CN111209445A - 识别终端用户情绪的方法和装置 - Google Patents

识别终端用户情绪的方法和装置 Download PDF

Info

Publication number
CN111209445A
CN111209445A CN201811387432.7A CN201811387432A CN111209445A CN 111209445 A CN111209445 A CN 111209445A CN 201811387432 A CN201811387432 A CN 201811387432A CN 111209445 A CN111209445 A CN 111209445A
Authority
CN
China
Prior art keywords
emotion
terminal user
data
class
normal
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
Application number
CN201811387432.7A
Other languages
English (en)
Other versions
CN111209445B (zh
Inventor
王雪琼
赵钧
黄磊
姚晓辉
刘翼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201811387432.7A priority Critical patent/CN111209445B/zh
Publication of CN111209445A publication Critical patent/CN111209445A/zh
Application granted granted Critical
Publication of CN111209445B publication Critical patent/CN111209445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种识别终端用户情绪的方法和装置，涉及大数据技术领域。该方法包括：获取终端用户特征数据；基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。本公开提高了用户情绪识别的准确性，以便于用户了解自己的情绪。

Description

识别终端用户情绪的方法和装置
技术领域
本公开涉及大数据技术领域，尤其涉及一种识别终端用户情绪的方法和装置。
背景技术
随着生活节奏的加快，人们的压力越来越大，易产生异常情绪(如愤怒、悲伤等)，不仅影响人际关系、工作效率，而且严重影响人的身心健康。因此，及时识别出用户的异常情绪可以发出预警，帮助用户更好地管理情绪变得尤为重要。
发明内容
本公开要解决的一个技术问题是提供一种识别终端用户情绪的方法和装置，能够提高用户情绪识别的准确性。
根据本公开一方面，提出一种识别终端用户情绪的方法，包括：获取终端用户特征数据；基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。
可选地，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息包括：将终端用户特征数据进行标准化，确定终端用户特征数据对应的正常情绪标准化值和异常情绪标准化值；根据情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心；计算正常情绪标准化值与正常情绪对应数据类中心的第一距离以及异常情绪标准化值与异常情绪对应数据类中心的第二距离；根据第一距离和第二距离之差确定终端用户的情绪信息。
可选地，根据第一距离和第二距离之差确定终端用户的情绪信息包括：确定第一距离与第二距离中的较小值；若第一距离与第二距离之差的绝对值大于等于预定倍数的较小值，则判断第一距离是否大于第二距离；若第一距离小于等于第二距离，则终端用户的情绪信息属于正常情绪类，否则，终端用户的情绪信息属于异常情绪类；若第一距离与第二距离之差的绝对值小于预定倍数的较小值，则在情绪数据库中获取与终端用户特征数据距离最近的预定奇数个数据；将终端用户的情绪信息归于预定奇数各数据所属情绪类别最多的类。
可选地，该方法还包括：将识别出的情绪信息反馈给终端用户，以便终端用户确认识别出的情绪信息是否正确；响应于终端用户对情绪信息的反馈，将情绪信息按照正确情绪分类结果输入至情绪数据库。
可选地，根据情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心包括：将情绪数据库中正常情绪对应的终端用户特征数据，分别进行均值计算，确定正常情绪对应数据类中心；将情绪数据库中异常情绪对应的终端用户特征数据，分别进行均值计算，确定异常情绪对应数据类中心。
可选地，若第i次识别出情绪信息为异常情绪类，但终端用户确定识别错误，则将情绪信息对应的终端用户特征数据存储至情绪数据库的正常情绪类中，其中，i为自然数；将第i次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心和第i次识别出异常情绪类对应的终端用户特征数据的均值作为第i+1次识别终端用户情绪时的正常情绪对应数据类中心；将第i+1次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心与第i次识别终端用户情绪时的正常情绪对应数据类中心的比值作为权重；若第i+1次识别出情绪信息为正常情绪类，则将第i次识别出异常情绪类对应的终端用户特征数据与权重之积、第i次识别终端用户情绪时的情绪数据库中正常情绪类对应的终端用户特征数据以及第i+1次识别出异常情绪类对应的终端用户特征数据的均值作为第i+2次识别终端用户情绪时的正常情绪对应数据类中心。
可选地，若第i+1次识别出情绪信息为异常情绪类，且终端用户反馈情绪信息正确，则第i+2次识别终端用户情绪时的正常情绪对应数据类中心为第i+1次识别终端用户情绪时的正常情绪对应数据类中心。
可选地，该方法还包括：若情绪数据库中的历史数据中为空，则预设正常情绪对应数据类中心和异常情绪对应数据类中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的正常情绪对应数据类中心和异常情绪对应数据类中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的正常情绪对应数据类中心和异常情绪对应数据类中心。
可选地，若情绪数据库中的历史数据中为空，则将第1次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据的均值作为识别出的终端用户的情绪信息对应的情绪类的中心。
可选地，该方法还包括：预设识别出的终端用户的情绪信息对应的情绪类的相反情绪类的中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的相反情绪类的中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的相反情绪类的中心。
可选地，终端用户特征数据包括生理数据和行为数据。
可选地，生理数据包括用户心率和体温数据中的一项或多项；行为数据包括用户敲击终端屏幕力度和甩击力度中的一项或多项。
可选地，该方法还包括：若识别出的终端用户的情绪信息属于异常情绪类，则向终端用户发送提醒信息。
根据本公开的另一方面，还提出一种识别终端用户情绪的装置，包括：数据获取单元，用于获取终端用户特征数据；情绪识别单元，用于基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。
可选地，情绪识别单元包括：数据标准化模块，用于将终端用户特征数据进行标准化，确定终端用户特征数据对应的正常情绪标准化值和异常情绪标准化值；类中心确定模块，用于根据情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心；距离确定模块，用于计算正常情绪标准化值与正常情绪对应数据类中心的第一距离以及异常情绪标准化值与异常情绪对应数据类中心的第二距离；情绪识别模块，用于根据第一距离和第二距离之差确定终端用户的情绪信息。
可选地，情绪识别模块用于确定第一距离与第二距离中的较小值；若第一距离与第二距离之差的绝对值大于等于预定倍数的较小值，则判断第一距离是否大于第二距离；若第一距离小于等于第二距离，则终端用户的情绪信息属于正常情绪类，否则，终端用户的情绪信息属于异常情绪类；若第一距离与第二距离之差的绝对值小于预定倍数的较小值，则在情绪数据库中获取与终端用户特征数据距离最近的预定奇数个数据；将终端用户的情绪信息归于预定奇数各数据所属情绪类别最多的类。
可选地，该装置还包括：情绪反馈单元，用于将识别出的情绪信息反馈给终端用户，以便终端用户确认识别出的情绪信息是否正确；数据存储单元，用于响应于终端用户对情绪信息的反馈，将情绪信息按照正确情绪分类结果输入至情绪数据库。
可选地，类中心确定模块用于将情绪数据库中正常情绪对应的终端用户特征数据，分别进行均值计算，确定正常情绪对应数据类中心；将情绪数据库中异常情绪对应的终端用户特征数据，分别进行均值计算，确定异常情绪对应数据类中心。
可选地，类中心确定模块用于若第i次识别出情绪信息为异常情绪类，但终端用户确定识别错误，则将情绪信息对应的终端用户特征数据存储至情绪数据库的正常情绪类中，其中，i为自然数；将第i次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心和第i次识别出异常情绪类对应的终端用户特征数据的均值作为第i+1次识别终端用户情绪时的正常情绪对应数据类中心；将第i+1次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心与第i次识别终端用户情绪时的正常情绪对应数据类中心的比值作为权重；若第i+1次识别出情绪信息为正常情绪类，则将第i次识别出异常情绪类对应的终端用户特征数据与权重之积、第i次识别终端用户情绪时的情绪数据库中正常情绪类对应的终端用户特征数据以及第i+1次识别出异常情绪类对应的终端用户特征数据的均值作为第i+2次识别终端用户情绪时的正常情绪对应数据类中心。
可选地，类中心确定模块用于若第i+1次识别出情绪信息为异常情绪类，且终端用户反馈情绪信息正确，则第i+2次识别终端用户情绪时的正常情绪对应数据类中心为第i+1次识别终端用户情绪时的正常情绪对应数据类中心。
可选地，类中心确定模块用于若情绪数据库中的历史数据中为空，则预设正常情绪对应数据类中心和异常情绪对应数据类中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的正常情绪对应数据类中心和异常情绪对应数据类中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的正常情绪对应数据类中心和异常情绪对应数据类中心。
可选地，类中心确定模块用于若情绪数据库中的历史数据中为空，则将第1次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据的均值作为识别出的终端用户的情绪信息对应的情绪类的中心。
可选地，类中心确定模块用于预设识别出的终端用户的情绪信息对应的情绪类的相反情绪类的中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的相反情绪类的中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的相反情绪类的中心。
可选地，终端用户特征数据包括生理数据和行为数据。
可选地，生理数据包括用户心率和体温数据中的一项或多项；行为数据包括用户敲击终端屏幕力度和甩击力度中的一项或多项。
可选地，该装置还包括：情绪提醒单元，用于若识别出的终端用户的情绪信息属于异常情绪类，则向终端用户发送提醒信息。
根据本公开的另一方面，还提出一种识别终端用户情绪的装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的识别终端用户情绪的方法。
根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的识别终端用户情绪的方法的步骤。
与相关技术相比，本公开基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息，提高了用户情绪识别的准确性，以便于用户了解自己的情绪。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开识别终端用户情绪的方法的一个实施例的流程示意图。
图2为本公开识别终端用户情绪的方法的另一个实施例的流程示意图。
图3为本公开识别终端用户情绪的方法中校正类中心的一个实施例的流程示意图。
图4为本公开识别终端用户情绪的装置的一个实施例的结构示意图。
图5为本公开识别终端用户情绪的装置的另一个实施例的结构示意图。
图6为本公开识别终端用户情绪的装置的再一个实施例的结构示意图。
图7为本公开识别终端用户情绪的装置的又一个实施例的结构示意图。
图8为本公开识别终端用户情绪的装置的又一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：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布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
图1为本公开识别终端用户情绪的方法的一个实施例的流程示意图。
在步骤110，获取终端用户特征数据。其中，终端用户特征数据包括生理数据和行为数据。生理数据例如为用户心率、体温数据等，行为数据例如为户敲击终端屏幕力度、甩击力度等。
在一个实施例中，可以通过终端内置的光电心率传感器、触屏传感器、温度传感器、压力传感器、重力传感器等传感器或外部APP获取终端用户特征数据。
在步骤120，基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。
例如，将终端用户特征数据进行标准化，确定终端用户特征数据对应的正常情绪标准化值和异常情绪标准化值；根据情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心；计算正常情绪标准化值与正常情绪对应数据类中心的第一距离以及异常情绪标准化值与异常情绪对应数据类中心的第二距离；根据第一距离和第二距离之差确定终端用户的情绪信息。
例如，确定第一距离与第二距离中的较小值；若第一距离与第二距离之差的绝对值大于等于预定倍数的较小值，则判断第一距离是否大于第二距离；若第一距离小于等于第二距离，则终端用户的情绪信息属于正常情绪类，否则，终端用户的情绪信息属于异常情绪类；若第一距离与第二距离之差的绝对值小于预定倍数的较小值，则在情绪数据库中获取与终端用户特征数据距离最近的预定奇数个数据；将终端用户的情绪信息归于预定奇数各数据所属情绪类别最多的类。
在该实施例中，基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息，提高了用户情绪识别的准确性，以便于用户了解自己的情绪。
在本公开的一个实施例中，若识别出的终端用户的情绪信息属于异常情绪类，则向终端用户发送提醒信息。例如，在用户处于异常情绪时，向用户发出警示，用户可以及时采取措施管理自己的情绪。
图2为本公开识别终端用户情绪的方法的另一个实施例的流程示意图。
在步骤210，获取终端用户特征数据X＝(x1，x2…xn)，其中，x1，x2…xn分别代表不同的特征，例如，用户心率、敲击触摸屏力度、体温、甩击力度等。其中，可以根据用户需求预设数据采集频率。
在步骤220，将终端用户特征数据进行标准化，确定终端用户特征数据对应的正常情绪标准化值X1和异常情绪标准化值X2。
其中，可以先将情绪数据库中的正常情绪类和异常情绪类中数据分别进行标准化，例如，选用离差标准化或z-score标准化情绪类。正常情绪类和异常情绪类标准化所用的参数分别记为(P1，P2)和(Q1，Q2)，对于新采集的终端用户特征数据X，利用(P1，P2)进行标准化得到正常情绪标准化值X1，利用(Q1，Q2)进行标准化得到异常情绪标准化值X2。
在步骤230，计算正常情绪对应数据类中心O1和异常情绪对应数据类中心O2。
在一个实施例中，将情绪数据库中正常情绪对应的终端用户特征数据，分别进行均值计算，确定正常情绪对应数据类中心；将情绪数据库中异常情绪对应的终端用户特征数据，分别进行均值计算，确定异常情绪对应数据类中心。例如，将正常情绪对应数据类中心记为O1＝(O11，O12，…，O1n)，将异常情绪对应数据类中心类记为O2＝(O21，O22，…，O2n)，中心值可以利用该类中所有对象的均值计算；若用户反馈判断错误，则按照结果矫正模块中的类中心优化模型计算新的类中心。
在一个实施例中，若终端用户特征数据缺失某分量，则计算去掉缺失分量的正常情绪和异常情绪对应的类中心。
在步骤240，计算X1与O1的距离d1以及X2与O2的距离d2。其中，可以采用欧式距离、马氏距离等公式计算距离。
在步骤250，判断|d1-d2|是否大于等于1/2min(d1，d2)，若是，则执行步骤260，否则，执行步骤270。
在步骤260，判断d1是否小于等于d2，若是，则执行步骤261，否则，执行步骤262。
在步骤261，确定终端用户的情绪信息属于正常情绪类。
在步骤262，确定终端用户的情绪信息属于异常情绪类。
在步骤270，在情绪数据库中获取与终端用户特征数据距离最近的预定奇数个数据，例如，获取7个数据。
在步骤280，将终端用户的情绪信息归于预定奇数各数据所属情绪类别最多的类。例如，确定这7个数据分别正常情绪类还是异常情绪类，按照投票原则将终端用户的情绪信息归于这7个数据所属类别最多的那一类。
在该实施例中，利用终端用户的生理数据和行为数据，并确定正常情绪对应数据类中心和异常情绪对应数据类中心，然后分别计算终端用户的生理数据和行为数据与正常情绪对应数据类中心和异常情绪对应数据类中心的距离，从而能够根据距离结果有效识别出终端用户情绪所属类，在该实施例中人工干预少，完全利用数据内部特征，充分考虑用户个体差异性。
在本公开的另一个实施例中，将识别出的情绪信息反馈给终端用户，以便终端用户确认识别出的情绪信息是否正确；响应于终端用户对情绪信息的反馈，将情绪信息按照正确情绪分类结果输入至情绪数据库。
例如，当判断出用户为异常情绪时，以弹窗形式提醒用户，并用户标记判断是否正确。根据用户的标记将输入数据以正确的分类存入情绪数据库，并根据用户反馈校准正常情绪类和异常情绪类的中心。其中，可以根据用户反馈将情绪信息存入到情绪数据库中对应的类，如果用户没有反馈，按照机器学习模块的分类结果将终端用户特征数据X存入到数据库中对应的类内。
图3为本公开识别终端用户情绪的方法中校正类中心的一个实施例的流程示意图。
在步骤310，确定第i次识别用户情绪时情绪数据库中的正常情绪数据。其中，i为自然数。例如，设第i次识别时情绪数剧库中的正常情绪数据为(s11,s12,…,s1n；s21,s22,…,s2n；……；sm1,sm2,…,smn),则该类的中心O1＝((s11+s21+……+sm1)/m,(s12+s22+……+sm2)/m,……,(s1n+s2n+……+smn)/m)。
在步骤320，若第i次识别出情绪信息为异常情绪类，但用户确定识别错误，则将情绪信息对应的终端用户特征数据存储至情绪数据库的正常情绪类中。例如，识别错的终端用户特征数据为Z1＝(z11,z12,…,z1n))，则将Z1存到情绪数据库的正常情绪类中。
在步骤330，将第i次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心和第i次识别出异常情绪类对应的终端用户特征数据的均值作为第i+1次识别终端用户情绪时的正常情绪对应数据类中心。即第i+1次识别终端用户情绪时的正常情绪对应数据类中心t1＝(O1+Z1)/2。
在步骤340，将第i+1次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心与第i次识别终端用户情绪时的正常情绪对应数据类中心的比值作为权重。即权重w＝t1/O1。
在步骤350，若第i+1次识别出情绪信息为正常情绪类，则将第i次识别出异常情绪类对应的终端用户特征数据与权重之积、第i次识别终端用户情绪时的情绪数据库中正常情绪类对应的终端用户特征数据以及第i+1次识别出异常情绪类对应的终端用户特征数据的均值作为第i+2次识别终端用户情绪时的正常情绪对应数据类中心。
例如，若第i+1次识别情绪信息Z2＝(z21,z22,…,z2n)为正常情绪，则第i+2次识别情绪信息时正常情绪类中心的计算公式为O1＝((s11+s21+…+sm1+w*z11+z21)/(m+2),(s12+s22+…+sm2+w*z12+z12)/(m+2),…,(s1n+s2n+…+smn+w*z1n+z2n)/(m+2))。
在步骤360，若第i+1次识别出情绪信息为异常情绪类，且终端用户反馈情绪信息正确，则第i+2次识别终端用户情绪时的正常情绪对应数据类中心为第i+1次识别终端用户情绪时的正常情绪对应数据类中心。
例如，若第i+1次识别Z2＝(z21,z22,…,z2n)为异常情绪且用户没有标记为错误，则正常情绪类的中心仍为i+1次时的类中心；若第i+1次识别为异常情绪，且用户标记为错误，则按照步骤320重新计算类中心。
在该实施例中，利用用户反馈结果调整类中心，优化模型，增加了用户反馈数据对模型的影响，有利于提高识别准确率。
在一个实施例中，若情绪数据库中的历史数据中为空，则预设正常情绪对应数据类中心和异常情绪对应数据类中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的正常情绪对应数据类中心和异常情绪对应数据类中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的正常情绪对应数据类中心和异常情绪对应数据类中心。
例如，在用户最初使用终端时，情绪数据库中没有正常情绪和异常情绪数据，此时根据大众水平给定正常类和异常类的中心，再计算用户特征数据与两个类中心的距离。前N次预测无论是正常情绪还是异常情绪都需要反馈给用户并请用户标记，其中，N的取值可通过异常情绪类样本个数确定，一般的当异常类中样本个数大于等于5时可以只提醒异常情绪，并根据用户反馈调整类中心。预测N次后，删除给定的类中心，使用用户数据计算出的类中心。
在另一个实施例中，若情绪数据库中的历史数据中为空，则将第1次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据的均值作为识别出的终端用户的情绪信息对应的情绪类的中心。预设识别出的终端用户的情绪信息对应的情绪类的相反情绪类的中心；并将根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的相反情绪类的中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的相反情绪类的中心。
例如，可以根据用户反馈直接将用户特征数据作为对应类的中心，另一类若没有用户数据仍用经验值；也可以将用户数据与经验值求平均作为新的类中心。
在该实施例中，随着采集数据量的增加可以有效提升模型的识别效果。
图4为本公开识别终端用户情绪的装置的一个实施例的结构示意图。该装置包括数据获取单元410和情绪识别单元420。
数据获取单元410用于获取终端用户特征数据。其中，终端用户特征数据包括生理数据和行为数据。生理数据例如为用户心率、体温数据等，行为数据例如为户敲击终端屏幕力度、甩击力度等。
情绪识别单元420用于基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。
在一个实施例中，如图5所示，该情绪识别单元420可以包括数据标准化模块421、类中心确定模块422、距离确定模块423和情绪识别模块424。
数据标准化模块421用于将终端用户特征数据进行标准化，确定终端用户特征数据对应的正常情绪标准化值和异常情绪标准化值。
类中心确定模块422用于根据情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心。
在一个实施例中，类中心确定模块422用于将情绪数据库中正常情绪对应的终端用户特征数据，分别进行均值计算，确定正常情绪对应数据类中心；将情绪数据库中异常情绪对应的终端用户特征数据，分别进行均值计算，确定异常情绪对应数据类中心。
例如，若第i次识别出情绪信息为异常情绪类，但终端用户确定识别错误，则将情绪信息对应的终端用户特征数据存储至情绪数据库的正常情绪类中，其中，i为自然数；将第i次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心和第i次识别出异常情绪类对应的终端用户特征数据的均值作为第i+1次识别终端用户情绪时的正常情绪对应数据类中心；将第i+1次识别终端用户情绪时的情绪数据库中正常情绪对应数据类中心与第i次识别终端用户情绪时的正常情绪对应数据类中心的比值作为权重；若第i+1次识别出情绪信息为正常情绪类，则将第i次识别出异常情绪类对应的终端用户特征数据与权重之积、第i次识别终端用户情绪时的情绪数据库中正常情绪类对应的终端用户特征数据以及第i+1次识别出异常情绪类对应的终端用户特征数据的均值作为第i+2次识别终端用户情绪时的正常情绪对应数据类中心。
若第i+1次识别出情绪信息为异常情绪类，且终端用户反馈情绪信息正确，则第i+2次识别终端用户情绪时的正常情绪对应数据类中心为第i+1次识别终端用户情绪时的正常情绪对应数据类中心。
若情绪数据库中的历史数据中为空，则预设正常情绪对应数据类中心和异常情绪对应数据类中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的正常情绪对应数据类中心和异常情绪对应数据类中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的正常情绪对应数据类中心和异常情绪对应数据类中心。
若情绪数据库中的历史数据中为空，则将第1次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据的均值作为识别出的终端用户的情绪信息对应的情绪类的中心。
在一个实施例中，还可以预设识别出的终端用户的情绪信息对应的情绪类的相反情绪类的中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的相反情绪类的中心，并在第N+1次识别情绪信息时，删除情绪数据库中预设的相反情绪类的中心。
距离确定模块423用于计算正常情绪标准化值与正常情绪对应数据类中心的第一距离以及异常情绪标准化值与异常情绪对应数据类中心的第二距离。
情绪识别模块424用于根据第一距离和第二距离之差确定终端用户的情绪信息。例如，确定第一距离与第二距离中的较小值；若第一距离与第二距离之差的绝对值大于等于预定倍数的较小值，则判断第一距离是否大于第二距离；若第一距离小于等于第二距离，则终端用户的情绪信息属于正常情绪类，否则，终端用户的情绪信息属于异常情绪类；若第一距离与第二距离之差的绝对值小于预定倍数的较小值，则在情绪数据库中获取与终端用户特征数据距离最近的预定奇数个数据；将终端用户的情绪信息归于预定奇数各数据所属情绪类别最多的类。
在该实施例中，基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息，提高了用户情绪识别的准确性，以便于用户了解自己的情绪。
图6为本公开识别终端用户情绪的装置的再一个实施例的结构示意图。该装置还包括情绪反馈单元610和数据存储单元620。
情绪反馈单元610用于将识别出的情绪信息反馈给终端用户，以便终端用户确认识别出的情绪信息是否正确。
数据存储单元620用于响应于终端用户对情绪信息的反馈，将情绪信息按照正确情绪分类结果输入至情绪数据库。
在一个实施例中，该装置还包括情绪提醒单元630，用于若识别出的终端用户的情绪信息属于异常情绪类，则向终端用户发送提醒信息。例如，在用户处于异常情绪时，可以及时采取措施管理自己的情绪。
在上述实施例中，利用终端用户的生理数据和行为数据，并确定正常情绪对应数据类中心和异常情绪对应数据类中心，然后分别计算终端用户的生理数据和行为数据与正常情绪对应数据类中心和异常情绪对应数据类中心的距离，从而能够根据距离结果有效识别出终端用户情绪所属类，在该实施例中人工干预少，完全利用数据内部特征，充分考虑用户个体差异性。
图7为本公开识别终端用户情绪的装置的又一个实施例的结构示意图。该装置包括：存储器710和处理器720。其中：存储器710可以是磁盘、闪存或其它任何非易失性存储介质。存储器710用于存储图1-3所对应实施例中的指令。处理器720耦接至存储器710，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器720用于执行存储器中存储的指令。
在一个实施例中，还可以如图8所示，该装置800包括存储器810和处理器820。处理器820通过BUS总线830耦合至存储器810。该装置800还可以通过存储接口840连接至外部存储装置850以便调用外部数据，还可以通过网络接口860连接至网络或者另外一台计算机系统(未标出)，此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，基于终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息，提高了用户情绪识别的准确性，以便于用户了解自己的情绪。
在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1-3所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (28)

1.一种识别终端用户情绪的方法，包括：
获取终端用户特征数据；
基于所述终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。
2.根据权利要求1所述的方法，其中，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息包括：
将所述终端用户特征数据进行标准化，确定所述终端用户特征数据对应的正常情绪标准化值和异常情绪标准化值；
根据所述情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心；
计算所述正常情绪标准化值与所述正常情绪对应数据类中心的第一距离以及所述异常情绪标准化值与所述异常情绪对应数据类中心的第二距离；
根据所述第一距离和所述第二距离之差确定所述终端用户的情绪信息。
3.根据权利要求2所述的方法，其中，根据所述第一距离和所述第二距离之差确定所述终端用户的情绪信息包括：
确定所述第一距离与所述第二距离中的较小值；
若所述第一距离与所述第二距离之差的绝对值大于等于预定倍数的较小值，则判断所述第一距离是否大于所述第二距离；
若所述第一距离小于等于所述第二距离，则所述终端用户的情绪信息属于正常情绪类，否则，所述终端用户的情绪信息属于异常情绪类；
若所述第一距离与所述第二距离之差的绝对值小于预定倍数的较小值，则在所述情绪数据库中获取与所述终端用户特征数据距离最近的预定奇数个数据；
将所述终端用户的情绪信息归于所述预定奇数各数据所属情绪类别最多的类。
4.根据权利要求2所述的方法，还包括：
将识别出的所述情绪信息反馈给所述终端用户，以便所述终端用户确认识别出的所述情绪信息是否正确；
响应于所述终端用户对所述情绪信息的反馈，将所述情绪信息按照正确情绪分类结果输入至所述情绪数据库。
5.根据权利要求4所述的方法，其中，根据所述情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心包括：
将所述情绪数据库中正常情绪对应的终端用户特征数据，分别进行均值计算，确定所述正常情绪对应数据类中心；
将所述情绪数据库中异常情绪对应的终端用户特征数据，分别进行均值计算，确定所述异常情绪对应数据类中心。
6.根据权利要求5所述的方法，其中，
若第i次识别出所述情绪信息为异常情绪类，但终端用户确定识别错误，则将所述情绪信息对应的终端用户特征数据存储至所述情绪数据库的正常情绪类中，其中，i为自然数；
将第i次识别所述终端用户情绪时的情绪数据库中正常情绪对应数据类中心和第i次识别出异常情绪类对应的终端用户特征数据的均值作为第i+1次识别所述终端用户情绪时的正常情绪对应数据类中心；
将所述第i+1次识别所述终端用户情绪时的情绪数据库中正常情绪对应数据类中心与第i次识别所述终端用户情绪时的正常情绪对应数据类中心的比值作为权重；
若第i+1次识别出所述情绪信息为正常情绪类，则将所述第i次识别出异常情绪类对应的终端用户特征数据与所述权重之积、第i次识别所述终端用户情绪时的情绪数据库中正常情绪类对应的终端用户特征数据以及所述第i+1次识别出异常情绪类对应的终端用户特征数据的均值作为第i+2次识别所述终端用户情绪时的正常情绪对应数据类中心。
7.根据权利要求6所述的方法，其中，
若第i+1次识别出所述情绪信息为异常情绪类，且所述终端用户反馈情绪信息正确，则所述第i+2次识别所述终端用户情绪时的正常情绪对应数据类中心为所述第i+1次识别所述终端用户情绪时的正常情绪对应数据类中心。
8.根据权利要求7所述的方法，还包括：
若所述情绪数据库中的历史数据中为空，则预设正常情绪对应数据类中心和异常情绪对应数据类中心；
根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整所述预设的正常情绪对应数据类中心和异常情绪对应数据类中心，并在第N+1次识别情绪信息时，删除所述情绪数据库中预设的正常情绪对应数据类中心和异常情绪对应数据类中心。
9.根据权利要求7所述的方法，其中，
若所述情绪数据库中的历史数据中为空，则将第1次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据的均值作为识别出的终端用户的情绪信息对应的情绪类的中心。
10.根据权利要求9所述的方法，还包括：
预设识别出的终端用户的情绪信息对应的情绪类的相反情绪类的中心；
根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的相反情绪类的中心，并在第N+1次识别情绪信息时，删除所述情绪数据库中预设的相反情绪类的中心。
11.根据权利要求1-10任一所述的方法，其中，
所述终端用户特征数据包括生理数据和行为数据。
12.根据权利要求11所述的方法，其中，
所述生理数据包括用户心率和体温数据中的一项或多项；
所述行为数据包括用户敲击终端屏幕力度和甩击力度中的一项或多项。
13.根据权利要求1-10任一所述的方法，还包括：
若识别出的所述终端用户的情绪信息属于异常情绪类，则向所述终端用户发送提醒信息。
14.一种识别终端用户情绪的装置，包括：
数据获取单元，用于获取终端用户特征数据；
情绪识别单元，用于基于所述终端用户特征数据，根据情绪数据库中的历史数据，利用情绪距离相似度识别终端用户的情绪信息。
15.根据权利要求14所述的装置，其中，所述情绪识别单元包括：
数据标准化模块，用于将所述终端用户特征数据进行标准化，确定所述终端用户特征数据对应的正常情绪标准化值和异常情绪标准化值；
类中心确定模块，用于根据所述情绪数据库中的历史数据确定正常情绪对应数据类中心和异常情绪对应数据类中心；
距离确定模块，用于计算所述正常情绪标准化值与所述正常情绪对应数据类中心的第一距离以及所述异常情绪标准化值与所述异常情绪对应数据类中心的第二距离；
情绪识别模块，用于根据所述第一距离和所述第二距离之差确定所述终端用户的情绪信息。
16.根据权利要求15所述的装置，其中，
所述情绪识别模块用于确定所述第一距离与所述第二距离中的较小值；若所述第一距离与所述第二距离之差的绝对值大于等于预定倍数的较小值，则判断所述第一距离是否大于所述第二距离；若所述第一距离小于等于所述第二距离，则所述终端用户的情绪信息属于正常情绪类，否则，所述终端用户的情绪信息属于异常情绪类；若所述第一距离与所述第二距离之差的绝对值小于预定倍数的较小值，则在所述情绪数据库中获取与所述终端用户特征数据距离最近的预定奇数个数据；将所述终端用户的情绪信息归于所述预定奇数各数据所属情绪类别最多的类。
17.根据权利要求16所述的装置，还包括：
情绪反馈单元，用于将识别出的所述情绪信息反馈给所述终端用户，以便所述终端用户确认识别出的所述情绪信息是否正确；
数据存储单元，用于响应于所述终端用户对所述情绪信息的反馈，将所述情绪信息按照正确情绪分类结果输入至所述情绪数据库。
18.根据权利要求17所述的装置，其中，
所述类中心确定模块用于将所述情绪数据库中正常情绪对应的终端用户特征数据，分别进行均值计算，确定所述正常情绪对应数据类中心；将所述情绪数据库中异常情绪对应的终端用户特征数据，分别进行均值计算，确定所述异常情绪对应数据类中心。
19.根据权利要求18所述的装置，其中，
所述类中心确定模块用于若第i次识别出所述情绪信息为异常情绪类，但终端用户确定识别错误，则将所述情绪信息对应的终端用户特征数据存储至所述情绪数据库的正常情绪类中，其中，i为自然数；将第i次识别所述终端用户情绪时的情绪数据库中正常情绪对应数据类中心和第i次识别出异常情绪类对应的终端用户特征数据的均值作为第i+1次识别所述终端用户情绪时的正常情绪对应数据类中心；将所述第i+1次识别所述终端用户情绪时的情绪数据库中正常情绪对应数据类中心与第i次识别所述终端用户情绪时的正常情绪对应数据类中心的比值作为权重；若第i+1次识别出所述情绪信息为正常情绪类，则将所述第i次识别出异常情绪类对应的终端用户特征数据与所述权重之积、第i次识别所述终端用户情绪时的情绪数据库中正常情绪类对应的终端用户特征数据以及所述第i+1次识别出异常情绪类对应的终端用户特征数据的均值作为第i+2次识别所述终端用户情绪时的正常情绪对应数据类中心。
20.根据权利要求19所述的装置，其中，
所述类中心确定模块用于若第i+1次识别出所述情绪信息为异常情绪类，且所述终端用户反馈情绪信息正确，则所述第i+2次识别所述终端用户情绪时的正常情绪对应数据类中心为所述第i+1次识别所述终端用户情绪时的正常情绪对应数据类中心。
21.根据权利要求20所述的装置，其中，
所述类中心确定模块用于若所述情绪数据库中的历史数据中为空，则预设正常情绪对应数据类中心和异常情绪对应数据类中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整所述预设的正常情绪对应数据类中心和异常情绪对应数据类中心，并在第N+1次识别情绪信息时，删除所述情绪数据库中预设的正常情绪对应数据类中心和异常情绪对应数据类中心。
22.根据权利要求21所述的装置，其中，
所述类中心确定模块用于若所述情绪数据库中的历史数据中为空，则将第1次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据的均值作为识别出的终端用户的情绪信息对应的情绪类的中心。
23.根据权利要求22所述的装置，其中，
所述类中心确定模块用于预设识别出的终端用户的情绪信息对应的情绪类的相反情绪类的中心；根据前N次用户反馈的识别出的终端用户的情绪信息对应的终端用户特征数据调整预设的相反情绪类的中心，并在第N+1次识别情绪信息时，删除所述情绪数据库中预设的相反情绪类的中心。
24.根据权利要求14-23任一所述的装置，其中，
所述终端用户特征数据包括生理数据和行为数据。
25.根据权利要求24所述的装置，其中，
所述生理数据包括用户心率和体温数据中的一项或多项；
所述行为数据包括用户敲击终端屏幕力度和甩击力度中的一项或多项。
26.根据权利要求14-23任一所述的装置，还包括：
情绪提醒单元，用于若识别出的所述终端用户的情绪信息属于异常情绪类，则向所述终端用户发送提醒信息。
27.一种识别终端用户情绪的装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至13任一项所述的识别终端用户情绪的方法。
28.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至13任一项所述的识别终端用户情绪的方法的步骤。
CN201811387432.7A 2018-11-21 2018-11-21 识别终端用户情绪的方法和装置 Active CN111209445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811387432.7A CN111209445B (zh) 2018-11-21 2018-11-21 识别终端用户情绪的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811387432.7A CN111209445B (zh) 2018-11-21 2018-11-21 识别终端用户情绪的方法和装置

Publications (2)

Publication Number Publication Date
CN111209445A true CN111209445A (zh) 2020-05-29
CN111209445B CN111209445B (zh) 2023-05-02

Family

ID=70787760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811387432.7A Active CN111209445B (zh) 2018-11-21 2018-11-21 识别终端用户情绪的方法和装置

Country Status (1)

Country Link
CN (1) CN111209445B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112043252A (zh) * 2020-10-10 2020-12-08 山东大学 基于脉搏信号中呼吸成分的情绪识别系统及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697278A (zh) * 2009-10-16 2010-04-21 深圳市北科瑞声科技有限公司 音乐情感距离的度量方法
US20100250554A1 (en) * 2009-03-31 2010-09-30 International Business Machines Corporation Adding and processing tags with emotion data
US20100292545A1 (en) * 2009-05-14 2010-11-18 Advanced Brain Monitoring, Inc. Interactive psychophysiological profiler method and system
CN101925949A (zh) * 2008-01-23 2010-12-22 索尼公司 获得动画参数的方法和动画显示设备
US20120323087A1 (en) * 2009-12-21 2012-12-20 Leon Villeda Enrique Edgar Affective well-being supervision system and method
US20130283303A1 (en) * 2012-04-23 2013-10-24 Electronics And Telecommunications Research Institute Apparatus and method for recommending content based on user's emotion
CN107392124A (zh) * 2017-07-10 2017-11-24 珠海市魅族科技有限公司 情绪识别方法、装置、终端及存储介质
CN107411738A (zh) * 2017-04-18 2017-12-01 天津大学 一种基于静息脑电相似性的情绪跨个体识别方法
CN108121448A (zh) * 2017-12-29 2018-06-05 阿里巴巴集团控股有限公司 信息提醒方法、装置及设备
CN108154398A (zh) * 2017-12-27 2018-06-12 广东欧珀移动通信有限公司 信息显示方法、装置、终端及存储介质
CN108763545A (zh) * 2018-05-31 2018-11-06 深圳市零度智控科技有限公司 负面情绪干预方法、装置及可读存储介质、终端设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101925949A (zh) * 2008-01-23 2010-12-22 索尼公司 获得动画参数的方法和动画显示设备
US20100250554A1 (en) * 2009-03-31 2010-09-30 International Business Machines Corporation Adding and processing tags with emotion data
US20100292545A1 (en) * 2009-05-14 2010-11-18 Advanced Brain Monitoring, Inc. Interactive psychophysiological profiler method and system
CN101697278A (zh) * 2009-10-16 2010-04-21 深圳市北科瑞声科技有限公司 音乐情感距离的度量方法
US20120323087A1 (en) * 2009-12-21 2012-12-20 Leon Villeda Enrique Edgar Affective well-being supervision system and method
US20130283303A1 (en) * 2012-04-23 2013-10-24 Electronics And Telecommunications Research Institute Apparatus and method for recommending content based on user's emotion
CN107411738A (zh) * 2017-04-18 2017-12-01 天津大学 一种基于静息脑电相似性的情绪跨个体识别方法
CN107392124A (zh) * 2017-07-10 2017-11-24 珠海市魅族科技有限公司 情绪识别方法、装置、终端及存储介质
CN108154398A (zh) * 2017-12-27 2018-06-12 广东欧珀移动通信有限公司 信息显示方法、装置、终端及存储介质
CN108121448A (zh) * 2017-12-29 2018-06-05 阿里巴巴集团控股有限公司 信息提醒方法、装置及设备
CN108763545A (zh) * 2018-05-31 2018-11-06 深圳市零度智控科技有限公司 负面情绪干预方法、装置及可读存储介质、终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张迪;万柏坤;明东;: "基于生理信号的情绪识别研究进展" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112043252A (zh) * 2020-10-10 2020-12-08 山东大学 基于脉搏信号中呼吸成分的情绪识别系统及方法
CN112043252B (zh) * 2020-10-10 2021-09-28 山东大学 基于脉搏信号中呼吸成分的情绪识别系统及方法

Also Published As

Publication number Publication date
CN111209445B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
EP3985559A1 (en) Entity semantics relationship classification
EP3506185A1 (en) Method for training model and information recommendation system
CN112395978B (zh) 行为检测方法、装置及计算机可读存储介质
CN105574538B (zh) 分类模型训练方法及装置
US8719018B2 (en) Biometric speaker identification
CN109271520B (zh) 数据提取方法、数据提取装置、存储介质和电子设备
EP2172884A1 (en) Content item review management
CN110472082B (zh) 数据处理方法、装置、存储介质及电子设备
JP2011040069A (ja) 通信テキスト分類方法及び装置
JP2009545045A (ja) パターン分類方法
CN108171243B (zh) 一种基于深度神经网络的医疗图像信息识别方法及系统
CN110148405A (zh) 语音指令处理方法及装置、电子设备及存储介质
CN108242266A (zh) 辅助诊断装置和方法
CN110706822B (zh) 基于逻辑回归模型和决策树模型的健康管理方法
CN110705489B (zh) 目标识别网络的训练方法、装置、计算机设备和存储介质
CN110851602A (zh) 一种主题聚类的方法及装置
CN106776566A (zh) 情感词汇的识别方法及装置
CN109948148A (zh) 一种文本信息情感判定方法和判定装置
CN111209445B (zh) 识别终端用户情绪的方法和装置
CN109561824A (zh) 诊断系统
US20160070972A1 (en) System and method for determining a pet breed from an image
CN110473636B (zh) 基于深度学习的智能医嘱推荐方法及系统
CN109711475B (zh) 识别物品的方法、装置、售货设备及计算机可读存储介质
CN108460119B (zh) 一种使用机器学习提升技术支持效率的系统
TW202125323A (zh) 利用人工智慧模組學習臉部辨識的處理方法

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
GR01 Patent grant
GR01 Patent grant