[发明专利]情绪生成方法、装置、电子设备及存储介质在审

专利信息
申请号: 202310151005.3 申请日: 2023-02-15
公开(公告)号: CN116341607A 公开(公告)日: 2023-06-27
发明(设计)人: 黄润乾;张伟彬;陈东鹏 申请(专利权)人: 深圳市声扬科技有限公司
主分类号: G06N3/008 分类号: G06N3/008;G06N7/01;G06F18/25;G06F18/241
代理公司: 深圳市智圈知识产权代理事务所(普通合伙) 44351 代理人: 李璇
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 情绪 生成 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种情绪生成方法,其特征在于,所述方法包括:

获取当前时刻所述虚拟对象对应的情绪影响权重,所述情绪影响权重基于当前时刻获取的用户特征进行确定;

获取所述虚拟对象的情绪倾向系数,所述情绪倾向系数基于所述虚拟对应的初始性格属性进行确定;

获取与当前时刻相邻的前一时刻所述虚拟对象对应的情绪概率向量;

基于前一时刻所述虚拟对象对应的情绪概率向量、所述情绪倾向系数以及所述情绪影响权重,确定当前时刻所述虚拟对象的情绪。

2.根据权利要求1所述的方法,其特征在于,所述获取当前时刻所述虚拟对象对应的情绪影响权重,包括:

若当前时刻有用户与所述虚拟对象进行交互,获取当前时刻与所述虚拟对象进行交互的用户的多个用户特征;

分别获取所述多个用户特征各自对应的参考情绪影响权重,以得到多个参考情绪影响权重;

基于所述多个参考情绪影响权重,确定当前时刻所述虚拟对象对应的情绪影响权重。

3.根据权利要求2所述的方法,其特征在于,所述获取当前时刻与所述虚拟对象进行交互的用户的多个用户特征,包括:

获取当前时刻与所述虚拟对象进行交互的用户的图像;

将所述图像输入到预先训练好的特征分类模型,获取所述特征分类模型输出的所述用户的多个用户特征。

4.根据权利要求2所述的方法,其特征在于,所述分别获取所述多个用户特征各自对应的参考情绪影响权重,以得到多个参考情绪影响权重,包括:

获取所述多个用户特征各自对应的预设转移矩阵;

基于所述多个用户特征以及所述多个用户特征各自对应的预设转移矩阵,确定所述多个用户特征各自对应的参考情绪影响权重,以得到多个参考情绪影响权重。

5.根据权利要求2所述的方法,其特征在于,所述方法还包括:

若当前时刻没有用户与所述虚拟对象进行交互,确定当前时刻所述虚拟对象对应的情绪影响权重为零向量。

6.根据权利要求1所述的方法,其特征在于,所述获取所述虚拟对象的情绪倾向系数,包括:

获取所述虚拟对象的初始性格属性;

获取所述初始性格属性对应的情绪倾向系数,不同的初始性格属性对应不同的情绪倾向系数。

7.根据权利要求1所述的方法,其特征在于,所述基于前一时刻所述虚拟对象对应的情绪概率向量、所述情绪倾向系数以及所述情绪影响权重,确定当前时刻所述虚拟对象的情绪,包括:

基于前一时刻所述虚拟对象对应的情绪概率向量、所述情绪倾向系数以及所述情绪影响权重,确定当前时刻所述虚拟对象对应的情绪概率向量;

对当前时刻所述虚拟对象对应的情绪概率向量进行归一化处理,得到当前时刻所述虚拟对象的情绪。

8.一种情绪生成装置,其特征在于,所述装置包括:

情绪影响权重获取单元,用于获取当前时刻所述虚拟对象对应的情绪影响权重,所述情绪影响权重基于当前时刻获取的用户特征进行确定;

情绪倾向系数获取单元,用于获取所述虚拟对象的情绪倾向系数,所述情绪倾向系数基于所述虚拟对应的初始性格属性进行确定;

前一时刻情绪概率向量获取单元,用于获取与当前时刻相邻的前一时刻所述虚拟对象对应的情绪概率向量;

情绪确定单元,用于基于前一时刻所述虚拟对象对应的情绪概率向量、所述情绪倾向系数以及所述情绪影响权重,确定当前时刻所述虚拟对象的情绪。

9.一种电子设备,其特征在于,包括一个或多个处理器以及存储器,一个或多个程序被存储在所述存储器中并被配置为由一个或多个处理器执行权利要求1-7任一所述的方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序代码,所述程序代码包括用于执行如权利要求1-7任一权利要求所述的方法的指令。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市声扬科技有限公司,未经深圳市声扬科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310151005.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top