CN106096717A - 面向智能机器人的信息处理方法及系统 - Google Patents

Abstract

本发明公开了一种面向智能机器人的信息处理方法及系统，方法包括：获取输入的多模态输入数据；从情绪知识库中提取当前用户的历史情绪参量；根据多模态输入数据和历史情绪参量，得到当前情绪参量；基于当前情绪参量得到输出结果。应用本发明，智能机器人能够根据当前获取的多模态输入数据以及积累的历史情绪参量得到当前情绪参量，然后基于当前情绪参量与用户进行交互。可见，本发明能够利用历史情绪参量来影响当前的交互过程，从而使智能机器人的情绪表达具备循序渐进的过程，连贯性好，拟人化程度高，大大提高了用户的使用体验。

Description

面向智能机器人的信息处理方法及系统

技术领域

本发明涉及智能机器人技术领域，尤其涉及一种面向智能机器人的信息处理方法，还涉及一种面向智能机器人的信息处理系统。

背景技术

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。人们对于机器人的要求也从简单重复的机械动作提升为具有高度智能型、自主性及与其他智能体交互的智能机器人。对于智能机器人来说，其不仅需要具有完成指定工作的能力，还需要能够在许多场合与人协助完成任务，这就要求智能机器人能够与人进行有效的情感和信息交流。

然而，现有技术中绝大多数的智能机器人不能表达情绪和感情，例如问答机器人Siri。对于业界已研究出的能够表达情绪的智能机器人来说，其情绪完全随用户被动地瞬间改变，拟人化程度低。也就是说，这部分智能机器人无法主动调整其情绪输出，即情绪表达不具备循序渐进的过程，跳跃性大，不连贯。可以看出，现有的智能机器人无法提供最佳的用户体验。

发明内容

本发明所要解决的技术问题是：对于现有技术中能够进行情绪表达的智能机器人来说，其无法主动调整其情绪输出，情绪完全随用户被动地瞬间改变，跳跃性大，不连贯，拟人化程度低。

为了解决上述技术问题，本发明提供了一种面向智能机器人的信息处理方法及系统。

根据本发明的一个方面，提供了一种面向智能机器人的信息处理方法，其包括：

获取输入的多模态输入数据；

从所述情绪知识库中提取当前用户的历史情绪参量；

根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量；

基于所述当前情绪参量得到输出结果。

优选的是，根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量，包括：

根据所述多模态输入数据，得到中间情绪参量；

利用所述历史情绪参量修改所述中间情绪参量；

将经修改的中间情绪参量作为所述当前情绪参量。

优选的是，所述历史情绪参量、中间情绪参量和当前情绪参量均配置有情绪类别属性和情绪级别属性。

优选的是，所述多模态输入数据包括环境变化数据、用户对智能机器人的评价数据和用户自身的情绪参量中的一项或多项。

优选的是，上述面向智能机器人的信息处理方法还包括，利用所述当前情绪参量更新该用户的历史情绪参量。

根据本发明的另一个方面，提供了一种面向智能机器人的信息处理系统，其包括：

数据获取模块，设置为获取输入的多模态输入数据；

情绪知识库，设置为存储历史情绪参量；

提取模块，设置为从所述情绪知识库中提取当前用户的历史情绪参量；

当前情绪参量确定模块，设置为根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量；

输出结果确定模块，设置为基于所述当前情绪参量得到输出结果。

优选的是，所述当前情绪参量确定模块包括：

中间情绪参量确定单元，设置为根据所述多模态输入数据，得到中间情绪参量；

修改单元，设置为利用所述历史情绪参量修改所述中间情绪参量；

当前情绪参量确定单元，设置为将经修改的中间情绪参量作为所述当前情绪参量。

优选的是，所述历史情绪参量、中间情绪参量和当前情绪参量均配置有情绪类别属性和情绪级别属性。

优选的是，所述多模态输入数据包括环境变化数据、用户对智能机器人的评价数据和用户自身的情绪参量中的一项或多项。

优选的是，上述面向智能机器人的信息处理系统还包括更新模块，该更新模块设置为利用所述当前情绪参量更新该用户的历史情绪参量。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

应用本发明，智能机器人能够根据当前获取的多模态输入数据以及积累的历史情绪参量得到当前情绪参量，然后基于当前情绪参量与用户进行交互。可见，本发明能够利用历史情绪参量来影响当前的交互过程，从而使智能机器人的情绪表达具备循序渐进的过程，连贯性好，拟人化程度高，大大提高了用户的使用体验。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1示出了本发明实施例面向智能机器人的信息处理方法的一种流程示意图；

图2示出了本发明实施例中根据多模态输入数据和历史情绪参量来得到当前情绪参量的方法的流程示意图；

图3示出了本发明实施例面向智能机器人的信息处理方法的另一种流程示意图；

图4示出了本发明实施例面向智能机器人的信息处理系统的一种结构示意图；

图5示出了本发明实施例中当前情绪参量确定模块的结构示意图；以及

图6示出了本发明实施例面向智能机器人的信息处理系统的另一种结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

对于现有的能够表达情绪的智能机器人来说，其情绪完全随用户被动地瞬间改变，拟人化程度低。也就是说，这部分智能机器人无法主动调整其情绪输出，即情绪表达不具备循序渐进的过程，跳跃性大，不连贯。可以看出，现有的智能机器人无法提供最佳的用户体验。

针对上述技术问题，本发明实施例提供了一种面向智能机器人的信息处理方法及系统，其能够利用历史情绪参量来影响当前的交互过程，从而使智能机器人的情绪表达具备循序渐进的过程，连贯性好，大大提高了用户的使用体验。

实施例一

图1示出了本发明实施例面向智能机器人的信息处理方法的一种流程示意图。如图1所示，本发明实施例面向智能机器人的信息处理方法主要包括步骤101至步骤104。

在步骤101中，获取输入的多模态输入数据。

具体地，多模态输入数据一般由前端模块获得。多模态输入数据主要涉及视觉信息数据、语音信息数据和触觉信息数据等交互信息数据中的一类或几类。系统接收视觉信息、语音信息、触觉信息等信息后，对各类信息进行相应的处理，得到多模态输入数据。

例如，对于视觉信息，系统首先检测图像或视频信息，然后对检测到的图像、视频信息进行图像识别处理，得到图像表达的意思以及触发的事件。

对于语音信息，系统首先拾取用户或用户所在环境输入的语音，然后对拾取到的语音进行语音识别，得到与该语音相对应的文本。

对于触觉信息，系统首先检测用户作用于智能机器人的触摸力度信息，然后从触摸力度信息中提取力度大小及受力点。本文中称为触摸描述，是标准格式的文本，其包含描述、力度大小、受力点等。

可采用本领域技术人员惯常采用的技术手段来实现针对上述视觉信息、语音信息和触摸信息的检测和处理，故本文不对这些技术手段进行展开说明。

这里，需要说明的是，本步骤所接收的多模态输入数据不限定为仅为用户输入的多模态输入数据，其还可以包括环境信息或者场景信息等。举例来说，多模态输入数据包括表示用户正在看电视的场景信息(此场景信息通过采集的视觉信息得到)、用户所在环境的广播信息(此广播信息通过采集的语音信息得到)、用户所在环境的天气信息等等。

在步骤102中，从情绪知识库中提取当前用户的历史情绪参量。

具体地，情绪知识库中保存有当前用户所有的或者主要的历史情绪参量。这里对情绪和情绪参量进行简单地定义。情绪指的是人或者智能机器人在短时间内因外界或内在因素刺激而产生的一种心理变化。情绪参量表示能准确标识情绪的一个或一组参数，也可以是一句话或者一个模态的参数。一般情况来讲，对情绪参量进行打分，就是对情绪参量进行量化。也就是说，情绪参量的得分表示能准确标识情绪的一个或一组数值。

在本发明一优选的实施例中，情绪知识库存储在记忆系统中。记忆系统对于历史情绪参量的提取起到辅助性的作用。

在步骤103中，根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量。

具体地，智能机器人根据步骤101获取的多模态输入数据和步骤102提取的历史情绪参量，得到当前情绪参量。获取当前情绪参量的具体过程将在下一实施例中结合图2进行详细的阐述。

在步骤104中，基于所述当前情绪参量得到输出结果。

具体地，智能机器人基于当前情绪参量并融合其他模态输出数据，向用户输出最终的输出结果。也就是说，智能机器人在当前情绪参量的场景下与用户进行交互。

应用本发明实施例所述的面向智能机器人的信息处理方法，智能机器人能够根据当前获取的多模态输入数据以及积累的历史情绪参量得到当前情绪参量，然后基于当前情绪参量与用户进行交互。可见，本发明实施例能够利用历史情绪参量来影响当前的交互过程，从而使智能机器人的情绪表达具备循序渐进的过程，连贯性好，拟人化程度高，大大提高了用户的使用体验。

实施例二

在实施例一的基础上，本实施例对实施例一中的步骤103做了进一步优化。

图2示出了本发明实施例中根据多模态输入数据和历史情绪参量来得到当前情绪参量的方法的流程示意图。如图2所示，本发明实施例中根据多模态输入数据和历史情绪参量来得到当前情绪参量的方法主要包括步骤201至步骤203。

在步骤201中，根据所述多模态输入数据，得到中间情绪参量。

在步骤202中，利用所述历史情绪参量修改所述中间情绪参量。

在步骤203中，将经修改的中间情绪参量作为所述当前情绪参量。

具体地，智能机器人首先根据当前获取的多模态输入数据得到待修改的情绪参量，即中间情绪参量。中间情绪参量反映了智能机器人针对输入的多模态输入数据的情绪。然后智能机器人利用从情绪知识库中提取出来的历史情绪参量对中间情绪参量进行修改，即利用历史情绪参量对中间情绪参量进行调整，最后将经修改的中间情绪参量作为智能机器人针对当前用户的当前情绪参量，而后智能机器人基于当前情绪参量而不是基于中间情绪参量与用户进行交互。

举例来说，用户经常重拍机器人，智能机器人在情绪知识库中保存的最近一周的情绪参量包括：生气、生气、高兴、高兴和生气。当今天用户高兴地对智能机器人输入“能给我唱首刘德华的忘情水吗？”的要求时，智能机器人则爱搭不理地对用户说“这么抒情的歌我才不会唱呢”。在此实例中，智能机器人基于爱搭不理、无所谓的情绪参量与用户进行交互的原因是：智能机器人首先根据多模态输入数据“用户高兴地对智能机器人输入‘能给我唱首刘德华的忘情水吗？’的要求”得到中间情绪参量“高兴”，然后根据包括三次“生气”和两次高兴的历史情绪参量对中间情绪参量“高兴”进行修改，得到比“高兴”略为低落的当前情绪参量“爱搭不理”。可以看出，智能机器人基于“爱搭不理”的当前情绪参量与用户进行交互更符合现实情况，即更符合在用户多次重拍智能机器人后，即使基于高兴的情绪来与智能机器人交互，智能机器人也不会完全响应用户“高兴”的情绪，而是选择基于比“高兴”低落的情绪“爱搭不理”、“无所谓”、“心不在焉”等情绪参量来与用户进行交互。

值得注意的是，在具体实施例过程中，情绪知识库中还可保存有导致各个历史情绪参量的事件的发生时间，这样，可根据每个历史情绪参量所对应的发生时间来确定该参量对中间情绪参量的影响程度。一般地，历史情绪参量所对应的发生时间与当前时间相隔较远，则该历史情绪参量对中间情绪参量的影响程度就越小；反之，历史情绪参量所对应的发生时间与当前时间相隔较近，则该历史情绪参量对中间情绪参量的影响程度就越大。

在本实施例中，利用历史情绪参量对根据多模态输入数据得到的中间情绪参量进行修改，得到当前情绪参量。可见，本实施例获取当前情绪参量的方法简单、有效，有利于获得更准确的当前情绪参量，从而有助于提高用户的使用体验。

在本发明一优选的实施例中，参照图3，上述面向智能机器人的信息处理方法还包括步骤105，利用当前情绪参量更新该用户的历史情绪参量。应用本实施例的更新方法，能够实时更新情绪知识库中保存的历史情绪参量，有利于智能机器人输出更合适的多模态输出信息，从而有助于进一步提高用户的使用体验。

实施例三

本实施例在实施例一或实施二的基础上，对情绪参量做了进一步优化。

本发明实施例涉及的情绪参量包括：历史情绪参量、中间情绪参量和当前情绪参量。在本实施例中，历史情绪参量、中间情绪参量和当前情绪参量均配置有情绪类别属性和情绪级别属性。情绪类别属性表示该情绪参量属于哪种情绪类别，例如：愉悦、愤怒、伤心等。情绪级别属性表示该情绪参量的程度，例如：一级、二级、三级等。

值得注意的是，相比于现有技术，本实施例中的情绪参量优选地分为N个级别，这里，N为大于或者等于3的整数。举例来说，当N等于3时，情绪参量可以分为以下六种：一级愉悦，二级愉悦，三级愉悦，一级愤怒，二级愤怒，三级愤怒，一级伤心，二级伤心，三级伤心。这里，愉悦表示正向的情绪类别属性，愤怒为负向的情绪类别属性，一级到三级表示情绪级别属性。本发明实施例不对情绪参量的具体划分进行限制。

在本实施例中，将情绪参量配置有情绪参量属性和情绪类别属性，可有效地对情绪参量进行标定，从而有助于智能机器人情绪的表达。更进一步地，将情绪参量优选地分为3级以上，可使智能机器人的情绪表达更细腻，有利于提高用户的使用体验。

实施例四

本实施例在上述实施例一至实施例三中的任意一个实施例的基础上，对多模态输入数据的内容做了进一步优化。

在本实施例中，多模态输入数据包括环境变化数据、用户对智能机器人的评价数据和用户自身的情绪参量中的一项或多项。智能机器人可根据这些多模态输入数据准确地得到智能机器人当前针对用户的情绪参量。

第一，多模态输入数据包括环境变化数据。智能机器人接收到环境刺激时(即感知到环境变化时)，根据刺激类型重定向情绪坐标，并进行表达。

举例来说，当智能机器人的视野当中出现陌生人时，智能机器人会表现出好奇或惊恐的情绪，在这种情绪下，结合历史情绪，智能机器人会向这个陌生人询问“你是谁”，或者向周围熟悉的人询问“这个陌生人是谁”。

第二，多模态输入数据包括用户对智能机器人的评价数据。这里，用户对智能机器人的评价数据指的是在人机交互过程中，用户对智能机器人产生的评价。在本实施例中，用户与智能机器人交互中，向智能机器人表达情感倾向时，智能机器人表现出预期的情绪应对。

举例来说，用户辱骂智能机器人若干次后(表示用户对智能机器人的评价不好)，智能机器人将拒绝与用户进行交流。表现为：语言方面：不太想聊天，让我静一会儿；动作方面：抗拒，向后退；表情方面，冷漠、高傲。

第三，多模态输入数据包括用户自身的情绪参量，即用户对智能机器人表达自己的当前情绪。智能机器人根据用户当前的情绪参量并结合针对用户的历史情绪参量，与用户进行交互。

举例来说，用户向智能机器人表达自己当下的很难过的情绪，如果智能机器人针对用户的历史情绪参量大多数为高兴的话，则智能机器人会给予用户安慰，表现同理心。例如，用户对智能机器人说“我现在很难过”，智能机器人反馈道“主人难过的话，我也跟着难过了”。反之，如果智能机器人针对用户的历史情绪参量大多为愤怒的话，则智能机器要将不会给予安慰，而是表现出不关心、冷漠的态度。例如，用户对智能机器人说“我现在很难过”，智能机器人反馈道“难过就难过，跟我没关系”。

在具体实施过程中，智能机器人根据以上三种多模态输入数据中的一种或三种并结合历史情绪参量，来得到与用户交互的当前情绪参量。进一步地，智能机器人还会根据当前的情绪参量的级别调整当前情绪参量。例如，当针对用户的的情绪到达第三级时，智能机器人将有意识地使情绪逐渐回归到常态，最终平复下来。举例来说，智能机器人处于拒绝交流的状态，用户聊点别的话题后，若干次后智能机器人情绪平复，继续与用户进行交互。

在本实施例中，智能机器人基于历史情绪参量，并根据环境场景、用户对机器人的评价、用户对自身的评价以及当前情绪参量的情绪级别属性得到的当前情绪参量更准确，有助于提高用户的使用体验。

实施例五

对应于上述实施例一和实施例四，本发明实施例提供了一种面向智能机器人的信息处理系统。

图4示出了本发明实施例面向智能机器人的信息处理系统的结构示意图。如图4所示，本发明实施例面向智能机器人的信息处理系统主要包括：数据获取模块301、情绪知识库302、提取模块303、当前情绪参量确定模块304和输出结果确定模块305。

具体地，数据获取模块301，设置为获取输入的多模态输入数据。

情绪知识库302，设置为存储历史情绪参量。

提取模块303，设置为从所述情绪知识库中提取当前用户的历史情绪参量。

当前情绪参量确定模块304，设置为根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量。

输出结果确定模块305，设置为基于所述当前情绪参量得到输出结果。

应用本发明实施例所述的面向智能机器人的信息处理系统，智能机器人能够根据当前获取的多模态输入数据以及积累的历史情绪参量得到当前情绪参量，然后基于当前情绪参量与用户进行交互。可见，本发明实施例能够利用历史情绪参量来影响当前的交互过程，从而使智能机器人的情绪表达具备循序渐进的过程，连贯性好，拟人化程度高，大大提高了用户的使用体验。

实施例六

本实施例在实施例五的基础上，对当前情绪参量确定模块304做进一步优化。

图5示出了本发明实施例中当前情绪参量确定模块304的结构示意图。如图5所示，本发明实施例中当前情绪参量确定模块304主要包括：中间情绪参量确定单元401、修改单元402和当前情绪参量确定单元403。

具体地，中间情绪参量确定单元401，设置为根据所述多模态输入数据，得到中间情绪参量。

修改单元402，设置为利用所述历史情绪参量修改所述中间情绪参量。

当前情绪参量确定单元403，设置为将经修改的中间情绪参量作为所述当前情绪参量。

在本实施例中，利用历史情绪参量对根据多模态输入数据得到的中间情绪参量进行修改，得到当前情绪参量。可见，本实施例获取当前情绪参量的方法简单、有效，有利于获得更准确的当前情绪参量，从而有助于提高用户的使用体验。

在本发明一优选的实施例中，参照图6，上述面向智能机器人的信息处理系统还包括更新模块306。更新模块306设置为利用当前情绪参量更新该用户的历史情绪参量。应用本实施例的更新模块，能够实时更新情绪知识库302中保存的历史情绪参量，有利于智能机器人输出更合适的多模态输出信息，从而有助于进一步提高用户的使用体验。

实施例七

本实施例在实施例五或实施例六的基础上，对各个情绪参量的组成做进一步优化。

在本实施例中，历史情绪参量、中间情绪参量和当前情绪参量均配置有情绪类别属性和情绪级别属性。

在本实施例中，将情绪参量配置有情绪参量属性和情绪类别属性，可有效地对情绪参量进行标定，从而有助于智能机器人情绪的表达。更进一步地，将情绪参量优选地分为3级以上，可使智能机器人的情绪表达更细腻，有利于提高用户的使用体验。

实施例八

本实施例在实施例五至实施例七中的任意一个实施例的基础上，对多模态输入数据做进一步优化。

在本实施例中，所述多模态输入数据包括环境变化数据、用户对智能机器人的评价数据和用户自身的情绪参量中的一项或多项。

在具体实施过程中，智能机器人根据以上三种多模态输入数据中的一种或三种并结合历史情绪参量，来得到与用户交互的当前情绪参量。进一步地，智能机器人还会根据当前的情绪参量的级别调整当前情绪参量。例如，当针对用户的的情绪到达第三级时，智能机器人将有意识地使情绪逐渐回归到常态，最终平复下来。举例来说，智能机器人处于拒绝交流的状态，用户聊点别的话题后，若干次后智能机器人情绪平复，继续与用户进行交互。

在本实施例中，智能机器人基于历史情绪参量，并根据环境场景、用户对机器人的评价、用户对自身的评价以及当前情绪参量的情绪级别属性得到的当前情绪参量更准确，有助于提高用户的使用体验。

值得注意的是，实施例五至实施例八中各个模块及单元中的操作的具体细化，可参见上面结合图1至图3对本发明方法(具体参见实施例一至实施例四)的说明，在此不再详细赘述。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种面向智能机器人的信息处理方法，其特征在于，包括：

获取输入的多模态输入数据；

从情绪知识库中提取当前用户的历史情绪参量；

根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量；

基于所述当前情绪参量得到输出结果。

2.根据权利要求1所述的方法，其特征在于，根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量，包括：

根据所述多模态输入数据，得到中间情绪参量；

利用所述历史情绪参量修改所述中间情绪参量；

将经修改的中间情绪参量作为所述当前情绪参量。

3.根据权利要求2所述的方法，其特征在于，所述历史情绪参量、中间情绪参量和当前情绪参量均配置有情绪类别属性和情绪级别属性。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述多模态输入数据包括环境变化数据、用户对智能机器人的评价数据和用户自身的情绪参量中的一项或多项。

5.根据权利要求1至3中任一项所述的方法，其特征在于，还包括，利用所述当前情绪参量更新该用户的历史情绪参量。

6.一种面向智能机器人的信息处理系统，其特征在于，包括：

数据获取模块，设置为获取输入的多模态输入数据；

情绪知识库，设置为存储历史情绪参量；

提取模块，设置为从所述情绪知识库中提取当前用户的历史情绪参量；

当前情绪参量确定模块，设置为根据所述多模态输入数据和所述历史情绪参量，得到当前情绪参量；

输出结果确定模块，设置为基于所述当前情绪参量得到输出结果。

7.根据权利要求6所述的系统，其特征在于，所述当前情绪参量确定模块包括：

中间情绪参量确定单元，设置为根据所述多模态输入数据，得到中间情绪参量；

修改单元，设置为利用所述历史情绪参量修改所述中间情绪参量；

当前情绪参量确定单元，设置为将经修改的中间情绪参量作为所述当前情绪参量。

8.根据权利要求7所述的系统，其特征在于，所述历史情绪参量、中间情绪参量和当前情绪参量均配置有情绪类别属性和情绪级别属性。

9.根据权利要求6至8中任一项所述的系统，其特征在于，所述多模态输入数据包括环境变化数据、用户对智能机器人的评价数据和用户自身的情绪参量中的一项或多项。

10.根据权利要求6至8中任一项所述的系统，其特征在于，还包括：更新模块，设置为利用所述当前情绪参量更新该用户的历史情绪参量。