[发明专利]一种用户心理状态识别方法及系统

权利要求书

1.一种用户心理状态识别方法，其特征在于，包括：

对待分析目标用户的微博数据进行多模态数据特征融合处理，得到所述待分析目标用户的用户个人微博情感特征；

对所述待分析目标用户的社交信息进行筛选，得到所述待分析目标用户的粉丝信息和关注者信息，并根据所述粉丝信息和所述关注者信息，获取粉丝情感特征和关注者情感特征；

将所述用户个人微博情感特征、所述粉丝情感特征和所述关注者情感特征进行社交关系特征融合，得到用户综合心理特征，并通过神经网络模型对所述用户综合心理特征进行分类，得到所述待分析目标用户的心理状态。

2.根据权利要求1所述的用户心理状态识别方法，其特征在于，所述对待分析目标用户的微博数据进行多模态数据特征融合处理，得到所述待分析目标用户的用户个人微博情感特征，包括：

获取待分析目标用户的微博数据，所述微博数据包括原创微博数据和非原创转发微博数据；

对所述微博数据进行特征提取处理，获取第一多模态特征数据和第二多模态特征数据，其中，所述第一多模态特征数据为所述原创微博数据的多模态特征数据，所述第二多模态特征数据为所述非原创转发微博数据的多模态特征数据；

对所述第一多模态特征数据进行多模态数据特征融合处理，得到第一情感特征；对所述第二多模态特征数据进行多模态数据特征融合处理，得到第二情感特征；

对所述第一情感特征和所述第二情感特征进行微博多源特征融合处理，得到用户个人微博情感特征。

3.根据权利要求2所述的用户心理状态识别方法，其特征在于，在所述获取待分析目标用户的微博数据之前，所述方法还包括：

通过网络爬虫技术，从社交网络上获取待分析目标用户的微博数据，并对所述微博数据进行数据清洗处理，得到数据清洗处理后的微博数据；

对所述数据清洗后的微博数据中的表情符号进行标注；

对所述数据清洗后的微博数据中的文本数据进行分词；

将所述数据清洗后的微博数据进行分类，得到原创微博数据和非原创转发微博数据。

4.根据权利要求2所述的用户心理状态识别方法，其特征在于，所述对所述微博数据进行特征提取处理，获取第一多模态特征数据和第二多模态特征数据，包括：

通过BERT预训练模型，对所述微博数据中的文本数据进行提取，得到文本特征；

通过Word2ecv，对所述微博数据中的表情符号进行提取，得到表情符号特征；

通过卷积神经网络，对所述微博数据中的图片进行提取，得到图片特征；

根据原创微博数据和非原创转发微博数据对应的文本特征、表情符号特征和图片特征，分别构建第一多模态特征数据和第二多模态特征数据。

5.根据权利要求1所述的用户心理状态识别方法，其特征在于，在所述对所述待分析目标用户的社交信息进行筛选，得到所述待分析目标用户的粉丝信息和关注者信息之前，所述方法还包括：

获取多个待分析目标用户，并分别对多个待分析目标用户的粉丝数量进行判断，若单个待分析目标用户的粉丝数量大于预设阈值，则判断获知该待分析目标用户为公众用户，并将该公众用户从所述多个待分析目标用户中去除。

6.根据权利要求1所述的用户心理状态识别方法，其特征在于，所述通过神经网络模型对所述用户综合心理特征进行分类，得到所述待分析目标用户的心理状态，包括：

将所述用户综合心理特征输入到所述神经网络模型中，通过交叉熵函数进行分类，得到所述待分析目标用户的心理状态，所述交叉熵函数包括用户个人微博情绪交叉熵函数和用户社交网络情感交叉熵。