CN107491435A - 基于计算机自动识别用户情感的方法及装置 - Google Patents
基于计算机自动识别用户情感的方法及装置 Download PDFInfo
- Publication number
- CN107491435A CN107491435A CN201710693278.5A CN201710693278A CN107491435A CN 107491435 A CN107491435 A CN 107491435A CN 201710693278 A CN201710693278 A CN 201710693278A CN 107491435 A CN107491435 A CN 107491435A
- Authority
- CN
- China
- Prior art keywords
- text
- keyword
- user
- similarity
- context
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的基于计算机自动识别用户情感的方法及装置,方法为:获取用户输入文本,并通过摄像头获取图像;对用户输入文本进行分词和关键词提取处理,得到关键词;对用户输入文本进行会话识别处理,得到会话识别处理结果;根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,并根据属性信息进行情感识别,属性信息包括关键词、上下文语境和环境。本发明通过关键词结合上下文及环境进行情感识别,克服口语化、短文本带来的分类困难,实现精准分类,可以实现细粒度情感识别。
Description
技术领域
本发明涉及人工智能领域,尤其涉及基于计算机自动识别用户情感的方法及装置领域。
背景技术
计算机可以对传感器采集到的人类行为信号(例如文本输入、表情信号、声音信号、手势动作等等)进行识别,例如自然语言识别、表情识别、动作识别、环境识别等,从而进行相应的反馈。
对于文本输入及语音输入,不仅需要识别其语义,还需要识别其情感,以更为准确、更为人性化地对用户的语音输入进行反馈。但是目前,市面上多数的人机交互设备均未充分考虑用户的输入时的情感因素。
情感识别的基础是情感分类,即定义若干类情感,以便后续根据情感分类的定义,将识别结果确定为某类具体情感。
基于文本的情感分类的实现方式是:
利用输入的文本与数据库中保存的文本进行相似度匹配,数据库中的每条文本均对应有情感标签,情感标签分为三类情感:正面情绪、中性情绪、负面情绪。初期主要是对新闻报道等舆情进行情感识别。新闻报道的文本较长,且样本量较多,舆情分析也不需要细粒度的情感分类;将匹配成功的数据库文本的情感标签识别为当前文本的情感。随后,情感识别用于社交,社交媒体产生的文本通常为短文本(例如短信、微博、微信消息等等)。短文本的信息量较少,为情感分类带来了难度,并且正中负三类情绪无法满足社交媒体的情感识别需求。
随着人工智能的发展,情感交互机器人随之应运而生。这种交互方式产生的文本更短,具有口语化的特点,情感识别难度大。另外对情感分类多样化的需求更大。
因此,现有技术中的缺陷是:现有的人机交互过程中,对于短文本,或口语化的文本进行情感识别,识别难度大,对情感的分类不准确。
发明内容
针对上述技术问题,本发明提供一种基于计算机自动识别用户情感的方法及装置,通过关键词结合上下文及环境进行情感识别,克服口语化、短文本带来的分类困难,实现精准分类,可以实现细粒度情感识别。
为解决上述技术问题,本发明提供的技术方案是:
第一方面,本发明提供一种基于计算机自动识别用户情感的方法,包括:
步骤S1,获取用户输入文本,并通过摄像头获取图像;
步骤S2,对所述用户输入文本进行分词和关键词提取处理,得到关键词;
步骤S3,对所述用户输入文本进行会话识别处理,得到会话识别处理结果;
步骤S4,根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,并根据所述属性信息进行情感识别,所述属性信息包括关键词、上下文语境和环境。
本发明提供的一种基于计算机自动识别用户情感的方法,其技术方案为:获取用户输入文本,并通过摄像头获取图像;对所述用户输入文本进行分词和关键词提取处理,得到关键词;对所述用户输入文本进行会话识别处理,得到会话识别处理结果;根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,并根据所述属性信息进行情感识别,所述属性信息包括关键词、上下文语境和环境。
本发明提供的一种基于计算机自动识别用户情感的方法,通过关键词结合上下文及环境进行情感识别,克服口语化、短文本带来的分类困难,实现精准分类,可以实现细粒度情感识别。
进一步地,所述步骤S3,具体为:
获取所述用户输入文本对应的上下文记录信息;
判断当前输入的文本是否属于当前轮会话,若属于所述当前轮会话,获取所述上下文记录信息的情感信息和上下文关键词,作为会话识别处理结果。
进一步地,所述步骤S4,具体为:
根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,所述属性信息包括关键词、上下文语境和环境;
根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别。
进一步地,所述根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别,具体为:
根据所述属性信息,遍历数据库,计算所述用户输入文本与所述数据库中每个文本的相似度,包括所述用户输入文本与所述数据库中每个文本的关键词的关键词相似度,所述用户输入文本的上下文语境与所述数据库中每个文本的上下文语境的上下文语境相似度,所述用户输入文本的环境与所述数据库中每个文本的环境的环境相似度;
通过预先为所述关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,计算所述用户输入文本与所述数据库中每个文本的综合相似度;
获取所述综合相似度中最高相似度对应的所述数据库中的文本,将所述文本对应的情感标签作为所述用户输入文本的情感。
进一步地,所述根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别,具体为:
根据所述属性信息,遍历数据库,计算所述用户输入文本与所述数据库中每个文本的相似度:
分别计算所述用户输入文本的关键词与所述数据库中每个文本的关键词的关键词相似度;
将所述关键词相似度与预设相似度进行比较,当所述关键词相似度满足所述预设相似度的条件,分别进行上下文语境相似度和环境相似度的计算;
通过预先为所述关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,计算所述用户输入文本与所述数据库中每个文本的综合相似度;
获取所述综合相似度中最高相似度对应的所述数据库中的文本,将所述文本对应的情感标签作为所述用户输入文本的情感。
进一步地,所述步骤S4,具体为:
根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,所述属性信息包括关键词、上下文语境和环境;
根据所述属性信息,基于预先训练的分类器实现情感识别。
进一步地,还包括:
根据所述关键词,得到当前语句的特征;
对所述图像进行识别处理,得到物体关键词;
根据所述当前语句的特征、所述物体关键词和所述属性信息,基于预先训练的分类器实现情感识别。
第二方面,本发明提供一种基于计算机自动识别用户情感的装置,包括:
数据获取模块,用于获取用户输入文本,并通过摄像头获取图像;
关键词提取模块,用于对所述用户输入文本进行分词和关键词提取处理,得到关键词;
会话识别处理模块,用于对所述用户输入文本进行会话识别处理,得到会话识别处理结果;
情感识别模块,用于根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,并根据所述属性信息进行情感识别,所述属性信息包括关键词、上下文语境和环境。
本发明提供的基于计算机自动识别用户情感的装置,其技术方案为:通过数据获取模块,获取用户输入文本,并通过摄像头获取图像;通过关键词提取模块,对所述用户输入文本进行分词和关键词提取处理,得到关键词;通过会话识别处理模块,对所述用户输入文本进行会话识别处理,得到会话识别处理结果;通过情感识别模块,根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,并根据所述属性信息进行情感识别,所述属性信息包括关键词、上下文语境和环境。
本发明提供的基于计算机自动识别用户情感的装置,通过关键词结合上下文及环境进行情感识别,克服口语化、短文本带来的分类困难,实现精准分类,可以实现细粒度情感识别。
进一步地,所述会话识别处理模块,具体用于:
获取所述用户输入文本对应的上下文记录信息;
判断当前输入的文本是否属于当前轮会话,若属于所述当前轮会话,获取所述上下文记录信息的情感信息和上下文关键词,作为会话识别处理结果。
进一步地,所述情感识别模块,具体用于:
根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,所述属性信息包括关键词、上下文语境和环境;
根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1示出了本发明实施例所提供的一种基于计算机自动识别用户情感的方法的流程图;
图2示出了本发明实施例所提供的一种基于计算机自动识别用户情感的装置的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
实施例一
第一方面,图1示出了本发明实施例所提供的一种基于计算机自动识别用户情感的方法的流程图;如图1所示,实施例一提供的一种基于计算机自动识别用户情感的方法,包括:
步骤S1,获取用户输入文本,并通过摄像头获取图像;
步骤S2,对用户输入文本进行分词和关键词提取处理,得到关键词;
步骤S3,对用户输入文本进行会话识别处理,得到会话识别处理结果;
步骤S4,根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,并根据属性信息进行情感识别,属性信息包括关键词、上下文语境和环境。
本发明提供的一种基于计算机自动识别用户情感的方法,其技术方案为:获取用户输入文本,并通过摄像头获取图像;对用户输入文本进行分词和关键词提取处理,得到关键词;对用户输入文本进行会话识别处理,得到会话识别处理结果;根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,并根据属性信息进行情感识别,属性信息包括关键词、上下文语境和环境。
本发明提供的一种基于计算机自动识别用户情感的方法,通过关键词结合上下文及环境进行情感识别,克服口语化、短文本带来的分类困难,实现精准分类,可以实现细粒度情感识别。
作为本发明的优选实施例,步骤S3,具体为:
获取用户输入文本对应的上下文记录信息;
判断当前输入的文本是否属于当前轮会话,若属于当前轮会话,获取上下文记录信息的情感信息和上下文关键词,作为会话识别处理结果。
对当前输入的文本要做进一步的判断,只有是当前轮会话,才对用户输入文本进行处理,提高数据处理速度。
作为本发明的优选实施例,步骤S4,具体为:
根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,属性信息包括关键词、上下文语境和环境;
根据属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别。
对于数据库匹配的情感识别方式,通过优化数据库结构,从而提高了情感识别的识别效率。
其中,数据库中包括多条文本信息,每条文本信息对应一个情感标签,情感标签包括粗粒度情感标签和细粒度情感标签。
其中,粗粒度情感标签包括正面情绪标签、中性情绪标签和负面情绪标签。
其中,细粒度情感标签包括多种情感标签,至少可包括17种情感标签。
其中,上下文语境包括上文情感变量和上文关键词变量。
其中,环境包括图片和环境关键词,环境关键词通过图像识别技术获得的图像周边包含的主要物体的名字。
其中,数据库中的多条文本信息根据关键词进行分组存储。
其中,数据库中的多条文本信息根据关键词以树形结构存储。
作为本发明的优选实施例,根据属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别,具体为:
根据属性信息,遍历数据库,计算用户输入文本与数据库中每个文本的相似度,包括用户输入文本与数据库中每个文本的关键词的关键词相似度,用户输入文本的上下文语境与数据库中每个文本的上下文语境的上下文语境相似度,用户输入文本的环境与数据库中每个文本的环境的环境相似度;
通过预先为关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,计算用户输入文本与数据库中每个文本的综合相似度;
获取综合相似度中最高相似度对应的数据库中的文本,将文本对应的情感标签作为用户输入文本的情感。
基于数据库,得到相似度高的文本对应的情感,提高情感识别的准确度。
其中,关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,可根据经验预置,也可先根据经验预先设置,然后使用贪婪搜索的方式获取使得相似度计算结果最为准确的权重值。
作为本发明的优选实施例,根据属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别,具体为:
根据属性信息,遍历数据库,计算用户输入文本与数据库中每个文本的相似度:
分别计算用户输入文本的关键词与数据库中每个文本的关键词的关键词相似度;
将关键词相似度与预设相似度进行比较,当关键词相似度满足预设相似度的条件,分别进行上下文语境相似度和环境相似度的计算;
通过预先为关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,计算用户输入文本与数据库中每个文本的综合相似度;
获取综合相似度中最高相似度对应的数据库中的文本,将文本对应的情感标签作为用户输入文本的情感。
先进行关键词相似度的选择,将不符合关键词相似度条件的文本进行过滤,然后再计算上下文语境相似度和环境相似度,进行情感的识别,进一步提高了情感识别的准确度。
其中预设相似度的条件包括取相似度最高的前K条,或相似度大于阈值。
作为本发明的优选实施例,根据属性信息,遍历数据库,计算用户输入文本与数据库中每个文本的相似度,还包括:
根据属性信息,遍历数据库,获取与用户输入文本的关键词相关的数据库;
分别计算用户输入文本与相关的数据库中每个文本的相似度,包括关键词相似度、上下文语境关键词和环境相似度。
另外,还可以基于相关的数据库进行相似度的匹配,丰富情感识别的数据库,使情感识别的范围更大,得到的识别结果更准确。
作为本发明的优选实施例,通过图像检测,计算得到环境相似度,具体为:
将图像与数据库中文本的图像进行图像匹配,得到环境相似度;
或
识别图像中的物体,生成物体的关键词;
将物体的关键词与数据库中文本的物品关键词进行相似度匹配,得到环境相似度。
通过摄像头采集用户的图像,图像中可包括当前对话的环境信息,其中图像中不仅包括用户本人,还可包括周围环境物品,识别图像中的物品,进行图像相似度的匹配,得到环境相似度。
作为本发明的优选实施例,步骤S4,具体为:
根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,属性信息包括关键词、上下文语境和环境;
根据属性信息,基于预先训练的分类器实现情感识别。
还可基于预先训练的分类器实现情感识别,其中,分类器是基于机器学习的方法进行建立的,基于机器学习的方式进行情感识别,可提高情感识别的准确度。
作为本发明的优选实施例,还包括:
根据关键词,得到当前语句的特征;
对图像进行识别处理,得到物体关键词;
根据当前语句的特征、物体关键词和属性信息,基于预先训练的分类器实现情感识别。
基于分类器进行情感识别,输入分类器的参数不只包括属性信息,还可包括当前语句的特征和物体关键词,考虑更多的参数,可提高识别的准确度。
参见图2,第二方面,本发明提供一种基于计算机自动识别用户情感的装置10,包括:
数据获取模块101,用于获取用户输入文本,并通过摄像头获取图像;
关键词提取模块102,用于对用户输入文本进行分词和关键词提取处理,得到关键词;
会话识别处理模块103,用于对用户输入文本进行会话识别处理,得到会话识别处理结果;
情感识别模块104,用于根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,并根据属性信息进行情感识别,属性信息包括关键词、上下文语境和环境。
本发明提供的基于计算机自动识别用户情感的装置10,其技术方案为:通过数据获取模块101,获取用户输入文本,并通过摄像头获取图像;通过关键词提取模块102,对用户输入文本进行分词和关键词提取处理,得到关键词;通过会话识别处理模块103,对用户输入文本进行会话识别处理,得到会话识别处理结果;通过情感识别模块104,根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,并根据属性信息进行情感识别,属性信息包括关键词、上下文语境和环境。
本发明提供的基于计算机自动识别用户情感的装置10,通过关键词结合上下文及环境进行情感识别,克服口语化、短文本带来的分类困难,实现精准分类,可以实现细粒度情感识别。
作为本发明的优选实施例,会话识别处理模块103,具体用于:
获取用户输入文本对应的上下文记录信息;
判断当前输入的文本是否属于当前轮会话,若属于当前轮会话,获取上下文记录信息的情感信息和上下文关键词,作为会话识别处理结果。
作为本发明的优选实施例,情感识别模块104,具体用于:
根据关键词、会话识别处理结果和图像,处理得到用户输入文本中的属性信息,属性信息包括关键词、上下文语境和环境;
根据属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.基于计算机自动识别用户情感的方法,其特征在于,包括:
步骤S1,获取用户输入文本,并通过摄像头获取图像;
步骤S2,对所述用户输入文本进行分词和关键词提取处理,得到关键词;
步骤S3,对所述用户输入文本进行会话识别处理,得到会话识别处理结果;
步骤S4,根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,并根据所述属性信息进行情感识别,所述属性信息包括关键词、上下文语境和环境。
2.根据权利要求1所述的基于计算机自动识别用户情感的方法,其特征在于,
所述步骤S3,具体为:
获取所述用户输入文本对应的上下文记录信息;
判断当前输入的文本是否属于当前轮会话,若属于所述当前轮会话,获取所述上下文记录信息的情感信息和上下文关键词,作为会话识别处理结果。
3.根据权利要求1所述的基于计算机自动识别用户情感的方法,其特征在于,
所述步骤S4,具体为:
根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,所述属性信息包括关键词、上下文语境和环境;
根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别。
4.根据权利要求3所述的基于计算机自动识别用户情感的方法,其特征在于,
所述根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别,具体为:
根据所述属性信息,遍历数据库,计算所述用户输入文本与所述数据库中每个文本的相似度,包括所述用户输入文本与所述数据库中每个文本的关键词的关键词相似度,所述用户输入文本的上下文语境与所述数据库中每个文本的上下文语境的上下文语境相似度,所述用户输入文本的环境与所述数据库中每个文本的环境的环境相似度;
通过预先为所述关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,计算所述用户输入文本与所述数据库中每个文本的综合相似度;
获取所述综合相似度中最高相似度对应的所述数据库中的文本,将所述文本对应的情感标签作为所述用户输入文本的情感。
5.根据权利要求3所述的基于计算机自动识别用户情感的方法,其特征在于,
所述根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别,具体为:
根据所述属性信息,遍历数据库,计算所述用户输入文本与所述数据库中每个文本的相似度:
分别计算所述用户输入文本的关键词与所述数据库中每个文本的关键词的关键词相似度;
将所述关键词相似度与预设相似度进行比较,当所述关键词相似度满足所述预设相似度的条件,分别进行上下文语境相似度和环境相似度的计算;
通过预先为所述关键词相似度、上下文语境相似度和环境相似度对应设置的不同权重,计算所述用户输入文本与所述数据库中每个文本的综合相似度;
获取所述综合相似度中最高相似度对应的所述数据库中的文本,将所述文本对应的情感标签作为所述用户输入文本的情感。
6.根据权利要求1所述的基于计算机自动识别用户情感的方法,其特征在于,
所述步骤S4,具体为:
根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,所述属性信息包括关键词、上下文语境和环境;
根据所述属性信息,基于预先训练的分类器实现情感识别。
7.根据权利要求6所述的基于计算机自动识别用户情感的方法,其特征在于,
还包括:
根据所述关键词,得到当前语句的特征;
对所述图像进行识别处理,得到物体关键词;
根据所述当前语句的特征、所述物体关键词和所述属性信息,基于预先训练的分类器实现情感识别。
8.基于计算机自动识别用户情感的装置,其特征在于,包括:
数据获取模块,用于获取用户输入文本,并通过摄像头获取图像;
关键词提取模块,用于对所述用户输入文本进行分词和关键词提取处理,得到关键词;
会话识别处理模块,用于对所述用户输入文本进行会话识别处理,得到会话识别处理结果;
情感识别模块,用于根据所述关键词、会话识别处理结果和图像,进行情感识别。
9.根据权利要求8所述的基于计算机自动识别用户情感的装置,其特征在于,
所述会话识别处理模块,具体用于:
获取所述用户输入文本对应的上下文记录信息;
判断当前输入的文本是否属于当前轮会话,若属于所述当前轮会话,获取所述上下文记录信息的情感信息和上下文关键词,作为会话识别处理结果。
10.根据权利要求8所述的基于计算机自动识别用户情感的装置,其特征在于,
所述情感识别模块,具体用于:
根据所述关键词、会话识别处理结果和图像,处理得到所述用户输入文本中的属性信息,所述属性信息包括关键词、上下文语境和环境;
根据所述属性信息,基于数据库进行文本相似度匹配,得到匹配结果,实现情感识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710693278.5A CN107491435B (zh) | 2017-08-14 | 2017-08-14 | 基于计算机自动识别用户情感的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710693278.5A CN107491435B (zh) | 2017-08-14 | 2017-08-14 | 基于计算机自动识别用户情感的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107491435A true CN107491435A (zh) | 2017-12-19 |
CN107491435B CN107491435B (zh) | 2021-02-26 |
Family
ID=60645598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710693278.5A Active CN107491435B (zh) | 2017-08-14 | 2017-08-14 | 基于计算机自动识别用户情感的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491435B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228569A (zh) * | 2018-01-30 | 2018-06-29 | 武汉理工大学 | 一种基于松散条件下协同学习的中文微博情感分析方法 |
CN108326855A (zh) * | 2018-01-26 | 2018-07-27 | 上海器魂智能科技有限公司 | 一种机器人的交互方法、装置、设备以及存储介质 |
CN108563731A (zh) * | 2018-04-08 | 2018-09-21 | 北京奇艺世纪科技有限公司 | 一种情感分类方法及装置 |
CN109614488A (zh) * | 2018-12-04 | 2019-04-12 | 广西大学 | 基于文本分类和图像识别的配网带电作业条件判别方法 |
CN110187760A (zh) * | 2019-05-14 | 2019-08-30 | 北京百度网讯科技有限公司 | 智能交互方法和装置 |
CN110209774A (zh) * | 2018-02-11 | 2019-09-06 | 北京三星通信技术研究有限公司 | 处理会话信息的方法、装置及终端设备 |
CN110888971A (zh) * | 2019-11-29 | 2020-03-17 | 支付宝(杭州)信息技术有限公司 | 机器人客服与用户的多轮交互方法和装置 |
WO2020192247A1 (zh) * | 2019-03-22 | 2020-10-01 | 北京京东尚科信息技术有限公司 | 人机交互方法及系统、介质和计算机系统 |
WO2020252982A1 (zh) * | 2019-06-21 | 2020-12-24 | 平安科技(深圳)有限公司 | 文本情绪分析方法及装置、电子设备和计算机非易失性可读存储介质 |
CN114780190A (zh) * | 2022-04-13 | 2022-07-22 | 脸萌有限公司 | 消息处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456314A (zh) * | 2013-09-03 | 2013-12-18 | 广州创维平面显示科技有限公司 | 一种情感识别方法以及装置 |
EP2833271A1 (en) * | 2012-05-14 | 2015-02-04 | Huawei Technologies Co., Ltd | Multimedia question and answer system and method |
CN104598644A (zh) * | 2015-02-12 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 用户喜好标签挖掘方法和装置 |
CN106919661A (zh) * | 2017-02-13 | 2017-07-04 | 腾讯科技(深圳)有限公司 | 一种情感类型识别方法及相关装置 |
CN107016046A (zh) * | 2017-02-20 | 2017-08-04 | 北京光年无限科技有限公司 | 基于视觉场景化的智能机器人对话方法及系统 |
-
2017
- 2017-08-14 CN CN201710693278.5A patent/CN107491435B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2833271A1 (en) * | 2012-05-14 | 2015-02-04 | Huawei Technologies Co., Ltd | Multimedia question and answer system and method |
CN103456314A (zh) * | 2013-09-03 | 2013-12-18 | 广州创维平面显示科技有限公司 | 一种情感识别方法以及装置 |
CN104598644A (zh) * | 2015-02-12 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 用户喜好标签挖掘方法和装置 |
CN106919661A (zh) * | 2017-02-13 | 2017-07-04 | 腾讯科技(深圳)有限公司 | 一种情感类型识别方法及相关装置 |
CN107016046A (zh) * | 2017-02-20 | 2017-08-04 | 北京光年无限科技有限公司 | 基于视觉场景化的智能机器人对话方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108326855A (zh) * | 2018-01-26 | 2018-07-27 | 上海器魂智能科技有限公司 | 一种机器人的交互方法、装置、设备以及存储介质 |
CN108228569A (zh) * | 2018-01-30 | 2018-06-29 | 武汉理工大学 | 一种基于松散条件下协同学习的中文微博情感分析方法 |
CN110209774A (zh) * | 2018-02-11 | 2019-09-06 | 北京三星通信技术研究有限公司 | 处理会话信息的方法、装置及终端设备 |
CN108563731A (zh) * | 2018-04-08 | 2018-09-21 | 北京奇艺世纪科技有限公司 | 一种情感分类方法及装置 |
CN109614488A (zh) * | 2018-12-04 | 2019-04-12 | 广西大学 | 基于文本分类和图像识别的配网带电作业条件判别方法 |
WO2020192247A1 (zh) * | 2019-03-22 | 2020-10-01 | 北京京东尚科信息技术有限公司 | 人机交互方法及系统、介质和计算机系统 |
CN110187760A (zh) * | 2019-05-14 | 2019-08-30 | 北京百度网讯科技有限公司 | 智能交互方法和装置 |
WO2020252982A1 (zh) * | 2019-06-21 | 2020-12-24 | 平安科技(深圳)有限公司 | 文本情绪分析方法及装置、电子设备和计算机非易失性可读存储介质 |
CN110888971A (zh) * | 2019-11-29 | 2020-03-17 | 支付宝(杭州)信息技术有限公司 | 机器人客服与用户的多轮交互方法和装置 |
CN110888971B (zh) * | 2019-11-29 | 2022-05-24 | 支付宝(杭州)信息技术有限公司 | 机器人客服与用户的多轮交互方法和装置 |
CN114780190A (zh) * | 2022-04-13 | 2022-07-22 | 脸萌有限公司 | 消息处理方法、装置、电子设备及存储介质 |
CN114780190B (zh) * | 2022-04-13 | 2023-12-22 | 脸萌有限公司 | 消息处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107491435B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107491435A (zh) | 基于计算机自动识别用户情感的方法及装置 | |
Cambria et al. | Benchmarking multimodal sentiment analysis | |
Gu et al. | " what parts of your apps are loved by users?"(T) | |
CN106503192B (zh) | 基于人工智能的命名实体识别方法及装置 | |
CN108984530A (zh) | 一种网络敏感内容的检测方法及检测系统 | |
CN110263248B (zh) | 一种信息推送方法、装置、存储介质和服务器 | |
US8676730B2 (en) | Sentiment classifiers based on feature extraction | |
CN111738011A (zh) | 违规文本的识别方法及装置、存储介质、电子装置 | |
CN107357889A (zh) | 一种基于内容或情感相似性的跨社交平台图片推荐算法 | |
AlQahtani | Product sentiment analysis for amazon reviews | |
CN106355446B (zh) | 一种网络和手机游戏的广告推荐系统 | |
CN110750648A (zh) | 一种基于深度学习和特征融合的文本情感分类方法 | |
CN110781273A (zh) | 文本数据处理方法、装置、电子设备及存储介质 | |
CN106537387B (zh) | 检索/存储与事件相关联的图像 | |
CN112464036B (zh) | 一种违规数据的审核方法及装置 | |
CN106777040A (zh) | 一种基于情感极性感知算法的跨媒体微博舆情分析方法 | |
CN109325124A (zh) | 一种情感分类方法、装置、服务器和存储介质 | |
CN107632974B (zh) | 适用于多领域的中文分析平台 | |
KR102185733B1 (ko) | 프로필 자동생성서버 및 방법 | |
CN113591489B (zh) | 语音交互方法、装置及相关设备 | |
CN112989058B (zh) | 信息分类方法、试题分类方法、设备、服务器和存储介质 | |
CN107688594B (zh) | 基于社交信息的风险事件的识别系统及方法 | |
CN116882414A (zh) | 基于大规模语言模型的评语自动生成方法及相关装置 | |
CN117420998A (zh) | 一种客户端ui交互组件生成方法、装置、终端及介质 | |
CN115017271B (zh) | 用于智能生成rpa流程组件块的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 215000 Room 301, building 39, 239 Renmin Road, Gusu District, Suzhou City, Jiangsu Province Applicant after: SHENZHEN GOWILD ROBOTICS Co.,Ltd. Address before: 518000 Dongfang Science and Technology Building 1307-09, 16 Keyuan Road, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN GOWILD ROBOTICS Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20220228 Granted publication date: 20210226 |