CN109829157B - 文本情绪呈现方法、文本情绪呈现装置以及存储介质 - Google Patents

Abstract

本发明提供一种文本情绪呈现方法、文本情绪呈现装置以及存储介质。所述情绪呈现方法包括：文本信息接收步骤，接收用户的文本信息；情绪识别步骤，对接收到的文本信息进行情绪识别处理，以获得所述文本信息的情绪；以及情绪呈现步骤，向用户呈现在所述情绪识别步骤中识别出的情绪，其中，所识别出的情绪用表情和反映各表情的情绪强度和/或情绪匹配度的表情得分来表示。本发明可以通过对接收到的文本信息进行情绪识别，并将识别出的情绪以表情和情绪强度的方式呈现给用户，使得用户能够更加直观地了解情绪信息并增加趣味性。

Description

文本情绪呈现方法、文本情绪呈现装置以及存储介质

技术领域

本发明涉及文本情绪呈现方法、文本情绪呈现装置以及存储介质。尤其涉及一种识别并输出文本中包含的潜在情绪的技术。

背景技术

当前在基于文字的聊天对话系统中，发送动图、表情图、趣味图等作为一种提升互动性和趣味性的手段，已经被用户广泛使用。在用户使用聊天对话系统(例如，微信)的过程中，可以根据用户输入的信息向用户推荐相应的表情符号。但是，在该处理过程中，采用的是关键字识别处理，并向用户推荐与关键字相对应的表情符号，并且只能提供少量固定的简单表情(如emoji表情)，而无法根据用户输入的文本信息提供能够反映出用户情绪的表情，更无法提供能够反映出情绪强度的信息。

发明内容

鉴于现有技术中的上述问题研发了本发明。本发明可以通过对接收到的文本信息进行情绪识别，并将识别出的情绪以表情和能够反映情绪强度的表情得分的方式输出给用户，使得用户能够更加直观地了解情绪信息并增加趣味性。

本发明的第一方面提供一种文本情绪呈现方法，所述文本情绪呈现方法包括：文本信息接收步骤，接收用户的文本信息；情绪识别步骤，对接收到的文本信息进行情绪识别处理，以获得所述文本信息的情绪；以及情绪呈现步骤，向用户呈现在所述情绪识别步骤中识别出的情绪，其中，所识别出的情绪用表情和反映各表情的情绪强度和/或情绪匹配度的表情得分来表示。

优选地，所述情绪识别步骤包括：自然语言理解步骤，对接收到的文本信息进行基于分词的句子向量表示处理，以获得文本信息的情绪的句子向量表示；情绪分类步骤，对在所述自然语言理解步骤中获得的句子向量表示进行情绪分类处理，以识别文本信息的情绪类别；以及表情识别步骤，基于所述情绪类别，来识别与所述文本信息匹配的表情以及各表情的表情得分。

优选地，在所述情绪分类步骤中，利用预先训练的基于深度学习方法的情绪分类器，对所述句子向量表示进行情绪分类处理。

优选地，在所述表情识别步骤中，利用与所述情绪类别对应的表情库，来识别与所述文本信息匹配的表情以及各表情的表情得分。

优选地，所述自然语言理解步骤包括：分词步骤，对接收到的文本信息进行分词处理，以获得文本信息的、以分词序列表示的分词结果；以及语义分析步骤，根据文本信息的分词结果，使用预先训练的基于深度学习方法的模型来获得文本信息的句子向量表示。

优选地，所述表情库以将表情和与该表情相对应的表情向量相关联的方式来管理表情。

优选地，在所述表情识别步骤中，计算文本信息的句子向量与所述表情库中的各表情向量之间的相似度，作为各表情的表情得分，并对计算出的相似度进行排序，并且，将与对应于排名前N的相似度的表情向量相关联的表情作为与所述文本信息匹配的表情，所述N为正整数。

优选地，所述表情以表情符号来呈现，所述表情符号是图标、图形、动画和文字中的至少一种。

优选地，所述情绪类别按照分层结构构建。

优选地，在所述情绪识别步骤中，至少识别出文本信息的情绪所属情绪类别的二级分类。

本发明的第二方面提供一种文本情绪呈现装置，所述文本情绪呈现装置包括：文本信息接收单元，其接收用户的文本信息；情绪识别单元，其对接收到的文本信息进行情绪识别处理，以获得所述文本信息的情绪；以及情绪呈现单元，其向用户呈现由所述情绪识别单元识别出的情绪，其中，所识别出的情绪用表情和反映各表情的情绪强度和/或情绪匹配度的表情得分来表示。

优选地，所述情绪识别单元包括：自然语言理解单元，其对接收到的文本信息进行基于分词的句子向量表示处理，以获得文本信息的情绪的句子向量表示；情绪分类单元，对由所述自然语言理解单元获得的句子向量表示进行情绪分类处理，以识别文本信息的情绪类别；以及表情识别单元，基于所述情绪类别，来识别与所述文本信息匹配的表情以及各表情的表情得分。

优选地，所述情绪分类单元利用预先训练的基于深度学习方法的情绪分类器，对所述句子向量表示进行情绪分类处理。

优选地，所述表情识别单元利用与所述情绪类别对应的表情库，来识别与所述文本信息匹配的表情以及各表情的表情得分。

优选地，所述自然语言理解单元包括：分词单元，对接收到的文本信息进行分词处理，以获得文本信息的、以分词序列表示的分词结果；以及语义分析单元，根据文本信息的分词结果，使用预先训练的基于深度学习方法的模型来获得文本信息的句子向量表示。

优选地，所述表情库以将表情和与该表情相对应的表情向量相关联的方式来管理表情。

优选地，所述表情识别单元计算文本信息的句子向量与所述表情库中的各表情向量之间的相似度，作为各表情的表情得分，并对计算出的相似度进行排序，并且，将与对应于排名前N的相似度的表情向量相关联的表情作为与所述文本信息匹配的表情，所述N为正整数。

优选地，所述表情以表情符号来呈现，所述表情符号是图标、图形、动画和文字中的至少一种。

优选地，所述情绪类别按照分层结构构建。

优选地，所述情绪识别单元至少识别出文本信息的情绪所属情绪类别的二级分类。

本发明的第三方面提供一种计算机可读存储介质，其存储计算机程序，所述计算机程序在被处理器执行时，实现上述文本情绪呈现方法中包括的步骤。

本发明的第四方面提供一种计算机设备，所述计算机设备包括：一个或多个处理器；以及存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述文本情绪呈现方法中包括的步骤。

通过对接收到的文本信息进行情绪识别，并将识别出的情绪以表情和情绪强度的方式呈现给用户，本发明使得用户能够更加直观地了解情绪信息并增加趣味性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域或普通技术人员来讲，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是例示本发明第一实施例中的文本情绪呈现装置的硬件构造的图。

图2是例示根据本发明第一实施例的文本情绪呈现方法的流程图。

图3是例示根据本发明第一实施例的文本情绪呈现装置的模块结构的框图。

图4是例示根据本发明第一实施例的文本情绪呈现方法中的情绪识别步骤的流程图。

图5是例示根据本发明第一实施例的文本情绪呈现装置中的情绪识别单元的模块结构的框图。

图6是例示情绪识别步骤中的自然语言理解步骤的流程图。

图7是例示情绪识别单元中的自然语言理解单元的模块结构的框图。

图8A至图8D是例示本发明第一实施例的文本情绪呈现方法的示例性显示画面。

具体实施方式

在下文中将参照附图详细地描述本发明的实施例。应当理解，下述实施例并不意图限制本发明，并且，关于根据本发明的解决问题的手段，并不一定需要根据下述实施例描述的各方面的全部组合。为简化起见，对相同的结构部分或者步骤，使用了相同的标记或标号，并且省略其说明。

[第一实施例]

[文本情绪呈现装置的硬件结构]

图1是示出本发明第一实施例中的文本情绪呈现装置的硬件构造的图。在本实施例中，以智能电话作为文本情绪呈现装置的示例给出描述。但请注意，虽然在本实施例中例示了智能电话作为文本情绪呈现装置1000，但是显然不限于此，本发明的文本情绪呈现装置可以是移动终端(智能手机、智能手表、智能手环、音乐播放设备)、笔记本电脑、平板电脑、PDA(个人数字助理)、传真装置、打印机、或者是具有文本情绪呈现功能的互联网设备(例如数字照相机、电冰箱、电视机等)等各种装置。

首先，参照图1的框图描述文本情绪呈现装置1000(2000、3000)的硬件结构。此外，在本实施例中作为示例描述了以下构造，但是本发明的文本情绪呈现装置不限于图1所示的构造。

文本情绪呈现装置1000包括经由系统总线彼此连接的输入接口101、CPU 102、ROM103、RAM 105、存储装置106、输出接口104、通信单元107和短距离无线通信单元108和显示单元109。输入接口101是用于接收用户所输入的数据以及功能的执行指令的接口，并且是用于经由诸如麦克风、按键、按钮或触摸屏的操作单元(未示出)接收从用户输入的数据和操作指令的接口。请注意，稍后描述的显示单元109和操作单元可以至少部分地集成，并且，例如，可以是在同一画面中进行画面输出和接收用户操作的构造。

CPU 102是系统控制单元，并且总体上全面地控制文本情绪呈现装置1000。此外，例如，CPU 102进行文本情绪呈现装置1000的显示单元109的显示控制。ROM 103存储CPU102执行的诸如数据表和控制程序以及操作系统(OS)程序等的固定数据。在本实施例中，ROM 103中存储的各个控制程序，例如，在ROM 103中存储的OS的管理下，进行诸如调度、任务切换和中断处理等的软件执行控制。

RAM 105例如由需要备用电源的SRAM(静态随机存取存储器)、DRAM等构造。在这种情况下，RAM 105可以以非易失性方式存储诸如程序控制变量等的重要数据。此外，RAM 105用作CPU 102的工作存储器和主存储器。

存储装置106存储预先训练的模型(例如，词纠错模式、实体模型、Rank模型、语义模型等)、用于进行检索的数据库以及用于执行根据本发明第一实施例的文本情绪呈现方法的应用程序等。请注意，这里的数据库也可以存储在诸如服务器的外部装置中。此外，存储装置106存储诸如用于经由通信单元107与通信装置(未示出)进行发送/接收的信息发送/接收控制程序等的各种程序，以及这些程序使用的各种信息。此外，存储装置106还存储文本情绪呈现装置1000的设置信息、文本情绪呈现装置1000的管理数据等。

输出接口104是用于对显示单元109进行控制以显示信息以及应用程序的显示画面的接口。显示单元109例如由LCD(液晶显示器)构造。通过在显示单元109上布置具有诸如数值输入键、模式设置键、决定键、取消键和电源键等的键的软键盘，可以接收经由显示单元109的来自用户的输入。

文本情绪呈现装置100经由通信单元107通过例如Wi-Fi(无线保真)或蓝牙等无线通信方法，与外部装置(未示出)执行数据通信。

此外，文本情绪呈现装置1000也可以经由短距离无线通信单元108，在短距离范围内与外部装置等进行无线连接并执行数据通信。并且短距离无线通信单元108通过与通信单元107不同的通信方法进行通信。例如，可以使用其通信范围比通信单元107的通信方法短的蓝牙低功耗(BLE)作为短距离无线通信单元108的通信方法。此外，作为短距离无线通信单元108的通信方法，例如，还可以使用NFC(近场通信)或Wi-Fi感知(Wi-Fi Aware)。

[文本情绪呈现方法]

根据本发明第一实施例的文本情绪呈现方法可以通过文本情绪呈现装置1000的CPU 102读取存储在ROM 103或存储装置106上的控制程序、或者经由通信单元107从通过网络与文本情绪呈现装置1000连接的网络服务器(未示出)而下载的控制程序来实现。

首先，参照图2对根据本发明第一实施例的文本情绪呈现方法进行说明。

图2是例示根据本发明第一实施例的文本情绪呈现方法的流程图。如图2所示，首先，在文本信息接收步骤S110中，接收用户的文本信息。这里，用户可以通过诸如键盘或触摸屏等输入设备来输入文本信息。接下来，在情绪识别步骤S120中，对接收到的文本信息进行情绪识别处理，以获得文本信息的情绪。稍后将参照图4对该步骤进行详细描述。最后，在情绪输出步骤S130中，向用户呈现识别出的情绪。这里，可以通过诸如显示器等输出设备来向用户呈现识别出的情绪，并且识别出的情绪用表情和反映各表情的情绪强度和/或情绪匹配度的表情得分来表示。

下面，参照图4详细描述图2中的情绪识别步骤S120。

图4是例示根据本发明第一实施例的文本情绪呈现方法中的情绪识别步骤的流程图。如图4所示，首先在自然语言理解步骤S1210中，对接收到的文本信息进行基于分词的句子向量表示处理，以获得文本信息的情绪的句子向量表示。稍后将参照图6对该步骤进行详细描述。

接下来，在情绪分类步骤S1220中，对在所述自然语言理解步骤中获得的句子向量表示进行情绪分类处理，以识别文本信息的情绪类别。这里，可以利用预先训练的基于深度学习方法的情绪分类器，对句子向量表示进行情绪分类处理。另外，情绪类别按照分层结构构建，例如，首先可以将情绪类别分为积极、中立、消极三大类，然后在每一大类中再细分为子类。例如可以将积极情绪类细分为高兴、赞美等子类，将消极情绪类细分为失望、贬低等子类。可以根据情况对上述子类进行进一步细分，即进行多级分类。并且，在情绪分类步骤S1220中，至少识别出文本信息的情绪所属情绪类别的二级分类。

最后，在表情识别步骤S1230中，基于在步骤S1220中识别出的情绪类别，利用与情绪类别对应的表情库，来识别与文本信息匹配的表情以及各表情的表情得分。这里，针对每个情绪类别，预先准备对应的表情库，可通过从网络上收集表情样本，并利用人工标注方式和机器学习方式中的任何一种方式来生成表情库。在该表情库中，每个表情对应一个表情向量，并且与该表情向量相关联地存储。

另外，在步骤S1230中，计算在步骤S1210中获得的文本信息的句子向量与表情库中的各表情向量之间的相似度。然后，将计算出的相似度作为表情得分进行排序，并将与对应于排名前N的相似度的表情向量相关联的表情，作为与用户输入的文本信息匹配的表情，这里，N为正整数。这里的表情得分不仅反映出用户输入的文本信息的情绪与表情库中的表情之间的匹配度，还反映出根据用户输入的文本信息而识别出的情绪的强烈程度(情绪强度)。表情得分越高，匹配度越高，情绪越强烈。例如，如图8A所示，针对用户输入的文本信息“我好困”，向用户呈现出相似度最高的表情是困倦的表情，同时呈现出困倦的得分是20.7212。如果用户输入的文本信息改变为“我实在是太困了”，也会向用户呈现出相似度最高的困倦表情，但此时的得分会更高，困倦强度会更大(该示例未以画面形式示出)。

这里是以数值的大小来表示表情得分的大小，当然也可以以诸如条状图标的长度等其他方式来表示表情得分的大小。另外，这里的表情以表情符号来呈现，表情符号可以是图标、图形、动画和文字中的至少一种。

下面，参照图6详细描述图4中的自然语言理解步骤S1210。

图6是例示情绪识别步骤中的自然语言理解步骤的流程图。如图6所示，首先在分词步骤S12110中，对接收到的文本信息进行分词处理，以获得文本信息的、以分词序列表示的分词结果。然后，在语义分析步骤S12120中，根据文本信息的分词结果，使用预先训练的基于深度学习方法的模型来获得文本信息的句子向量表示。

图8A至图8D是例示本发明第一实施例的文本情绪呈现方法的示例性显示画面。如图中所示，针对用户输入的文本信息，向用户呈现了最匹配的三个表情及其得分。当然，根据实际需要，也可以仅呈现最匹配的一个结果或其他数量的结果。

如上所述，根据本发明第一实施例的文本情绪呈现方法，通过对接收到的文本信息进行情绪识别，并将识别出的情绪以表情和能够反映情绪强度的表情得分的方式输出给用户，使得用户能够更加直观地了解情绪信息并增加趣味性。

[文本情绪呈现装置的模块结构]

图3是例示根据本发明第一实施例的文本情绪呈现装置的模块结构的框图。如图3所示，文本情绪呈现装置1000包括文本信息接收单元1110、情绪识别单元1120和情绪呈现单元1130。文本信息接收单元1110接收用户的文本信息；情绪识别单元1120对接收到的文本信息进行情绪识别处理，以获得所述文本信息的情绪；情绪呈现单元1130向用户呈现由所述情绪识别单元识别出的情绪。

图5是例示根据本发明第一实施例的文本情绪呈现装置中的情绪识别单元的模块结构的框图。如图5所示，情绪识别单元1120包括自然语言理解单元11210、情绪分类单元11220和表情识别单元11230。自然语言理解单元11210对接收到的文本信息进行基于分词的句子向量表示处理，以获得文本信息的句子向量表示；情绪分类单元11220对由所述自然语言理解单元获得的句子向量表示进行情绪分类处理，以识别文本信息的情绪类别；表情识别单元11230基于所述情绪类别，来识别与所述文本信息匹配的表情以及各表情的表情得分。

图7是例示情绪识别单元中的自然语言理解单元的模块结构的框图。如图7所示，自然语言理解单元11210包括分词单元112110和语义分析单元112120。分词单元112110对接收到的文本信息进行分词处理，以获得文本信息的、以分词序列表示的分词结果；语义分析单元112120根据文本信息的分词结果，使用预先训练的基于深度学习方法的模型来获得文本信息的句子向量表示。

注意，本发明的实施例不限于如上所述的第一实施例。本发明的实施例包括在不脱离本发明的范围的情况下作出了改变或变型的第一实施例。

[第二实施例]

通过使用相应的程序，能够通过个人计算机、微计算机、CPU(Central ProcessingUnit(中央处理单元))、处理器等实现第一实施例中描述的各种功能、处理或方法。在第二实施例中，以下将个人计算机、微计算机、CPU(中央处理单元)、处理器等称作“计算机X”。另外，在第二实施例中，将用于控制计算机X的程序，即用于实现第一实施例中描述的各种功能、处理或方法中的一者的程序称作“程序Y”。

通过执行程序Y的计算机X实现第一实施例中描述的各种功能、过程或方法中的每一者。在这种情况下，程序Y经由计算机可读介质供给到计算机X。根据第二实施例的计算机可读存储介质包括硬盘设备、磁存储设备、光存储设备、磁光存储设备、存储卡、易失性存储器、非易失性存储器等中的至少一者。根据第二实施例的计算机可读存储介质是非暂时性存储介质。

以上虽然参照示例性实施例对本发明进行了描述，但是上述实施例只为说明本发明的技术构思及特点，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的任何等效变型或修改，都应涵盖在本发明的保护范围之内。

Claims (12)

1.一种文本情绪呈现方法，所述文本情绪呈现方法包括：

文本信息接收步骤，接收用户的文本信息；

自然语言理解步骤，对所述文本信息进行基于分词的句子向量表示处理，以获得所述文本信息的情绪的句子向量表示；

情绪分类步骤，利用预先训练的基于深度学习方法的情绪分类器，对所述情绪的句子向量表示进行情绪分类处理，以识别所述文本信息的情绪类别；其中，所述情绪类别至少包括积极、中立和消极三个大类，在每一所述大类中细分为至少一个子类；在所述情绪分类步骤中，至少识别出所述文本信息的情绪所属情绪类别的二级分类；

表情识别步骤，基于所述情绪类别，利用与情绪类别对应的表情库，确定所述文本信息的情绪的句子向量与所述表情库中的各表情向量之间的相似度；将所述相似度确定为对应表情的表情得分；对所述表情得分进行排序；将与对应于排序为前N的相似度的表情向量相关联的表情，确定为与用户输入的文本信息匹配的表情，N为正整数；其中，所述表情库是通过收集的表情样本，并利用人工标注方式和机器学习方式中的任何一种方式所生成的表情库，在所述表情库中，每个表情对应一个表情向量，每个表情与对应的表情向量相关联地存储；

情绪呈现步骤，向用户呈现所识别出的情绪，

其中，所识别出的情绪用表情和所述表情得分来表示，所述表情得分反映各表情的情绪强度和情绪匹配度中的至少一个，所述表情得分越高，情绪越强烈；以数值大小或者条状图标的长度来表示所述表情得分的大小。

2.根据权利要求1所述的文本情绪呈现方法，其中，所述自然语言理解步骤包括：

分词步骤，对接收到的文本信息进行分词处理，以获得文本信息的、以分词序列表示的分词结果；以及

语义分析步骤，根据文本信息的分词结果，使用预先训练的基于深度学习方法的模型来获得文本信息的句子向量表示。

3.根据权利要求1所述的文本情绪呈现方法，其中，所述表情库以将表情和与该表情相对应的表情向量相关联的方式来管理表情。

4.根据权利要求1至3中的任一项所述的文本情绪呈现方法，其中，所述表情以表情符号来呈现，所述表情符号是图标、图形、动画和文字中的至少一种。

5.根据权利要求1至3中的任一项所述的文本情绪呈现方法，其中，所述情绪类别按照分层结构构建。

6.一种文本情绪呈现装置，所述文本情绪呈现装置包括：

文本信息接收单元，其接收用户的文本信息；

自然语言理解单元，其对所述文本信息进行基于分词的句子向量表示处理，以获得所述文本信息的情绪的句子向量表示；

情绪分类单元，其利用预先训练的基于深度学习方法的情绪分类器，对所述情绪的句子向量表示进行情绪分类处理，以识别所述文本信息的情绪类别；其中，所述情绪类别至少包括积极、中立和消极三个大类，在每一所述大类中细分为至少一个子类；在所述情绪分类步骤中，至少识别出所述文本信息的情绪所属情绪类别的二级分类；

表情识别单元，基于所述情绪类别，利用与情绪类别对应的表情库，确定所述文本信息的情绪的句子向量与所述表情库中的各表情向量之间的相似度；将所述相似度确定为对应表情的表情得分；对所述表情得分进行排序；将与对应于排序为前N的相似度的表情向量相关联的表情，确定为与用户输入的文本信息匹配的表情，N为正整数；其中，所述表情库是通过收集的表情样本，并利用人工标注方式和机器学习方式中的任何一种方式所生成的表情库，在所述表情库中，每个表情对应一个表情向量，每个表情与对应的表情向量相关联地存储；

情绪呈现单元，其向用户呈现所识别出的情绪，

其中，所识别出的情绪用表情和所述表情得分来表示，所述表情得分反映各表情的情绪强度和情绪匹配度中的至少一个，所述表情得分越高，情绪越强烈；以数值大小或者条状图标的长度来表示所述表情得分的大小。

7.根据权利要求6所述的文本情绪呈现装置，其中，所述自然语言理解单元包括：

分词单元，对接收到的文本信息进行分词处理，以获得文本信息的、以分词序列表示的分词结果；以及

语义分析单元，根据文本信息的分词结果，使用预先训练的基于深度学习方法的模型来获得文本信息的句子向量表示。

8.根据权利要求6所述的文本情绪呈现装置，其中，所述表情库以将表情和与该表情相对应的表情向量相关联的方式来管理表情。

9.根据权利要求6至8中的任一项所述的文本情绪呈现装置，其中，所述表情以表情符号来呈现，所述表情符号是图标、图形、动画和文字中的至少一种。

10.根据权利要求6至8中的任一项所述的文本情绪呈现装置，其中，所述情绪类别按照分层结构构建。

11.一种计算机可读存储介质，其存储计算机程序，所述计算机程序在被处理器执行时，实现根据权利要求1至5中任一项所述的文本情绪呈现方法中包括的步骤。

12.一种计算机设备，所述计算机设备包括：

一个或多个处理器；以及

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现根据权利要求1至5中任一项所述的文本情绪呈现方法中包括的步骤。

Images