CN107491435B - 基于计算机自动识别用户情感的方法及装置 - Google Patents

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

基于计算机自动识别用户情感的方法及装置

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 (2)

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；

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；

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；

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；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；细粒度情感标签包括多种情感标签；

上下文语境包括上文情感变量和上文关键词变量；

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；

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；

或者是，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；

所述环境相似度，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。

2.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；

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；

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；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；细粒度情感标签包括多种情感标签；

上下文语境包括上文情感变量和上文关键词变量；

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；

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；

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，实现情感识别具体包括：

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；

或者是，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，实现情感识别具体包括：

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；

所述环境相似度，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。

Images