[发明专利]基于情感语义转移图谱的情感引导方法及系统

说明书

本发明提供一种基于情感语义转移图谱的情感引导方法及系统，涉及数据处理技术领域。所述方法包括：本发明通过获取并预处理大量的个人网络对话数据集，得到个人网络对话语料，并抽取个人网络对话语料中的实体、属性、关系，构建情感语义转移图谱，确定情感转移之间的联系。利用深度学习方法识别出引导对象的初始情感，再根据情感语义转移图谱找到最优的关键词实体，基于最优的关键词实体，利用关键词的回复生成技术进行情感引导决策。由此，实现引起引导对象转移到目标情感效率、准确性更高的有益效果。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于情感语义转移图谱的情感引导方法及系统。

背景技术

随着社会的发展，人们面对工作生活中的压力，及时遏制不良的情感倾向显得尤为重要。由此，情感引导相关话题引起了人们广泛的研究。

目前，基于文本的情感引导技术是主要的情感引导手段之一。通常的做法是提取特定用户的对话集，分析用户的情感序列，根据用户的不同情感反应选择最优的情感引导策略，具体为抽取出一个关键词刺激用户，以使其转移到指定的情感。

但是，现有的基于文本的情感引导技术，目前研究对情绪引导的关键词局限于特定的词语刺激，无法找到能引起引导对象转移到目标情感的最优的关键词。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于情感语义转移图谱的情感引导方法及系统，解决了目前研究对情绪引导的关键词局限于特定的词语刺激，无法找到能引起引导对象转移到目标情感的最优的关键词的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于情感语义转移图谱的情感引导方法，方法包括：

S1，构建情感语义转移图谱；

构建情感语义转移图谱具体包括如下步骤：

获取引导对象的个人网络对话数据集；

预处理引导对象的个人网络对话数据集，得到引导对象的个人网络对话语料；包括：对个人网络对话数据集进行数据清洗、正文抽取、jieba 分词进行文本分词得到引导对象的个人网络对话语料，再使用BIO规则标注个人网络对话语料得到标签序列，

采用基于双向LSTM模型的BiLSTM-CRF实体识别模型抽取个人网络对话语料中的实体，

采用基于特征词的词性序列匹配抽取实体的属性和属性特征词，得到实体、属性、属性特征词三元组，

采用基于文本的卷积神经网络Text-CNN抽取个人网络对话语料中的实体的关系，从关系中筛选出带有不同情感倾向的实体关系组合，并利用知网情感词典对实体关系组合进行评分，得到不同情感倾向的概率分布，将概率分布作为关系的权重，结合实体，得到实体、关系、实体三元组，

基于实体、属性、属性特征词三元组和实体、关系、实体三元组构建情感语义转移图谱；

S2，生成情感引导决策，

生成情感引导决策具体包括如下步骤：

获取引导对象的个人实时对话数据集；

预处理引导对象的个人实时对话数据集；包括：对个人实时对话数据集进行数据清洗、正文抽取、jieba分词进行文本分词得到引导对象的个人实时对话语料，利用深度学习方法基于个人实时对话语料识别出引导对象的初始情感，

根据目标情感的需要，结合初始情感，利用情感语义转移图谱，得到最优的实体关键词，基于最优的实体关键词和关键词的回复生成技术生成情感引导决策。