[发明专利]文本情绪呈现方法、文本情绪呈现装置以及存储介质

权利要求书

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。