悲伤、中度悲伤、深度悲伤，分别匹配以轻度高兴、中度高兴、深度高兴，进行抚慰。这种对应关系是定性概念到定性概念的对应。如图5所示。例如用户负向情感概念1对应于抚慰情感概念1，用户负向情感概念2对应于抚慰情感概念2，用户负向情感概念3对应于抚慰情感概念3。各个定性概念带有不确定性，概念之间不存在明确的边界。边界区域的实例既可能属于一个概念，也可能属于另一个概念。因此，概念之间的对应关系是非线性的。这种非线性表现在两个方面：1)用户负向情感概念x的某个实例对应于抚慰情感概念x的多个不同实例；2)用户负向情感概念x边界区域的某个实例对应于抚慰情感概念x+1或抚慰情感概念x-1的边界区域的多个不同实例。

抚慰概念载体类型匹配策略模块负责对匹配到的抚慰情感概念的抚慰资源类型进行设置，考虑用户的喜好，选择文字、音频、视频或它们的组合。

情感抚慰云中心的工作流程为：接收用户负向情感概念→匹配抚慰情感概念→匹配抚慰载体类型→组成抚慰情感概念实例组合→向用户推送抚慰资源。

所述系统硬件设备包括移动终端、移动互联网、互联网、服务器等设备。

文字中情感的属性特征使用文字云模型表示，设文字中情感的属性特征有m个，文字云模型的维数为m。例如：分别用m维云模型C(Ex_LS1,En_LS1,He_LS1,Ex_LS2,En_LS2,He_LS2,…,Ex_LSm,En_LSm,He_LSm)、C(Ex_MS1,En_MS1,He_MS1,Ex_MS2,En_MS2,He_MS2,…,Ex_MSm,En_MSm,He_MSm)、C(Ex_DS1,En_DS1,He_DS1,Ex_DS2,En_DS2,He_DS2,…,Ex_DSm,En_DSm,He_DSm)表示轻度悲伤、中度悲伤、深度悲伤，其中Ex、En、He分别为抚慰情感概念的某属性的期望、熵和超熵。

所述文本、音频和视频文件中情感的属性特征分别使用文字云模型、音频云模型和视频云模型表示，设音频文件和视频文件中情感的属性特征个数分别为n和p，则音频云模型的维数和视频云模型的维数分别为n和p。例如：分别用m维云模型C(Ex_LH1,En_LH1,He_LH1,Ex_LH2,En_LH2,He_LH2,…,Ex_LHm,En_LHm,He_LHm)、C(Ex_MH1,En_MH1,He_MH1,Ex_MH2,En_MH2,He_MH2,…,Ex_MHm,En_MHm,He_MHm)、C(Ex_DH1,En_DH1,He_DH1,Ex_DH2,En_DH2,He_DH2,…,Ex_DHm,En_DHm,He_DHm)表示文本情感的轻度高兴、中度高兴、深度高兴，也可结合人工标注方式，将文本抚慰资源按照确定度划分到三个情感概念；分别用n维云模型C(Ex_LH1,En_LH1,He_LH1,Ex_LH2,En_LH2,He_LH2,…,Ex_LHn,En_LHn,He_LHn)、C(Ex_MH1,En_MH1,He_MH1,Ex_MH2,En_MH2,He_MH2,…,Ex_MHn,En_MHn,He_MHn)、C(Ex_DH1,En_DH1,He_DH1,Ex_DH2,En_DH2,He_DH2,…,Ex_DHn,En_DHn,He_DHn)表示轻度高兴、中度高兴、深度高兴，也可结合人工标注方式，将音频抚慰资源按照确定度划分到三个情感概念；分别用p维云模型C(Ex_LH1,En_LH1,He_LH1,Ex_LH2,En_LH2,He_LH2,…,Ex_LHp,En_LHp,He_LHp)、C(Ex_MH1,En_MH1,He_MH1,Ex_MH2,En_MH2,He_MH2,…,Ex_MHp,En_MHp,He_MHp)、C(Ex_DH1,En_DH1,He_DH1,Ex_DH2,En_DH2,He_DH2,…,Ex_DHp,En_DHp,He_DHp)表示轻度高兴、中度高兴、深度高兴，也可结合人工标注方式，将视频抚慰资源按照确定度划分到三个情感概念。

对用户输入的文字，提取其m个情感属性特征值，即云滴x＝[x₁,x₂，…,x_m].假设文本的全体情感概念空间中有K个抚慰情感概念，对这K个抚慰情感概念分别按照下式计算其确定度：

$\mathrm{\μ}\left(x\right)=e^{-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\frac{{(x_i-{\mathrm{Ex}}_i)}^2}{2{{\mathrm{En}}_i}^{\′2}}}---\left(1\right)$

En_i’＝Norm(En_i,He_i ²) (2)

式中Ex、En和He为无下标泛指，在计算任何一个情感概念的任一属性时，分别对应其期望、熵和超熵。Norm表示正态分布。从式(1)和(2)可得到K个确定度μ(x)＝{μ_i(x)|i＝1,2,…,K}。若μ_I是μ(x)中的最大值，则将云滴x归属于用户负向情感概念I，即文本的情感属于云模型C_I表示的用户负向情感概念。从式(1)和(2)可以看出，由于En_i’是随机数，μ_i(x)也是随机的。因此对云滴x，每次的计算结果可能使得它归属于不同的用户负向情感概念。但En_i’的随机性以En_i为期望、He_i为标准差。因此μ_i(x)有稳定倾向。由此，云滴x将依概率归属于若干用户负向情感概念。

若云滴x归属于轻度悲伤、中度悲伤、深度悲伤等情感，则启动自动化情感抚慰过程。例如对中度悲伤，匹配以抚慰情感中度高兴。以云滴x在所属情感概念(中度悲伤)的确定度μ(x)为媒介，在中度高兴的三种载体(文字、音频、视频)资源库中，分别生成相应的云滴x’，即抚慰资源实例。生成方法为：

以[0.9*μ,1.1*μ]的区间沿确定度轴截取三个抚慰资源类型库，获得L个抚慰资源。随机选取其中的T个资源，得到抚慰资源组。

若[0.9*μ,1.1*μ]的区间内不能截取到任何抚慰资源，则分别将距μ最近的前t个资源作为抚慰资源，得到抚慰资源组。t值在三类媒体抚慰资源库中可分别独立调节。

上述方法获得的抚慰资源匹配结果的不确定性来自两个层面：即μ的随机性和[0.9*μ,1.1*μ]区间内抚慰资源的随机选择。由此，克服了情感抚慰的重复性，降低用户的抚慰疲劳。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种文本负向情感识别与自动化情感抚慰方法，其特征在于：包括如下步骤：

步骤1，用户下载用户端APP，注册为系统用户；

步骤2，用户端APP在用户授权情况下，使用文字采集模块采集用户向社交媒体录入的文字信息；

步骤3，根据文字中情感的属性特征利用情感分析模块分析文字中可能蕴含的负向情感，对识别的负向情感形成用户负向情感概念；

步骤4，负向情感概念输出模块将用户负向情感概念输出至情感抚慰云中心；

步骤5，情感抚慰云中心接收用户负向情感概念，从抚慰情感资源库选择对应的抚慰情感概念；

步骤6，情感抚慰云中心根据用户喜好选择抚慰载体类型；

步骤7，情感抚慰云中心生成抚慰资源组，向用户推送抚慰资源组。

2.根据权利要求1所述的文本负向情感识别与自动化情感抚慰方法，其特征在于：用户负向情感概念与抚慰情感概念之间的对应关系是非线性的，具体表现为：1)第j个用户负向情感概念的某个实例对应于第j个抚慰情感概念的多个不同实例；2)第j个用户负向情感概念边界区域的某个实例对应于第j+1或第j-1个抚慰情感概念的边界区域的多个不同实例。

3.根据权利要求1所述的文本负向情感识别与自动化情感抚慰方法，其特征在于：所述步骤3中文字中情感的属性特征使用文字云模型表示，文字云模型的维数为文字中情感的属性特征个数m。

4.根据权利要求3所述的文本负向情感识别与自动化情感抚慰方法，其特征在于：所述步骤3中具体包括如下步骤：

步骤301)提取文字采集模块采集的文字中情感的m个属性特征值x＝[x₁,x₂，…,x_m]；

步骤302)设文字的全体情感概念空间中有K个用户负向情感概念，用云模型C_ji(Ex_ji，

En_ji，He_ji)表示，Ex_ji、En_ji和He_ji分别为第j个用户负向情感概念第i个属性特征的期望、熵和超熵，i＝1,2,…,m；j＝1,2,…,K；

步骤303)对K个用户负向情感概念分别按照下式计算确定度μ_j(x)，：

${\mathrm{\μ}}_j\left(x\right)=e^{-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\frac{{(x_{ji}-{\mathrm{Ex}}_{ji})}^2}{2{{\mathrm{En}}_{ji}}^{\′2}}}---\left(1\right)$

En_ji’＝Norm(En_ji,He_ji ²) (2)

Norm表示正态分布；

步骤304)选取K个确定度中的最大值μ_J，则形成的用户负向情感概念为第J个用户负向情感概念。

5.根据权利要求4所述的文本负向情感识别与自动化情感抚慰方法，其特征在于：所述步骤6中抚慰载体类型包括文本、音频和视频。

6.根据权利要求5所述的文本负向情感识别与自动化情感抚慰方法，其特征在于：所述文本、音频和视频文件中情感的属性特征分别使用文字云模型、音频云模型和视频云模型表示，音频云模型的维数n和视频云模型的维数p分别为音频文件和视频文件中情感的属性特征个数。

7.根据权利要求6所述的文本负向情感识别与自动化情感抚慰方法，其特征在于：所述步骤7中生成抚慰资源组具体包括在文本、音频和视频抚慰资源库中分别执行如下步骤：

步骤701)以[0.9*μ_J,1.1*μ_J]的区间沿确定度轴截取抚慰资源，若截取到的抚慰资源数≥T个，在获得的抚慰资源中随机选取T个资源，得到抚慰资源组；若截取到的抚慰资源数＜T个，转到步骤702；

步骤702)将距μ_J最近的前t个资源加入截取到的抚慰资源，得到抚慰资源组。

8.一种实现权利要求1至7任一所述方法的文本负向情感识别与自动化情感抚慰系统，其特征在于：包括用户端APP和情感抚慰云中心，

所述用户端APP在用户授权情况下，使用文字采集模块采集用户向社交媒体录入的文字信息；利用情感分析模块分析文字中可能蕴含的负向情感，对识别的负向情感形成用户负向情感概念；负向情感概念输出模块将该用户负向情感概念输出至情感抚慰云中心；

所述情感抚慰云中心包括用户管理模块、抚慰情感概念库、抚慰情感资源库、抚慰资源更新模块、抚慰概念匹配策略模块、抚慰概念载体类型匹配策略模块；

用户管理模块负责用户注册、登录、管理；抚慰情感概念库包括K个抚慰情感概念，所述K个抚慰情感概念分别和K个用户负向情感概念相对应；抚慰情感资源库包括文本抚慰资源库、音频抚慰资源库和视频抚慰资源库，按照抚慰情感概念的确定度设有若干抚慰资源；抚慰资源更新模块对抚慰情感概念库和抚慰情感资源库进行更新；抚慰概念载体类型匹配策略模块根据用户喜好，对匹配到的抚慰情感概念选择抚慰载体类型。