CN109659009B - 情绪管理方法、装置及电子设备 - Google Patents

Abstract

本发明提供了一种情绪管理方法、装置及电子设备，涉及人工智能技术领域，该方法包括：获取用户的当前情绪状况等级；当当前情绪状况等级低于预设的等级阈值时，向用户发出情绪特征采集请求；当接收到基于情绪特征采集请求的确认指令时，采集用户的当前情绪特征；根据当前情绪特征和预先训练的情绪分析模型，确定用户的情绪亚健康原因；其中，情绪分析模型是基于用户的历史情绪特征和对应的情绪亚健康原因训练得到的。这样当用户遇到心理问题时可以自助检测自身的情绪亚健康原因，且情绪分析模型是基于用户的个性化数据训练得到的，具有很强的针对性，基于该情绪分析模型得到的检测结果的准确度较高。

Description

情绪管理方法、装置及电子设备

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种情绪管理方法、装置及电子设备。

背景技术

现阶段，社会飞速发展，人们生活压力大，一般人群(尤其是大城市工薪人群)中出现情绪问题(包括：压力、焦虑、抑郁、关系紧张等)成为普遍现象。渴望解决情绪的“亚健康”状况，避免进一步发展成为精神/心理症状，成为一般人群的一种刚性需求。

然而，现阶段人们可以获得的解决方案主要有以下两种方式：

1、阅读心理学相关的文章：通过阅读媒体心理专栏或者朋友圈转发的“鸡汤”文章，来学习心理学的知识，获得一定的指导。

2、一部分感受到心理症状严重的用户，会寻求付费心理咨询，或去精神病医院就诊，解决自己的问题。

对于广大的心理亚健康群体来说，上述方式目前还存在以下问题：

1、阅读心理健康相关文章，对自己具体问题的针对性不够强，很难遇到能够精准解决自己问题的文章。即使文章相关度比较高，在操作上，也很难对自己的情况形成一定周期、一定计划的、针对性强的、可执行的解决方案。

2、由于缺乏认知，人们对心理问题有一定的忌讳，寻求专业帮助对大多数人来说门槛很高：寻求专业救助等于变相的承认自己“心理有病”，不到发展成控制不住的重症状况，绝大多数人不会去主动寻求专业帮助。

3、心理医疗资源匮乏，仅有极少数人群能够负担得起。

发明内容

有鉴于此，本发明的目的在于提供一种情绪管理方法、装置及电子设备，以实现对心理问题的有针对性的自助检测，提高检测结果的准确度。

第一方面，本发明实施例提供了一种情绪管理方法，包括：

获取用户的当前情绪状况等级；

当所述当前情绪状况等级低于预设的等级阈值时，向所述用户发出情绪特征采集请求；

当接收到基于所述情绪特征采集请求的确认指令时，采集所述用户的当前情绪特征；

根据所述当前情绪特征和预先训练的情绪分析模型，确定所述用户的情绪亚健康原因；其中，所述情绪分析模型是基于所述用户的历史情绪特征和对应的情绪亚健康原因训练得到的。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述采集所述用户的当前情绪特征，包括：

获取所述用户录入的语音数据；

对所述语音数据进行语音、语调和音量分析，得到所述用户的当前情绪特征。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述情绪分析模型通过以下方式训练：

获取当用户的情绪状况等级低于所述等级阈值时所述用户的历史情绪特征；

基于所述用户上传的心理测评量表的测试结果，获取所述历史情绪特征对应的情绪亚健康原因；

根据所述用户的历史情绪特征和对应的情绪亚健康原因，对所述情绪分析模型进行训练。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述基于所述用户上传的心理测评量表的测试结果，获取所述历史情绪特征对应的情绪亚健康原因，包括：

获取每个所述历史情绪特征下所述用户上传的心理测评量表的测试结果；

对所述测试结果进行分析并结合所述用户基于分析结果的确认结果，得到所述历史情绪特征对应的情绪亚健康原因。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述当前情绪特征和预先训练的情绪分析模型，确定所述用户的情绪亚健康原因之后，所述方法还包括：

通过响应神经网络算法与所述用户进行交互，得到交互数据；

分析所述交互数据，得到所述用户面临的具体问题；

结合所述情绪亚健康原因，查找与所述具体问题对应的解决方案；

将查找到的解决方案展示给所述用户。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述结合所述情绪亚健康原因，查找与所述具体问题对应的解决方案，包括：

检测所述用户的行为数据；

基于所述行为数据确定与所述具体问题对应的解决方案。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述方法还包括：

当检测到设定时长内所述用户的情绪状况等级持续低于所述等级阈值时，向所述用户推送寻求医疗救助的解决方案。

结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述方法还包括：

获取用户在设定周期内的各个情绪状况等级；

根据所述各个情绪状况等级生成所述用户的情绪状态图谱。

第二方面，本发明实施例还提供一种情绪管理装置，包括：

获取模块，用于获取用户的当前情绪状况等级；

请求模块，用于当所述当前情绪状况等级低于预设的等级阈值时，向所述用户发出情绪特征采集请求；

采集模块，用于当接收到基于所述情绪特征采集请求的确认指令时，采集所述用户的当前情绪特征；

确定模块，用于根据所述当前情绪特征和预先训练的情绪分析模型，确定所述用户的情绪亚健康原因；其中，所述情绪分析模型是基于所述用户的历史情绪特征和对应的情绪亚健康原因训练得到的。

第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面或其任一种可能的实施方式所述的方法。

本发明实施例带来了以下有益效果：

本发明实施例中，获取用户的当前情绪状况等级；当当前情绪状况等级低于预设的等级阈值时，向用户发出情绪特征采集请求；当接收到基于情绪特征采集请求的确认指令时，采集用户的当前情绪特征；根据当前情绪特征和预先训练的情绪分析模型，确定用户的情绪亚健康原因；其中，情绪分析模型是基于用户的历史情绪特征和对应的情绪亚健康原因训练得到的。这样当用户遇到心理问题时可以自助检测自身的情绪亚健康原因，且情绪分析模型是基于用户的个性化数据训练得到的，具有很强的针对性，基于该情绪分析模型得到的检测结果的准确度较高。因此，本发明实施例提供的情绪管理方法、装置及电子设备，实现了对心理问题的有针对性的自助检测，提高了检测结果的准确度。

本发明的其他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在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

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，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种情绪管理方法的流程示意图；

图2为本发明实施例提供的一种训练情绪分析模型的流程示意图；

图3为本发明实施例提供的另一种情绪管理方法的流程示意图；

图4为本发明实施例提供的一种情绪管理装置的结构示意图；

图5为本发明实施例提供的另一种情绪管理装置的结构示意图；

图6为本发明实施例提供的另一种情绪管理装置的结构示意图；

图7为本发明实施例提供的另一种情绪管理装置的结构示意图；

图8为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前一般人群的情绪亚健康问题得不到隐秘、准确地检测，基于此，本发明实施例提供的一种情绪管理方法、装置及电子设备，可以实现对心理问题的有针对性的自助检测，提高检测结果的准确度。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种情绪管理方法进行详细介绍。

实施例一：

本发明实施例提供了一种情绪管理方法，该方法可以应用于手机软件APP(Application，应用程序)中，以APP的形式呈现给用户。例如，该情绪管理方法应用于AI(Artificial Intelligence，人工智能)情绪助手，AI情绪助手可以为用户提供精准化的帮助，当用户在情绪亚健康时，可以随时随地登录AI情绪助手，以自助解决心理情绪问题(如抑郁症、焦虑症等)，具有精准、便利、全过程隐秘、接近免费的特点。在一些可能的实施例中，AI情绪助手包括用户登录模块、情绪状况采集模块、语音采集模块、情绪诊断模块、安抚模块、数据存储模块。下面以AI情绪助手为例对该情绪管理方法进行说明。

图1为本发明实施例提供的一种情绪管理方法的流程示意图，如图1所示，该方法包括以下步骤：

步骤S102，获取用户的当前情绪状况等级。

情绪状况等级可以但不限于采用分值的形式，例如数字1-7分别表示用户不同情绪状况等级(7分：高兴；6分：舒适；5分：一般；4分：低落；3分：压力；2分：焦虑；1分：抑郁)。

用户打开AI情绪助手之后，启动用户登录模块，用户通过输入ID(身份标识号)启动其对应的用户账户，该用户账户相关的信息记入对应的数据存储模块中。用户登陆AI情绪助手后，AI情绪助手会启动情绪状况采集模块，通过诸如文本显示形式询问用户情绪状况(显示数字1-7供用户点选)，数据存储模块记录下每次用户点选结果，即记录用户选择的情绪分值。

步骤S104，当当前情绪状况等级低于预设的等级阈值时，向用户发出情绪特征采集请求。

等级阈值可以根据实际需求设置，这里不做限定。情绪特征采集请求用于请求采集用户的情绪特征，例如采集用户的语音数据，进而可以从语音数据中提取情绪特征。情绪特征采集请求可以采用文本显示或语音形式，同时用户界面上还显示有供用户选择的确认或取消按钮(如“是”和“否”)。

例如，等级阈值设置为4分，当用户的情绪分值低于4分时，AI情绪助手向用户询问是否启动语音采集模块。

步骤S106，当接收到基于情绪特征采集请求的确认指令时，采集用户的当前情绪特征。

在一些可能的实施例中，获取用户录入的语音数据；对该语音数据进行语音、语调和音量分析，得到用户的当前情绪特征。

当用户允许对其语音进行采集时，可录入诸如60s的语音，通过用户语音、语调、音量的识别和分析，记录下用户的声音特点和用户情绪状态，给予用户情绪状态反馈，并打上标签，形成用户特定情绪数据，存入数据存储模块中。

需要说明的是，情绪特征不限于基于语音数据，例如，情绪特征也可以基于用户的面部表情数据，通过用户端(如手机)摄像头采集用户的面部表情数据，从面部表情数据中提取情绪特征。

步骤S108，根据当前情绪特征和预先训练的情绪分析模型，确定用户的情绪亚健康原因；其中，情绪分析模型是基于用户的历史情绪特征和对应的情绪亚健康原因训练得到的。

将当前情绪特征输入预先训练的情绪分析模型，该情绪分析模型会输出针对该特定用户的、与该特定用户的当前情绪特征相匹配的情绪亚健康原因，从而便于用户了解自身情绪不佳的原因，进而有助于用户解决其心理问题。

本发明实施例中，获取用户的当前情绪状况等级；当当前情绪状况等级低于预设的等级阈值时，向用户发出情绪特征采集请求；当接收到基于情绪特征采集请求的确认指令时，采集用户的当前情绪特征；根据当前情绪特征和预先训练的情绪分析模型，确定用户的情绪亚健康原因；其中，情绪分析模型是基于用户的历史情绪特征和对应的情绪亚健康原因训练得到的。这样当用户遇到心理问题时可以自助检测自身的情绪亚健康原因，且情绪分析模型是基于用户的个性化数据训练得到的，具有很强的针对性，基于该情绪分析模型得到的检测结果的准确度较高。因此，本发明实施例提供的情绪管理方法，实现了对心理问题的有针对性的自助检测，提高了检测结果的准确度。

图2为本发明实施例提供的一种训练情绪分析模型的流程示意图，如图2所示，通过以下步骤训练情绪分析模型：

步骤S202，获取当用户的情绪状况等级低于等级阈值时用户的历史情绪特征。

获取历史情绪特征的具体过程可以参照上述步骤S106中采集当前情绪特征的相关内容，这里不再赘述。

步骤S204，基于用户上传的心理测评量表的测试结果，获取历史情绪特征对应的情绪亚健康原因。

在一些可能的实施例中，获取每个历史情绪特征下用户上传的心理测评量表的测试结果；对该测试结果进行分析并结合用户基于分析结果的确认结果，得到该历史情绪特征对应的情绪亚健康原因。其中，心理测评量表可以选取典型心理学通用测试。

在一种可能的实现方式中，AI情绪助手不定期自动启动情绪诊断模块，询问用户是否进行情绪测试，如果得到允许，情绪诊断模块自动提供情绪测试量表(心理测评量表)。通过分析测试结果，得出用户的情绪低落原因(情绪亚健康原因)，如：错误归因模式、社会经济限制条件、过往创伤事件等；并将用户的情绪亚健康原因进行记录，形成用户的特定数据。当用户的情绪分值低于4分，可在用户界面上显示用户的情绪亚健康原因(包括错误归因模式、社会经济限制条件、过往创伤事件等，并对其具体表现症状做介绍)，供用户进行确认，协助用户识别和解析出自己的情绪问题；同时，如果用户否认了给出的情绪亚健康原因，还可以提供新的(之前没出现过的)原因，用户特定数据积累的时间越长，越能准确地找到导致用户情绪亚健康的原因。

步骤S206，根据用户的历史情绪特征和对应的情绪亚健康原因，对情绪分析模型进行训练。

通过步骤S202和步骤S204的数据积累，用户情绪波动情况可以更直观记录下来，导致情绪亚健康的原因可以越来越精准地识别出来，用户对自我认知、以及自己同他人的互动关系的认知得到不断的训练和强化，情绪的自我掌控能力得到不断的加强，并形成个体独有的情绪分析模型。之后当具体情绪发生时，通过该情绪分析模型能够比较准确的指出用户可能的问题根源，供用户确认，协助用户识别和解析出自己的情绪问题。

通常，一个情绪问题的背后有若干成因。通过长期的积累和机器学习，建立起用户个体数据特征，用户正常的情绪波动和问题心理症状可以区分出来，越来越精准的解决用户的问题。

其中，正常的情绪波动包括正常担忧、正常悲伤等，问题心理症状包括与正常担忧相对的焦虑症、与正常悲伤相对的抑郁等。正常担忧和焦虑症的区别如下：担忧是对某个特定事件的担心，事件过去，人就恢复正常。而焦虑通常是没有时间限定的，它往往影响人的正常生活，比如社交恐惧、拖延、强迫等。正常悲伤和抑郁的区别如下：抑郁通常是由歪曲认知导致的，持续时间较长(两周以上)并且具有反复发作的特征；而正常的悲伤，通常是由于遇到了不好的事情，比如家人去世，考试未第等，它通常持续时间不长(少于两周)，没有反复发作的特征。

图3为本发明实施例提供的另一种情绪管理方法的流程示意图，图3是图1的后续流程，目的是给出有效的解决方案，帮助用户解决心理问题。如图3所示，该情绪管理方法包括以下步骤：

步骤S302，通过响应神经网络算法与用户进行交互，得到交互数据。

步骤S304，分析交互数据，得到用户面临的具体问题。

步骤S306，结合情绪亚健康原因，查找与具体问题对应的解决方案。

步骤S308，将查找到的解决方案展示给用户。

在一种可能的实现方式中，用户可以自发启动安抚模块：用户登录AI情绪助手后，可启动安抚模块主动报告亚健康情绪。启动语音采集模块之后，通过1-2轮(仅为示例，下同)聊天机器人与用户的对话，比对用户的语句与数据存储模块中预设的语句模块，识别用户遇到的具体问题，并提供相应的安抚办法。

例如：用户报告“压力很大”压力指数是7分(压力指数范围为1-10分)，对象是“工作”领域，缘由是“领导批评了我”。结合AI情绪助手后台对用户的数据积累，用户有“灾难化”思维的认知偏差，也有低自尊的自我认知模型。因此，可以给用户提供什么是“灾难化”和“低自尊”认知偏差、如何改变这种认知偏差的机器人聊天流程，以及相关知识、案例的视频、文章；减压的音乐等。

再者，安抚模块还可以检测用户的行为数据；基于该行为数据确定与具体问题对应的解决方案。例如，安抚模块通过检测用户的每日步行量，得知用户长时间没有运动，推荐用户进行适当的有氧运动，辅助缓解压力。第二天通过情绪状况采集模块采集情绪状况，并继续提供针对性的解决方案供用户选择使用，直到心理问题解决。

进一步地，上述方法还包括：当检测到设定时长内用户的情绪状况等级持续低于等级阈值时，向用户推送寻求医疗救助的解决方案。其中，设定时长可以根据需求自行设置。

例如设定时长为两周，如果用户症状持续(情绪得分低于4分)、超过两周以上并没有得到缓解，则推荐用户及时寻求医疗救助，避免错过医疗干预的最佳时期。

具体地，AI情绪助手识别出用户亚健康情绪的情况：用户持续两周以上情绪低落，AI情绪助手会提示用户进行抑郁/焦虑的测量，根据测量结果，及时知晓用户的心理健康状况，及时提供帮助，预防和避免进一步的恶化。这对心理问题高发人群(比如预防孕产期抑郁、更年期情绪问题、青春期情绪问题等)具有重要意义。

进一步地，上述方法还包括：获取用户在设定周期内的各个情绪状况等级；根据各个情绪状况等级生成用户的情绪状态图谱。

例如，每周生成“一周情绪地图”，反应该周内每天的情绪分值；经过两周以上的情绪数据采集，可得到用户的情绪状态图谱，反应用户的情绪变化情况。

可替代地，也可以标签化。具体地，获取用户在三个维度的标签：1、社会经济学标签(性别、年龄、所在地区、收入水平，家庭一般情况等)；2、性格优劣势特征(通过心理测评量表获得)；3、思维模式特征(通过心理测评量表或与机器人的聊天获得)；根据用户的上述标签进行话题分发和问题解决方案推送。

本发明实施例提供的情绪管理方法，可以聊天机器人跟人聊天的方式，帮助人解决情绪、心理问题。通过获得和积累人的认知模型和行为模型，结合人的社会经济学条件，建立个体的特征算法，并不断优化，越来越精准感知个体的情绪和心理问题，以及背后诱因。通过人机交互和海量的人机反馈机制，以及心理情绪和认知类智库的机器学习：1)不断扩充心理情绪问题的知识库；2)不断扩充针对具体问题的解决方案知识库；3)不断优化系统提供解决方案的算法效度。

综上所述，本发明实施例提供的情绪管理方法具有以下有益效果：

1、准确判断出用户的情绪状况。

2、给出有效的解决方案。

3、私密：用户ID加密。与真实身份隔离，用户不用担心数据泄露。

4、AI情绪助手24小时不休息，随时有问题，随时登录，与机器人聊天或咨询。既可以解闷，遇到问题也可以及时了解自己的真实情况、严重程度、以及解决方案。

5、AI情绪助手以纾解情绪为主，帮忙解决常见困惑，让用户过得更轻松、快乐。在持续没有缓解的情况下，及时就医，避免情况恶化。

实施例二：

对应于上述实施例一，本发明实施例还提供了一种情绪管理装置。图4为本发明实施例提供的一种情绪管理装置的结构示意图，如图4所示，该装置包括：

获取模块42，用于获取用户的当前情绪状况等级；

请求模块44，用于当当前情绪状况等级低于预设的等级阈值时，向用户发出情绪特征采集请求；

采集模块46，用于当接收到基于情绪特征采集请求的确认指令时，采集用户的当前情绪特征；

确定模块48，用于根据当前情绪特征和预先训练的情绪分析模型，确定用户的情绪亚健康原因；其中，情绪分析模型是基于用户的历史情绪特征和对应的情绪亚健康原因训练得到的。

可选地，上述采集模块46具体用于：获取用户录入的语音数据；对该语音数据进行语音、语调和音量分析，得到用户的当前情绪特征。

本发明实施例中，获取模块42获取用户的当前情绪状况等级；请求模块44当当前情绪状况等级低于预设的等级阈值时，向用户发出情绪特征采集请求；采集模块46当接收到基于情绪特征采集请求的确认指令时，采集用户的当前情绪特征；确定模块48根据当前情绪特征和预先训练的情绪分析模型，确定用户的情绪亚健康原因；其中，情绪分析模型是基于用户的历史情绪特征和对应的情绪亚健康原因训练得到的。这样当用户遇到心理问题时可以自助检测自身的情绪亚健康原因，且情绪分析模型是基于用户的个性化数据训练得到的，具有很强的针对性，基于该情绪分析模型得到的检测结果的准确度较高。因此，本发明实施例提供的情绪管理装置，实现了对心理问题的有针对性的自助检测，提高了检测结果的准确度。

图5为本发明实施例提供的另一种情绪管理装置的结构示意图，如图5所示，在图4的基础上，上述装置还包括训练模块52，训练模块52包括：

特征获取单元521，用于获取当用户的情绪状况等级低于等级阈值时用户的历史情绪特征；

原因获取单元522，用于基于用户上传的心理测评量表的测试结果，获取历史情绪特征对应的情绪亚健康原因；

模型训练单元523，用于根据用户的历史情绪特征和对应的情绪亚健康原因，对情绪分析模型进行训练。

可选地，上述原因获取单元522具体用于：获取每个历史情绪特征下用户上传的心理测评量表的测试结果；对该测试结果进行分析并结合用户基于分析结果的确认结果，得到该历史情绪特征对应的情绪亚健康原因。

图6为本发明实施例提供的另一种情绪管理装置的结构示意图，如图6所示，在图1的基础上，该装置还包括：

交互模块62，用于通过响应神经网络算法与用户进行交互，得到交互数据；

分析模块64，用于分析交互数据，得到用户面临的具体问题；

查找模块66，用于结合情绪亚健康原因，查找与具体问题对应的解决方案；

展示模块68，用于将查找到的解决方案展示给用户。

可选地，上述查找模块66具体用于：检测用户的行为数据；基于该行为数据确定与具体问题对应的解决方案。

图7为本发明实施例提供的另一种情绪管理装置的结构示意图，如图7所示，在图6的基础上，该装置还包括推送模块72，用于：

当检测到设定时长内用户的情绪状况等级持续低于等级阈值时，向用户推送寻求医疗救助的解决方案。

如图7所示，上述装置还包括生成模块74，用于：

获取用户在设定周期内的各个情绪状况等级；根据各个情绪状况等级生成用户的情绪状态图谱。

实施例三：

参见图8，本发明实施例还提供一种电子设备100，包括：处理器80，存储器81，总线82和通信接口83，所述处理器80、通信接口83和存储器81通过总线82连接；处理器80用于执行存储器81中存储的可执行模块，例如计算机程序。

其中，存储器81可能包含高速随机存取存储器(RAM，RandomAccessMemory)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口83(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线82可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器81用于存储程序，所述处理器80在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器80中，或者由处理器80实现。

处理器80可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器80中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器80可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器81，处理器80读取存储器81中的信息，结合其硬件完成上述方法的步骤。

本发明实施例提供的情绪管理装置及电子设备，与上述实施例提供的情绪管理方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置及电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

附图中的流程图和框图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本发明实施例所提供的进行情绪管理方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种情绪管理方法，其特征在于，包括：

获取单个用户的当前情绪状况等级；

当所述当前情绪状况等级低于预设的等级阈值时，向所述用户发出情绪特征采集请求；

当接收到基于所述情绪特征采集请求的确认指令时，采集所述用户的当前情绪特征；

根据所述当前情绪特征和预先训练的情绪分析模型，确定所述用户的情绪亚健康原因；其中，所述情绪分析模型是基于所述用户的历史情绪特征和对应的情绪亚健康原因训练得到的；

其中，所述情绪分析模型通过以下方式训练：

获取当用户的情绪状况等级低于所述等级阈值时所述用户的历史情绪特征；

基于所述用户上传的心理测评量表的测试结果，获取所述历史情绪特征对应的情绪亚健康原因；

根据所述用户的历史情绪特征和对应的情绪亚健康原因，对所述情绪分析模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述采集所述用户的当前情绪特征，包括：

获取所述用户录入的语音数据；

对所述语音数据进行语音、语调和音量分析，得到所述用户的当前情绪特征。

3.根据权利要求1所述的方法，其特征在于，所述基于所述用户上传的心理测评量表的测试结果，获取所述历史情绪特征对应的情绪亚健康原因，包括：

获取每个所述历史情绪特征下所述用户上传的心理测评量表的测试结果；

对所述测试结果进行分析并结合所述用户基于分析结果的确认结果，得到所述历史情绪特征对应的情绪亚健康原因。

4.根据权利要求1所述的方法，其特征在于，所述根据所述当前情绪特征和预先训练的情绪分析模型，确定所述用户的情绪亚健康原因之后，所述方法还包括：

通过响应神经网络算法与所述用户进行交互，得到交互数据；

分析所述交互数据，得到所述用户面临的具体问题；

结合所述情绪亚健康原因，查找与所述具体问题对应的解决方案；

将查找到的解决方案展示给所述用户。

5.根据权利要求4所述的方法，其特征在于，所述结合所述情绪亚健康原因，查找与所述具体问题对应的解决方案，包括：

检测所述用户的行为数据；

基于所述行为数据确定与所述具体问题对应的解决方案。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当检测到设定时长内所述用户的情绪状况等级持续低于所述等级阈值时，向所述用户推送寻求医疗救助的解决方案。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户在设定周期内的各个情绪状况等级；

根据所述各个情绪状况等级生成所述用户的情绪状态图谱。

8.一种情绪管理装置，其特征在于，包括：

获取模块，用于获取单个用户的当前情绪状况等级；

请求模块，用于当所述当前情绪状况等级低于预设的等级阈值时，向所述用户发出情绪特征采集请求；

采集模块，用于当接收到基于所述情绪特征采集请求的确认指令时，采集所述用户的当前情绪特征；

确定模块，用于根据所述当前情绪特征和预先训练的情绪分析模型，确定所述用户的情绪亚健康原因；其中，所述情绪分析模型是基于所述用户的历史情绪特征和对应的情绪亚健康原因训练得到的；

其中，所述情绪分析模型通过以下方式训练：

获取当用户的情绪状况等级低于所述等级阈值时所述用户的历史情绪特征；

基于所述用户上传的心理测评量表的测试结果，获取所述历史情绪特征对应的情绪亚健康原因；

根据所述用户的历史情绪特征和对应的情绪亚健康原因，对所述情绪分析模型进行训练。

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法。

Images