[發明專利]情緒識別模型的生成、情緒識別方法、裝置、設備及介質

在審

• 申請號: 202110335765.0
• 申請日: 2021-03-29
• 公開（公告）號: CN112949575A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 詹志丹
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種情緒識別模型的生成方法，其特征在于，所述方法包括：

獲取歷史滑屏用戶在滑屏操作中的歷史操作數據和所述歷史滑屏用戶的歷史情緒類別；

對所述歷史操作數據進行特征提取，得到所述歷史操作數據的特征參數值；

將所述歷史操作數據的特征參數值作為標準識別模型的輸入，且將所述歷史滑屏用戶的歷史情緒類別作為所述標準識別模型的輸出，對所述標準識別模型進行訓練，得到情緒識別模型。

2.根據權利要求1所述的方法，其特征在于，獲取歷史滑屏用戶在滑屏操作中的歷史操作數據，包括：

獲取所述歷史滑屏用戶的身份信息；

獲取所述歷史滑屏用戶在滑屏操作中的滑屏信號及生理信號。

3.根據權利要求2所述的方法，其特征在于，所述歷史滑屏用戶的身份信息包括如下至少一項：歷史滑屏用戶的年齡、性別、職業、學歷及收入；

獲取所述歷史滑屏用戶在滑屏操作中的滑屏信號及生理信號，包括：

獲取所述歷史滑屏用戶在滑屏操作中的滑動長度、滑動速度、滑動角度、滑動壓力及間隔時長，作為所述滑屏信號；

獲取所述歷史滑屏用戶在滑屏操作中的腦電信號、心率、血壓、眼動軌跡中瞳孔的反應數據，作為生理信號。

4.根據權利要求3所述的方法，其特征在于，還通過如下方式獲取所述歷史滑屏用戶在滑屏操作中的滑屏信號：

獲取所述歷史滑屏用戶在滑屏操作中滑屏軌跡點的坐標值、壓力值、角度值及時間；

根據所述歷史滑屏用戶在滑屏操作中滑屏軌跡點的坐標值，得到滑屏軌跡的滑動長度；

根據所述歷史滑屏用戶在滑屏操作中滑屏軌跡點的時間，得到滑屏操作的持續時間；

根據所述歷史滑屏用戶在滑屏操作的滑動長度和持續時間，得到滑屏操作的滑動速度；

根據所述歷史滑屏用戶在滑屏操作中滑屏軌跡點的時間，得到相鄰兩次滑屏操作的間隔時間。

5.根據權利要求4所述的方法，其特征在于，獲取所述歷史滑屏用戶在滑屏操作中的滑屏信號之后，還包括：

獲取預設時間內或指定場景中的所述歷史滑屏用戶在滑屏操作中滑屏軌跡點的坐標值、壓力值、角度值及時間；

根據滑屏軌跡的滑動長度，得到預設時間內或指定場景中的滑屏軌跡的平均滑動長度、最大滑動長度和最小滑動長度；

根據滑屏操作的滑動速度，得到預設時間內或指定場景中的滑屏操作的平均滑動速度、最大滑動速度和最小滑動速度；

根據相鄰兩次滑屏操作的間隔時間，得到預設時間內或指定場景中的滑屏操作的平均間隔時間、最大間隔時間和最小間隔時間；

根據滑動軌跡點的壓力值，得到平均壓力值、最大壓力值和最小壓力值；

根據滑動軌跡點的角度值，得到平均角度值、最大角度值和最小角度值。

6.根據權利要求1所述的方法，其特征在于，所述標準識別模型為原始機器學習模型；

將所述歷史操作數據的特征參數值作為標準識別模型的輸入，且將所述歷史滑屏用戶的歷史情緒類別作為所述標準識別模型的輸出，對所述標準識別模型進行訓練，得到情緒識別模型，包括：

通過神經網絡算法或支持向量機算法，將所述歷史操作數據的特征參數值作為原始機器學習模型的輸入，且將所述歷史滑屏用戶的歷史情緒類別作為所述原始機器學習模型的輸出，對所述原始機器學習模型進行訓練，得到情緒識別模型。

7.根據權利要求2所述的方法，其特征在于，對所述歷史操作數據進行特征提取，得到所述歷史操作數據的特征參數值，包括：

對獲取的所述滑屏操作中的生理信號進行去噪；

對去噪后的所述生理信號進行特征提取，得到所述生理信號的特征參數值。

8.根據權利要求1所述的方法，其特征在于，對所述歷史操作數據進行特征提取，得到所述歷史操作數據的特征參數值，包括：

通過特征選擇算法，計算出每一個特征的權重；

比較每一個特征的權重與預設的權重閾值，去除權重小于所述權重閾值的特征。