CN112115251A - 基于人机交互方式解释神经信息的信息处理方法及装置 - Google Patents

Abstract

本公开的实施例公开了一种基于人机交互方式解释神经信息的信息处理方法及装置，首先获取对待解释神经信息进行描述的描述信息；对描述信息进行解析，得到描述信息的特征信息，描述信息的特征信息包括组成描述信息的特征词和描述信息所包含的行为的行为要素特征；对组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与神经信息相关的特征信息；将与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对神经信息进行解释的信息。通过对神经信息进行解析和智能分析，得到神经信息的解释信息，从而提高了分析神经信息的准确度和效率。

Description

基于人机交互方式解释神经信息的信息处理方法及装置

技术领域

本公开涉及数据处理技术领域，具体涉及到一种基于人机交互方式解释神经信息的信息处理方法及装置。

背景技术

神经精神分析学与精神分析学一样，都是以梦和睡眠的研究为出发点，而逐步扩展深入到心理的其他领域。神经精神分析学的研究表明，梦具有一定的象征与表达的作用，包含有丰富的情绪、需要和动机等潜在意义。神经精神分析学借鉴精神分析方法和认知神经科学中的一些实验方法对梦的内容进行了量化的分析，深化了对梦的功能意义的理解。

相关技术中，通过专业人员以人工分析的方式对人的梦境进行分析，从而得到人的心理信息，采用该方式一方面依赖于分析人员的专业度，如果分析人员不够专业，则无法精准地确定人的心理信息，另一方面采用人工分析的方式对人的梦境进行分析，效率低。

发明内容

本公开的主要目的在于提供一种基于人机交互方式解释神经信息的信息处理方法，以解决采用人工分析的方式对人的梦境进行分析效率低的问题。

为了实现上述目的，根据本公开的第一方面，提供了一种基于人机交互方式解释神经信息的信息处理方法方法，包括：获取对待解释神经信息进行描述的描述信息；对所述描述信息进行解析，得到描述信息的特征信息，其中，所述描述信息的特征信息包括组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征；对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息；将所述与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对所述神经信息进行解释的信息。

可选地，对所述描述信息进行解析，得到描述信息的特征信息包括：基于预设的特征提取策略，对所述描述信息进行特征提取，得到所述描述信息的特征词；基于预设的分析策略，对所述描述信息进行分析，得到所述描述信息的行为要素特征。

可选地，对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息包括：将所述组成神经信息的特征词输入至预设的识别模型中，得到识别后的与特征词相对应的象征词，其中，所述象征词用于表征象征物的名称信息；对所述象征词在存储象征词库中进行匹配，得到与所述与象征词相匹配的匹配象征词；基于象征词库中的象征词与象征词解释库中的象征词解释信息的预设对应关系，确定所述匹配象征词的解释信息；将所述匹配象征词的解释信息和行为要素特征输入至预设的分析模型中，得到与所述神经信息相关的特征信息。

可选地，获取对待解释神经信息进行描述的描述信息包括：获取用户通过终端设备的人机交互界面对待解释神经信息进行语音描述的描述信息。

根据本公开的第二方面，提供了一种基于人机交互方式解释神经信息的信息处理装置，包括：获取单元，被配置成获取对待解释神经信息进行描述的描述信息；解析单元，被配置成对所述描述信息进行解析，得到描述信息的特征信息，其中，所述描述信息的特征信息包括组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征；预处理单元，被配置成对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息；智能分析单元，被配置成将所述与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对所述神经信息进行解释的信息。

可选地，解析单元进一步被配置成包括：特征提取模块，被配置成基于预设的特征提取策略，对所述描述信息进行特征提取，得到所述描述信息的特征词；分析模块，被配置成基于预设的分析策略，对所述描述信息进行分析，得到所述描述信息的行为要素特征。

可选地，预处理单元进一步被配置成包括：识别模块，被配置成将所述组成神经信息的特征词输入至预设的识别模型中，得到识别后的与特征词相对应的象征词，其中，所述象征词用于表征象征物的名称信息；匹配模块，被配置成对所述象征词在存储象征词库中进行匹配，得到与所述与象征词相匹配的匹配象征词；确定模块，被配置成基于象征词库中的象征词与象征词解释库中的象征词解释信息的预设对应关系，确定所述匹配象征词的解释信息；第一分析模块，被配置成将所述匹配象征词的解释信息和行为要素特征输入至预设的分析模型中，输出与所述神经信息相关的特征信息。

可选地，获取单元进一步被配置成：获取用户通过终端设备的人机交互界面对待解释神经信息进行语音描述的描述信息。

根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一实施例所述的基于人机交互方式解释神经信息的信息处理方法。

根据本公开的第四方面，提供了一种电子设备，包括：一个或多个处理器；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，使得所述一个或多个处理器实现如第一方面任一实施例所述的基于人机交互方式解释神经信息的信息处理方法。

在本公开实施例中用于解释神经信息的信息处理方法及装置，首先获取对待解释神经信息进行描述的描述信息；对描述信息进行解析，得到描述信息的特征信息，描述信息的特征信息包括组成描述信息的特征词和描述信息所包含的行为的行为要素特征；对组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与神经信息相关的特征信息；将与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对神经信息进行解释的信息。通过对神经信息进行解析和智能分析，得到神经信息的解释信息，从而提高了分析神经信息的准确度和效率。

附图说明

为了更清楚地说明本公开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公开的一些实施方式，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是根据本公开实施例的基于人机交互方式解释神经信息的信息处理方法的流程图；

图2是根据本公开实施例的基于人机交互方式解释神经信息的信息处理装置的示意图；

图3是根据本公开实施例的电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，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，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

根据本公开实施例，提供了一种基于人机交互方式解释神经信息的信息处理方法方法，适于用来实现本申请的实施例的示例性系统架构可以包括多个终端设备、网络、服务器。网络可以为有线通信网络或无线通信网络。

多个终端设备可以为包括人机交互界面的智能机器人、智能手机、平板电脑、车载终端等。以终端设备为包括人机交互界面的智能机器人为例，用户可以在机器人的人机交互界面输入对待解释神经信息进行描述的描述信息。用户可以通过机器人的人机交互界面语音输入上述信息。智能机器人将用户通过人机交互界面输入的对待解释神经信息进行描述的描述信息发送至服务器。服务器可以对输入的描述信息进行处理，并将处理后的信息发送至智能机器人，并最终通过智能机器人的人机交互界面反馈给用户。

需要说明的是，本申请实施例所提供的基于人机交互方式解释神经信息的信息处理方法一般由服务器执行，相应地，基于人机交互方式解释神经信息的信息处理装置一般设置于图像处理服务器中。

应该理解，可以根据实现需要，可以具有任意数目的数据处理用服务器、网络和终端设备。

如图1所示，该方法包括如下的步骤101至步骤104：

步骤101：获取对待解释神经信息进行描述的描述信息。

在本实施例中，基于人机交互方式解释神经信息的信息处理方法的执行主体可以从终端设备获取对待解释神经信息进行描述的描述信息；也可以从存储描述信息的数据库中获取，可以是用户预先通过终端设备向执行主体发送的对待解释神经信息进行描述的描述信息，而后执行主体将该信息存储至存储描述信息的数据库中，从数据库中获取该信息。执行主体可以基于神经信息的描述信息确定用户的心理信息。

作为本实施例一种可选的实现方式，获取对待解释神经信息进行描述的描述信息包括：获取用户通过终端设备的人机交互界面对待解释神经信息进行语音描述的描述信息。通过人机交互的方式获取语音形式的描述内容，能够诱导用户描述真实的梦境，从而能够进一步的对梦境进行精确的分析。

具体地，描述信息可以包括至少一种媒体类型的信息，例如，语音形式的描述信息、文本形式的描述信息或者视频形式的描述信息。描述信息可以是用户针对执行主体向终端设备发送的神经信息的问答信息，作出的回答内容。对描述信息处理之前，可以是直接对输入的不同类型的信息进行处理，也可以是针对语音输入的描述信息和视频输入的信息进行文本转换，得到文本形式的描述信息，在此不做限定。

本实施例通过获取多种媒体类型的信息，克服了通过人工问答的，人工记录描述信息导致的用户由于面对人的心理压力，对神经信息的描述不全面的缺陷，导致神经信息分析不准确的缺陷，也同时克服了效率低下的缺陷。

具体地，待解释的神经信息可以是与梦境相关的神经信息，例如：张某做了一个关于两性关系的梦，在对梦境进行描述时，张某可以描述“我梦见周日的晚上在一个咖啡厅，咖啡厅的光线很弱，甚至有点黑，在咖啡桌上蹲着一个波斯猫，我的女朋友坐在旁边，看到我来了之后，我的女朋友跟我提出了分手，我非常困惑，我并不知道为什么提出分手，我并不想分手，于是求她不要分手，在求她不要分手的时候，我情急之下不小心打碎了一个咖啡杯，但她最终还是一言不发的看着我并连连摇头。”，基于该描述信息，执行主体需要对上述梦境信息进行解释，从而最终得到用户的心理信息，例如心理困难信息。上述对张某的描述信息进行解释可以是张某在两性关系中的心理困难信息，例如对两性关系的中张某实际上处于没有安全感，且潜意识中可能存在对对方的多疑不信任的心理。

步骤102：对所述描述信息进行解析，得到描述信息的特征信息，其中，所述描述信息的特征信息包括组成神经信息的特征词和组成神经信息的行为要素特征。

在本实施例中，执行主体基于获取的描述信息，可以对描述信息进行解析，得到描述信息的特征信息，该特征信息可以包括组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征，组成描述信息的特征词可以是用于表征象征物的词语，例如：“咖啡厅”、“波斯猫”。

具体地，行为要素特征可以包括构成行为的情感特征(例如，在梦境中发生行为时的情绪特征，如困惑，情急)、组成行为的思想特征(例如，可用于表达用户做出行为时候思考方式的特征，如“我是希望挽回我的女朋友，因此我求她不要分手”)，还可以是组成行为的行动特征(例如，用户作出行为时活动时间、环境等特征信息，例如，周日的晚上、咖啡厅光线很弱，甚至有点黑)和组成行为的生理反应特征(例如，可以是作出行为时的生理反应等特征信息，如，在求女朋友不要分手时，不小心打碎了咖啡杯)。

作为本实施例一种可选的实现方式，对所述描述信息进行解析，得到描述信息的特征信息包括：基于预设的特征提取策略，对所述描述信息进行特征提取，得到所述描述信息的特征词；基于预设的分析策略，对所述描述信息进行分析，得到所述描述信息的行为要素特征。

在本实施例中，可以基于现有的特征提取策略，对描述信息的特征词进行提取；可以利用基于现有的心理、行为分析的标准建立的模型，对描述信息进行分析，得到描述信息的行为要素特征。

本实施例通过解析步骤得到描述信息的特征词以及描述信息的行为要素特征，能够实现对梦境分析的准确性。

步骤103：将所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征输入至预设的处理模型中，得到与所述神经信息相关的特征信息。

在本实施例中，将基于步骤102得到的组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征输入至预设的处理模型中，而后由模型输出神经信息相关的特征信息，神经信息相关的特征信息为用于对神经信息进行分析的特征信息。

具体地，预设的处理模型可以是深度学习的神经网络模型，神经网络模型的输入是梦境描述信息的特征词和梦境描述信息所包含的行为的行为要素特征，输出梦境的产生条件(例如，梦的前因后果)、梦中的情绪与动机(梦中的情绪和)、梦的内容(具体的梦境内容)和梦的形式(例如，分类维度)。

作为本实施例一种可选的实现方式，对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息包括：将所述组成神经信息的特征词输入至预设的识别模型中，输出识别后的与特征词相对应的象征词，其中，所述象征词用于表征象征物的名称信息；对所述象征词在存储象征词库中进行匹配，得到与所述与象征词相匹配的匹配象征词；基于象征词库中的象征词与象征词解释库中的象征词解释信息的预设对应关系，确定所述匹配象征词的解释信息；将所述匹配象征词的解释信息和行为要素特征输入至预设的分析模型中，输出与所述神经信息相关的特征信息。

在本实施例中，可以预先建立象征词库，可以预先对识别象征物的模型进行训练，还可以预先基于预设的策略(例如，可以基于对梦境象征物的解释标准建立的模型)建立象征词解释库，而后基于预设的关联策略，将建立的象征词库和象征词解释库进行对应。

具体地，将组成神经信息的特征词输入至预先训练的对待识别象征物进行识别的识别模型中，输出识别后的用于表征象征物的名称信息，例如：描述信息中的“咖啡厅”、“波斯猫”等。

具体地，对象征词在存储象征词库中进行匹配，得到与与特征词相对应的象征词相匹配的匹配象征词，例如，基于识别象征物模型输出的“波斯猫”，将“波斯猫”在预先建立的象征词库中进行匹配，若象征词库中存在“波斯猫”，则直接确定象征词库中的“波斯猫”与象征词“波斯猫”相匹配。若象征词库中不直接存在“波斯猫”相匹配的象征词，则将象征词库中包含象征物类型的象征词确定为与所述象征词相匹配的匹配象征词，例如将“猫”、“长毛猫”、“短毛猫”、“黑猫”、“眼睛不同颜色猫”等确定为与象征词相匹配的匹配象征词。

具体地，基于建立的象征词库和象征词解释库的对应关系，确定匹配象征词的解释信息，例如，可以基于象征词解释库中对“波斯猫”进行解释的信息确定匹配象征词的解释信息，例如：“波斯猫作为象征物，表明做梦人的不会轻易地大吵大闹，也不会无缘无故地发脾气，代表了做梦人的在处理关系时的隐忍立场”，例如：“波斯猫作为象征物，表明做梦人非常死板，让对方很沮丧，觉得做梦人很无趣，没有情调”。在得到上述多种解释信息之后，可以利用预设的确定策略(例如，依据心理分析标准建立的模型)，确定最准确的解释信息。

具体地，还可以基于象征词解释库中对“猫”、“长毛猫”、“短毛猫”、“黑猫”、“眼睛不同颜色猫”的解释，确定匹配象征词的解释信息，在此不再赘述。通过确定与象征词最匹配的解释，能够提高梦境分析的准确性。

本实施例通过利用预设的处理模型，得到与神经信息相关的特征信息，能够实现对神经信息准确的分析。

步骤104：将所述与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对所述神经信息进行解释的信息。

在本实施例中，可以预先建立神经信息智能分析模型，例如梦境智能分析模型，可以基于人工智能技术以及弗洛伊德经典式解梦、荣格式释梦、神经精神分析学、审梦技术建立智能分析模型，对梦境进行解释，从而使做梦者了解自我心理困扰。

具体地，在对神经信息进行解释后，可以从数据库中确定与解释的神经信息对应的心理干预策略，将干预策略发送至用户端。

从以上的描述中，可以看出，本公开实现了如下技术效果：能够精准地确定神经信息的解释信息，提高了神经信息的分析效率。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本公开实施例，还提供了一种用于实施上述基于人机交互方式解释神经信息的信息处理方法的装置，如图2所示，该装置包括：获取单元201，被配置成获取对待解释神经信息进行描述的描述信息；解析单元202，被配置成对所述描述信息进行解析，得到描述信息的特征信息，其中，所述描述信息的特征信息包括组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征；预处理单元203，被配置成对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息；智能分析单元204，被配置成将所述与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对所述神经信息进行解释的信息。

作为本实施例一种可选的实现方式，解析单元进一步被配置成包括：特征提取模块，被配置成基于预设的特征提取策略，对所述描述信息进行特征提取，得到所述描述信息的特征词；分析模块，被配置成基于预设的分析策略，对所述描述信息进行分析，得到所述描述信息的行为要素特征。

作为本实施例一种可选的实现方式预处理单元进一步被配置成包括：识别模块，被配置成将所述组成神经信息的特征词输入至预设的识别模型中，得到识别后的与特征词相对应的象征词，其中，所述象征词用于表征象征物的名称信息；匹配模块，被配置成对所述象征词在存储象征词库中进行匹配，得到与所述与象征词相匹配的匹配象征词；确定模块，被配置成基于象征词库中的象征词与象征词解释库中的象征词解释信息的预设对应关系，确定所述匹配象征词的解释信息；第一分析模块，被配置成将所述匹配象征词的解释信息和行为要素特征输入至预设的分析模型中，输出与所述神经信息相关的特征信息。

作为本实施例一种可选的实现方式，获取单元进一步被配置成：获取用户通过终端设备对待解释神经信息进行语音描述的描述信息。

本公开实施例提供了一种电子设备，如图3所示，该电子设备包括一个或多个处理器31以及存储器32，图3中以一个处理器33为例。

该控制器还可以包括：输入装置33和输出装置34。

处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图3中以通过总线连接为例。

处理器31可以为中央处理器(CentralProcessingUnit，CPU)。处理器31还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。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。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的……方法。

存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置33可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。

一个或者多个模块存储在存储器32中，当被一个或者多个处理器31执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种基于人机交互方式解释神经信息的信息处理方法，其特征在于，包括：

获取对待解释神经信息进行描述的描述信息；

对所述描述信息进行解析，得到描述信息的特征信息，其中，所述描述信息的特征信息包括组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征；

对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息；

将所述与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对所述神经信息进行解释的信息。

2.根据权利要求1所述的基于人机交互方式解释神经信息的信息处理方法，其特征在于，所述对所述描述信息进行解析，得到描述信息的特征信息包括：

基于预设的特征提取策略，对所述描述信息进行特征提取，得到所述描述信息的特征词；

基于预设的分析策略，对所述描述信息进行分析，得到所述描述信息的行为要素特征。

3.根据权利要求1所述的基于人机交互方式解释神经信息的信息处理方法，其特征在于，对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息包括：

将所述组成神经信息的特征词输入至预设的识别模型中，得到识别后的与特征词相对应的象征词，其中，所述象征词用于表征象征物的名称信息；

对所述象征词在存储象征词库中进行匹配，得到与所述与象征词相匹配的匹配象征词；

基于象征词库中的象征词与象征词解释库中的象征词解释信息的预设对应关系，确定所述匹配象征词的解释信息；

将所述匹配象征词的解释信息和行为要素特征输入至预设的分析模型中，得到与所述神经信息相关的特征信息。

4.根据权利要求1所述的基于人机交互方式解释神经信息的信息处理方法，其特征在于，所述获取对待解释神经信息进行描述的描述信息包括：

获取用户通过终端设备的人机交互界面对待解释神经信息进行语音描述的描述信息。

5.一种基于人机交互方式解释神经信息的信息处理装置，其特征在于，包括：

获取单元，被配置成获取对待解释神经信息进行描述的描述信息；

解析单元，被配置成对所述描述信息进行解析，得到描述信息的特征信息，其中，所述描述信息的特征信息包括组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征；

预处理单元，被配置成对所述组成所述描述信息的特征词和描述信息所包含的行为的行为要素特征进行预处理，得到与所述神经信息相关的特征信息；

智能分析单元，被配置成将所述与神经信息相关的特征信息输入至预设的智能分析模型中，并将输出的信息确定为对所述神经信息进行解释的信息。

6.根据权利要求5所述的基于人机交互方式解释神经信息的信息处理装置，其特征在于，所述解析单元进一步被配置成包括：

特征提取模块，被配置成基于预设的特征提取策略，对所述描述信息进行特征提取，得到所述描述信息的特征词；

分析模块，被配置成基于预设的分析策略，对所述描述信息进行分析，得到所述描述信息的行为要素特征。

7.根据权利要求5所述的基于人机交互方式解释神经信息的信息处理装置，其特征在于，所述预处理单元进一步被配置成包括：

识别模块，被配置成将所述组成神经信息的特征词输入至预设的识别模型中，得到识别后的与特征词相对应的象征词，其中，所述象征词用于表征象征物的名称信息；

匹配模块，被配置成对所述象征词在存储象征词库中进行匹配，得到与所述与象征词相匹配的匹配象征词；

确定模块，被配置成基于象征词库中的象征词与象征词解释库中的象征词解释信息的预设对应关系，确定所述匹配象征词的解释信息；

第一分析模块，被配置成将所述匹配象征词的解释信息和行为要素特征输入至预设的分析模型中，输出与所述神经信息相关的特征信息。

8.根据权利要求5所述的基于人机交互方式解释神经信息的信息处理装置，其特征在于，所述获取单元进一步被配置成：

获取用户通过终端设备的人机交互界面对待解释神经信息进行语音描述的描述信息。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的基于人机交互方式解释神经信息的信息处理方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

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，使得所述一个或多个处理器实现如权利要求1-4中任一所述的基于人机交互方式解释神经信息的信息处理方法。

Images