CN112101823B - 多维度情绪识别管理方法、系统、处理器、终端及介质 - Google Patents
多维度情绪识别管理方法、系统、处理器、终端及介质 Download PDFInfo
- Publication number
- CN112101823B CN112101823B CN202011212450.9A CN202011212450A CN112101823B CN 112101823 B CN112101823 B CN 112101823B CN 202011212450 A CN202011212450 A CN 202011212450A CN 112101823 B CN112101823 B CN 112101823B
- Authority
- CN
- China
- Prior art keywords
- emotion
- emotion recognition
- target
- multidimensional
- distribution information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Cardiology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Child & Adolescent Psychology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
Abstract
本发明公开了多维度情绪识别管理方法、系统、处理器、终端及介质,其技术方案要点是:构建情绪预测模型;对情绪预测模型进行个性化处理后形成情绪识别模型;对情绪识别模型进行预测调控;融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息;对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果。本发明参考职业类型、工作任务量、MBTI职业性格测试数据、工作难度等多维度因素对员工情绪进行精准识别,同时得到影响员工情绪的情绪识别结果,为企业人性化管理决策提供数据支持。
Description
技术领域
本发明涉及物联网、数据处理技术领域,更具体地说,它涉及多维度情绪识别管理方法、系统、处理器、终端及介质。
背景技术
积极的情绪可以提升员工工作的绩效,而消极的情绪则会降低员工的工作质量甚至导致工作绩效下滑。因此,采取及时有效的措施来获取员工最近的情绪状况以及及时疏导员工消极的情绪,对于提升员工个人以及团队工作士气及精神具有积极意义。
目前,现有的情绪识别技术大部分都是通过人脸识别技术提取目标对象的面部图像信息中能够体现情绪的表情特征实现的,由于每个员工之间受本职工作以及个人性格影响,不同员工在产生相同情绪时其面部图像信息中展现出的表情特征不尽相同,导致现有情绪识别技术的识别准确度较低;此外,现有的情绪识别技术仅能得到一个简单的识别结果,对于企业管理员工情绪来说并无较大的参考价值,所以,现有的情绪识别技术难以在员工情绪识别管理中推广应用。
因此,如何研究设计多维度情绪识别管理方法、系统、处理器、终端及介质是我们目前急需解决的问题,为企业人性化管理决策提供支持。
发明内容
为解决现有情绪识别技术的识别准确度较低以及难以在员工情绪识别管理中推广应用的问题,本发明的目的是提供多维度情绪识别管理方法、系统、处理器、终端及介质。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了多维度情绪识别管理方法,包括以下步骤:
S101:根据职业类型和标准工作任务量构建情绪预测模型;
S102:以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型;
S103:以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控;
S104:通过定位穿戴手环实时获取目标员工的心率分布信息,根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息,并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息;
S105:对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果。
进一步的,该方法还包括:
根据预建立的情绪评价规则对情绪识别结果进行评价后得到情绪识别评价值;
根据预设预警值判断情绪识别评价值是否超出正常工作范围;若超出,则根据多维度影响因素对目标员工的实际工作量进行调整管理。
进一步的,该方法还包括:
采用摄像头获取目标员工的面部图形信息,并采用深度卷积神经网络提取面部图形信息中的表情特征,以及对表情特征进行分类处理后得到目标员工的情绪鉴定结果;
根据情绪评价规则对情绪鉴定结果进行评价后得到情绪鉴定评价值;
根据情绪鉴定评价值、情绪识别评价值计算出目标员工的情绪评价偏差值;
根据预设偏差值判断情绪评价偏差值是否超出多维度因素范围;若未超出,则判断为工作原因影响;若超出,则判断为生活原因影响。
进一步的,所述表情特征进行分类处理时以MBTI职业性格测试数据为参考数据进行个性化差异处理。
进一步的,该方法还包括:
构建心灵鸡汤语录数据库;
根据实时获取的情绪识别结果从心灵鸡汤语录数据库匹配相应的心灵语句;
将心灵语句信息推送至目标员工的定位穿戴手环进行显示。
进一步的,该方法还包括:
随机获取预定面积区域内所有目标员工的情绪识别结果;
通过对预定面积区域内目标员工的情绪发展趋势以及各阶级的情绪识别结果分布概率进行计算后生成区域识别报告。
第二方面,提供了多维度情绪识别管理系统,包括:
模型构建模块,用于根据职业类型和标准工作任务量构建情绪预测模型;
优化处理模块,用于以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型;
调控处理模块,用于以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控;
数据采集处理模块,用于通过定位穿戴手环实时获取目标员工的心率分布信息,根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息,并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息;
诱导处理模块,用于对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果。
第三方面,提供了一种处理器,处理器用于运行计算机程序,计算机程序运行时执行如第一方面中任意一项所述的多维度情绪识别管理方法。
第四方面,提供了一种终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的多维度情绪识别管理方法。
第五方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的多维度情绪识别管理方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明参考职业类型、工作任务量、MBTI职业性格测试数据、工作难度等多维度因素对员工情绪进行精准识别,同时得到影响员工情绪的情绪识别结果,为企业人性化管理决策提供数据支持;
2、本发明能够根据情绪识别结果对员工状态进行预警,方便企业进行及时调整处理,避免员工状态进一步恶化而带来的一系列问题,为企业良性、积极开展工作奠定了基础;
3、本发明通过对局部范围的员工进行整体监控管理,能够及时制止消极情绪传播;
4、本发明能够清楚、直观的判断出影响员工因素是工作原因还是生活原因,为企业管理正确引导员工提供了方向;
5、本发明通过心灵语句信息推送能够向员工传递积极思想,促进员工进行自我调节,形成良好的自我管控能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中的整体工作流程图;
图2是本发明实施例中的系统功能框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
实施例:多维度情绪识别管理方法,如图1所示,包括以下步骤:
S101:根据职业类型和标准工作任务量构建情绪预测模型。其中,职业类型可按照国家规定的职业分类进行区分,标准工作任务量以正常工作人员在国家规定上班时间内能够正常完成的任务量为准。
S102:以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型。MBTI职业性格测试数据能够体现不同员工对不同工作状况的适应能力,在不同员工遇到相同的工作状况时,情绪识别模型对情绪转换点阈值设置不同。
S103:以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控。例如,对员工的忍受能力、接受能力、初始的积极参数、疲劳度上限值进行调整。
S104:通过定位穿戴手环实时获取目标员工的心率分布信息,根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息,并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息。工作进度信息包括但不限于在不同任务阶段的使用时间、对任务阶段处理难度。其中,心率越快代表目标员工处理当前任务阶段的难度越大。
S105:对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果。其中,难度系数以同一任务阶段中的停留时间和心率情况进行综合计算。
此外,本发明还包括:根据预建立的情绪评价规则对情绪识别结果进行评价后得到情绪识别评价值;根据预设预警值判断情绪识别评价值是否超出正常工作范围;若超出,则根据多维度影响因素对目标员工的实际工作量进行调整管理。
此外,本发明还包括:采用摄像头获取目标员工的面部图形信息,并采用深度卷积神经网络提取面部图形信息中的表情特征,以及对表情特征进行分类处理后得到目标员工的情绪鉴定结果;根据情绪评价规则对情绪鉴定结果进行评价后得到情绪鉴定评价值;根据情绪鉴定评价值、情绪识别评价值计算出目标员工的情绪评价偏差值;根据预设偏差值判断情绪评价偏差值是否超出多维度因素范围;若未超出,则判断为工作原因影响;若超出,则判断为生活原因影响。
表情特征进行分类处理时以MBTI职业性格测试数据为参考数据进行个性化差异处理。具体的为:可根据不同MBTI职业性格测试数据将对应目标员工的表情特征进行跨类别区分,以此体现目标员工真实的情绪信息。
此外,本发明还包括:构建心灵鸡汤语录数据库;根据实时获取的情绪识别结果从心灵鸡汤语录数据库匹配相应的心灵语句;将心灵语句信息推送至目标员工的定位穿戴手环进行显示。
此外,本发明还包括:随机获取预定面积区域内所有目标员工的情绪识别结果;通过对预定面积区域内目标员工的情绪发展趋势以及各阶级的情绪识别结果分布概率进行计算后生成区域识别报告。
实施例2:多维度情绪识别管理系统,如图2所示,包括:
模型构建模块,用于根据职业类型和标准工作任务量构建情绪预测模型;
优化处理模块,用于以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型;
调控处理模块,用于以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控;
数据采集处理模块,用于通过定位穿戴手环实时获取目标员工的心率分布信息,根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息,并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息;
诱导处理模块,用于对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.多维度情绪识别管理方法,其特征是,包括以下步骤:
S101:根据职业类型和标准工作任务量构建情绪预测模型;
S102:以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型;
S103:以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控;
S104:通过定位穿戴手环实时获取目标员工的心率分布信息,根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息,并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息;
S105:对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果;难度系数以同一任务阶段中的停留时间和心率情况进行综合计算;
根据预建立的情绪评价规则对情绪识别结果进行评价后得到情绪识别评价值;
根据预设预警值判断情绪识别评价值是否超出正常工作范围;若超出,则根据多维度影响因素对目标员工的实际工作量进行调整管理。
2.根据权利要求1所述的多维度情绪识别管理方法,其特征是,该方法还包括:
采用摄像头获取目标员工的面部图形信息,并采用深度卷积神经网络提取面部图形信息中的表情特征,以及对表情特征进行分类处理后得到目标员工的情绪鉴定结果;
根据情绪评价规则对情绪鉴定结果进行评价后得到情绪鉴定评价值;
根据情绪鉴定评价值、情绪识别评价值计算出目标员工的情绪评价偏差值;
根据预设偏差值判断情绪评价偏差值是否超出多维度因素范围;若未超出,则判断为工作原因影响;若超出,则判断为生活原因影响。
3.根据权利要求2所述的多维度情绪识别管理方法,其特征是,所述表情特征进行分类处理时以MBTI职业性格测试数据为参考数据进行个性化差异处理。
4.根据权利要求1所述的多维度情绪识别管理方法,其特征是,该方法还包括:
构建心灵鸡汤语录数据库;
根据实时获取的情绪识别结果从心灵鸡汤语录数据库匹配相应的心灵语句;
将心灵语句信息推送至目标员工的定位穿戴手环进行显示。
5.根据权利要求1所述的多维度情绪识别管理方法,其特征是,该方法还包括:
随机获取预定面积区域内所有目标员工的情绪识别结果;
通过对预定面积区域内目标员工的情绪发展趋势以及各阶级的情绪识别结果分布概率进行计算后生成区域识别报告。
6.多维度情绪识别管理系统,其特征是,包括:
模型构建模块,用于根据职业类型和标准工作任务量构建情绪预测模型;
优化处理模块,用于以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型;
调控处理模块,用于以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控;
数据采集处理模块,用于通过定位穿戴手环实时获取目标员工的心率分布信息,根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息,并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息;
诱导处理模块,用于对工作进度信息进行特征分割处理后,得到工作难度在时间轴上的难度系数分布信息,并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导,得到目标员工的基于多维度因素影响的情绪识别结果;难度系数以同一任务阶段中的停留时间和心率情况进行综合计算;
根据预建立的情绪评价规则对情绪识别结果进行评价后得到情绪识别评价值;
根据预设预警值判断情绪识别评价值是否超出正常工作范围;若超出,则根据多维度影响因素对目标员工的实际工作量进行调整管理。
7.一种处理器,处理器用于运行计算机程序,其特征是,计算机程序运行时执行如权利要求1-5中任意一项所述的多维度情绪识别管理方法。
8.一种终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-5中任意一项所述的多维度情绪识别管理方法。
9.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求 1所述的多维度情绪识别管理方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求2-5中任意一项所述的多维度情绪识别管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011212450.9A CN112101823B (zh) | 2020-11-03 | 2020-11-03 | 多维度情绪识别管理方法、系统、处理器、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011212450.9A CN112101823B (zh) | 2020-11-03 | 2020-11-03 | 多维度情绪识别管理方法、系统、处理器、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101823A CN112101823A (zh) | 2020-12-18 |
CN112101823B true CN112101823B (zh) | 2021-03-02 |
Family
ID=73784535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011212450.9A Active CN112101823B (zh) | 2020-11-03 | 2020-11-03 | 多维度情绪识别管理方法、系统、处理器、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101823B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818841A (zh) * | 2021-01-29 | 2021-05-18 | 北京搜狗科技发展有限公司 | 一种识别用户情绪的方法及相关装置 |
CN115358605B (zh) * | 2022-08-26 | 2023-05-05 | 山东心法科技有限公司 | 一种基于多模态融合的职业规划辅助方法、设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102625005A (zh) * | 2012-03-05 | 2012-08-01 | 广东天波信息技术股份有限公司 | 具有服务质量实时监督功能的呼叫中心系统及其实现方法 |
CN103654798A (zh) * | 2013-12-11 | 2014-03-26 | 四川大学华西医院 | 一种情绪监测与记录方法及其装置 |
CN105184315A (zh) * | 2015-08-26 | 2015-12-23 | 北京中电普华信息技术有限公司 | 一种质检处理方法及系统 |
CN105249975A (zh) * | 2015-11-10 | 2016-01-20 | 广景视睿科技(深圳)有限公司 | 一种调节情绪状态的方法及系统 |
CN108095740A (zh) * | 2017-12-20 | 2018-06-01 | 姜涵予 | 一种用户情绪评估方法和装置 |
CN109101933A (zh) * | 2018-08-21 | 2018-12-28 | 重庆乐教科技有限公司 | 一种基于人工智能的情绪行为可视化分析方法 |
CN109255557A (zh) * | 2018-10-26 | 2019-01-22 | 广东广凌信息科技股份有限公司 | 高速公路收费考核管理系统及其操作方法 |
US20200075040A1 (en) * | 2018-08-31 | 2020-03-05 | The Regents Of The University Of Michigan | Automatic speech-based longitudinal emotion and mood recognition for mental health treatment |
US10817316B1 (en) * | 2017-10-30 | 2020-10-27 | Wells Fargo Bank, N.A. | Virtual assistant mood tracking and adaptive responses |
CN211749663U (zh) * | 2019-10-31 | 2020-10-27 | 西安理工大学 | 一种员工情绪预测系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182619B (zh) * | 2014-08-05 | 2017-06-06 | 上海市精神卫生中心 | 基于智能终端实现情绪特征参数采集和处理的系统及方法 |
CN107609458A (zh) * | 2016-07-20 | 2018-01-19 | 平安科技(深圳)有限公司 | 基于人脸表情识别的情绪反馈方法及装置 |
CN109298783B (zh) * | 2018-09-03 | 2021-10-01 | 北京旷视科技有限公司 | 基于表情识别的标注监控方法、装置及电子设备 |
CN109620262B (zh) * | 2018-12-12 | 2020-12-22 | 华南理工大学 | 一种基于可穿戴手环的情绪识别系统及方法 |
CN111553592A (zh) * | 2020-04-27 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 基于情绪信息的任务分配方法、装置、计算机设备和介质 |
-
2020
- 2020-11-03 CN CN202011212450.9A patent/CN112101823B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102625005A (zh) * | 2012-03-05 | 2012-08-01 | 广东天波信息技术股份有限公司 | 具有服务质量实时监督功能的呼叫中心系统及其实现方法 |
CN103654798A (zh) * | 2013-12-11 | 2014-03-26 | 四川大学华西医院 | 一种情绪监测与记录方法及其装置 |
CN105184315A (zh) * | 2015-08-26 | 2015-12-23 | 北京中电普华信息技术有限公司 | 一种质检处理方法及系统 |
CN105249975A (zh) * | 2015-11-10 | 2016-01-20 | 广景视睿科技(深圳)有限公司 | 一种调节情绪状态的方法及系统 |
US10817316B1 (en) * | 2017-10-30 | 2020-10-27 | Wells Fargo Bank, N.A. | Virtual assistant mood tracking and adaptive responses |
CN108095740A (zh) * | 2017-12-20 | 2018-06-01 | 姜涵予 | 一种用户情绪评估方法和装置 |
CN109101933A (zh) * | 2018-08-21 | 2018-12-28 | 重庆乐教科技有限公司 | 一种基于人工智能的情绪行为可视化分析方法 |
US20200075040A1 (en) * | 2018-08-31 | 2020-03-05 | The Regents Of The University Of Michigan | Automatic speech-based longitudinal emotion and mood recognition for mental health treatment |
CN109255557A (zh) * | 2018-10-26 | 2019-01-22 | 广东广凌信息科技股份有限公司 | 高速公路收费考核管理系统及其操作方法 |
CN211749663U (zh) * | 2019-10-31 | 2020-10-27 | 西安理工大学 | 一种员工情绪预测系统 |
Non-Patent Citations (3)
Title |
---|
"Predicting Mood from Punctual Emotion Annotations on Videos";C. Katsimerou 等;《 IEEE Transactions on Affective Computing》;20150601;第6卷(第2期);第179-192页 * |
"基于多任务学习的多模态情绪识别方法";吴良庆 等;《计算机科学》;20190814;第46卷(第11期);第284-289页 * |
"让机器学会读心术,情感计算如何解决实际场景需求?";雷锋网;《http://360doc.com/content/20/0901/15/71360118_933424288.shtml》;20200901;第1-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112101823A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101823B (zh) | 多维度情绪识别管理方法、系统、处理器、终端及介质 | |
WO2022222558A1 (zh) | 一种人工智能模型在线训练方法及系统 | |
Seo | Entrepreneurial orientation and innovation performance: insights from Korean ventures | |
CN112488507B (zh) | 一种基于聚类的专家分类画像方法、装置及存储介质 | |
Liu et al. | Assessment approach to stage of lean transformation cycle based on fuzzy nearness degree and TOPSIS | |
KR20160104064A (ko) | 복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템 | |
Perera et al. | The application of machine learning to consolidate critical success factors of lean six sigma | |
CN112598443A (zh) | 一种基于深度学习的线上渠道业务数据处理方法及系统 | |
CN116485552A (zh) | 一种基金投资风控方法、装置、介质及终端 | |
WO2024065776A1 (en) | Method for data processing, apparatus for data processing, electronic device, and storage medium | |
KR102156585B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트 간 작업 단가 조정을 통한 작업자의 프로젝트 유입 조절 방법 | |
KR102156587B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 작업자 및 검수자의 증감 운영 방법 | |
CN115358550A (zh) | 排班方法、装置、系统与计算机可读存储介质 | |
CN115098336A (zh) | 数仓任务监控方法、系统、设备及存储介质 | |
WO2021073258A1 (zh) | 基于情绪分析的任务跟催方法、装置、设备及存储介质 | |
Stojanov et al. | Evaluating software maintenance processes in small software company based on fuzzy screening | |
Łapuńka | The multi-criteria approach to project selection based on the fuzzy sets theory | |
CN112101816B (zh) | 审计计划智能推荐方法及装置 | |
El Bajta et al. | A Software Cost Estimation Taxonomy for Global Software Development Projects. | |
CN114091796B (zh) | 一种用于管理变革项目的多参量评估系统及预警方法 | |
KR102335622B1 (ko) | 프로젝트 투입 인력에게 맞춤형 보상을 제안하여 프로젝트의 수행 비용 및 수행 일정을 관리하는 방법, 장치 및 프로그램 | |
CN118037250B (zh) | 应用文字信息化系统的数据挖掘方法及系统 | |
Yan-Song | Forecasting of corporation cash flow from operating activity: Using grey topological model | |
González et al. | BPI Challenge: Process Mining Analysis for Business Travel Reimbursement | |
Hao | ARTIFICIAL INTELLIGENCE AND OPERATIONAL EFFICIENY OF CHINESE MANUFACTURING FIRMS |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: No.7 Tianyun Road, high tech Zone, Chengdu, Sichuan 610000 Patentee after: Guoneng Daduhe Big Data Service Co.,Ltd. Address before: No.7 Tianyun Road, high tech Zone, Chengdu, Sichuan 610000 Patentee before: Sichuan Dahui Big Data Service Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |