[发明专利]用户情绪预测方法和装置

说明书

提供了一种用户情绪预测方法和装置。该方法包括：接收交互上下文信息；获取情绪特征；提取交互上下文信息中的关键词；获取关键词各自的频次和/或权重；以及根据这些关键词的频次和/或权重，获取用户的情绪倾向。本发明的各个实施例中，交互上下文信息包括文本信息、图像信息、日志信息、视频信息、语音信息等等。本发明的用户情绪预测方法和装置通过纳入对交互上下文的分析，来对用户的情绪进行预测。

技术领域

本申请主要涉及人工智能技术，尤其涉及利用反馈信息来预测情绪。

背景技术

在传统的用户反馈系统中，反馈内容分为正面和负面2种情绪，正面的反馈可被引导到APP好评(如店铺五星好评等)，负面的是用于提交缺陷反馈以帮助改进。但是由于不知道用户的反馈是否正面，只能弹出一个选择框让用户自己选择正负面来分流，体验很差。

随着计算机技术的进步，出现了机器学习(Machine Learning)技术。机器学习技术涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，从而重新组织已有的知识结构，使之不断改善自身的性能。

基于机器学习技术，可针对用户输入的文本进行文本分析，从而进行情绪识别和情绪预测。文本分析是指对文本的表示及其特征项的选取，其涉及将无结构的原始文本转化为结构化的计算机可以识别处理的信息，即对文本进行科学的抽象、建立它的数学模型，用以描述和代替文本。由于文本的语义不可避免地会反映人的特定立场、观点、价值和利益，因此，经由文本内容分析，可以推断文本提供者的意图和目的。

情绪识别指人工智能通过获取个体的生理或非生理信号对个体的情绪状态进行自动识别，是情感计算的一个重要组成部分。情绪识别研究的内容包括面部表情、语音、心率、行为、文本和生理信号识别等方面，通过以上内容来判断用户的情绪状态。

专利申请CN108121698A“中文文字情绪识别方法及系统”涉及一种中文文字情绪识别方法，包括：获取特征词库和中文文本，所述特征词库包括：甄别特征和情绪特征；通过所述甄别特征对中文文本的领域和种类进行判断，该种类至少包括：文章和评论；根据该领域对应的情绪特征在文章或评论中搜索得到关键词，并对该关键词的频次和情感倾向分数进行计算，得到情绪倾向比例。该专利申请CN108121698A针对文章或评论来进行情绪识别，但并不能应用于反馈系统。

情绪预测是指系统对当前交互情境中用户未来事件发生时情绪体验的事前预期。基于情绪识别的积累，可对个体的情绪进行预测。

专利申请CN104573030A“一种文本情绪预测方法及装置”是在人工构建具有动作与对象标注的情绪匹配知识库的基础上，将待分类文本自动学习进行分类，提高读者情绪预测的准确性和效率。该申请涉及应用自然语言处理技术和情绪计算技术，对读者阅读文本后可能触发的情绪类别进行预测。

然而，在反馈系统中，由于每个人的性格不同、受教育程度不同、对于不同主题或话题的喜好程度不同以及应用场景的不同等等，单就文字的字面意思而忽略个体的差异经常会由于信息不够全面而导致判断结果不准确。比如，对于用户输入的文字反馈而言，“不错”、“还好”等评论或反馈往往过于主观，无法对其情绪进行准确地识别，更无法进行准确地预测。

因此，在信息反馈领域中，需要一种能够更为客观、更为准确地预测用户情绪的方法和装置。

发明内容

为解决上述技术问题，本发明提供了一种用户情绪预测方法和装置，该用户情绪预测方法和装置通过纳入对交互上下文的分析，来对用户的情绪进行预测，不仅帮用户解决了交互障碍、优化了体验，而且使得情绪预测的客观性和准确性得到了提高。

根据本发明一实施例，提供了一种基于交互上下文的用户情绪预测方法，包括：接收交互上下文信息；获取情绪特征；提取所述交互上下文信息中的关键词；获取所述关键词各自的频次和/或权重；以及根据这些关键词的频次和/或权重，获取用户的情绪倾向。