[發明專利]一種多維度情緒識別方法及系統

在審

• 申請號: 202110890792.4
• 申請日: 2021-08-04
• 公開（公告）號: CN113780341A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 伍冬睿;徐祎璠
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/20
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 王穎翀

1.一種多維度情緒識別方法，其特征在于，包括：

獲取第一樣本集和第二樣本集，所述第一樣本集包括生理特征以及各生理特征在T個不同情感維度上標簽，所述第二樣本集包括不帶標簽的生理特征；

基于第一樣本集訓練情緒識別模型和標簽映射模型，所述情緒識別模型用于預測生理特征在各個情感維度的標簽，所述標簽映射模型用于根據同一生理特征在其他情感維度的標簽預測當前情感維度的標簽；

將第二樣本集輸入所述情緒識別模型，獲取生理特征在各情感維度上的預測標簽；

將同一生理特征的其他維度上的預測標簽輸入所述標簽映射模型，獲取對應生理特征在當前維度上的映射標簽；

分析同一生理特征在同一情感維度上獲得的預測標簽和映射標簽的一致性程度，選取一致性符合預設條件的情感維度進行自動標注，各情感維度自動標注值為對應維度預測標簽和映射標簽的加權平均值；

根據新標注的數據繼續對情緒識別模型進行訓練，得到最終的情緒識別模型。

2.如權利要求1所述的多維度情緒識別方法，其特征在于，所述方法還包括：選擇一致性程度與預設條件偏差最大的部分生理特征進行人工標注，根據人工標注的數據繼續對情緒識別模型進行訓練。

3.如權利要求1所述的多維度情緒識別方法，其特征在于，還包括：

基于最終的情緒識別模型，對生理特征在不同情感維度上進行標注，并根據標注結果識別生理特征對應的情緒。

4.如權利要求1所述的多維度情緒識別方法，其特征在于，

基于第一樣本集訓練情緒識別模型，包括：基于第一樣本集中的第t個情感維度的生理特征和標簽訓練對應第t個情感維度的情緒識別模型，獲得T個情緒識別模型，1≤t≤T；

所述將第二樣本集輸入所述情緒識別模型，獲取生理特征在各情感維度上的預測標簽，包括：將第二樣本集分別輸入到T個情緒識別模型中，其中，第t個情緒識別模型生成生理特征在第t個情感維度上的預測標簽。

5.如權利要求1所述的多維度情緒識別方法，其特征在于，基于第一樣本集訓練標簽映射模型，包括：基于除第t個情感維度之外的其他情感維度預測標簽訓練對應第t個情感維度的標簽映射模型，獲得T個標簽映射模型，1≤t≤T。

6.如權利要求1所述的多維度情緒識別方法，其特征在于，分析同一生理特征在同一情感維度上獲得的預測標簽和映射標簽的一致性程度，包括：

計算同一生理特征在同一情感維度上的預測標簽和映射標簽的絕對差值；

遍歷同一生理特征在T個情感維度上的T個絕對差值，判定絕對差值小于給定閾值的情感維度的預測標簽和映射標簽的一致性符合預設條件。

7.如權利要求2所述的多維度情緒識別方法，其特征在于，選擇一致性程度與預設條件偏差最大的部分生理特征進行人工標注，包括：

計算同一生理特征在同一情感維度上的預測標簽和映射標簽的絕對差值；

對同一生理特征在T個情感維度上T個絕對差值求乘積，以乘積結果最大的部分生理特征進行人工標注。

8.如權利要求2所述的多維度情緒識別方法，其特征在于，根據新標注的數據繼續對情緒識別模型進行訓練，得到最終的情緒識別模型，包括：

根據新標注的數據繼續對情緒識別模型進行訓練；

判斷新獲得的情緒識別模型的可靠性是否符合要求；

當新獲得的情緒識別模型的可靠性符合要求，結束訓練，得到最終的情緒識別模型；否則，判斷是否有預算進行人工標注，若有預算，則繼續獲取自動標注和人工標注的數據并對情緒識別模型進行迭代訓練直至可靠性符合要求，若無預算，則結束對情緒識別模型的訓練。

9.如權利要求1所述的多維度情緒識別方法，其特征在于，各情感維度自動標注值為對應維度預測標簽和映射標簽的加權平均值，其中，預測標簽的加權系數為0.5，映射標簽的加權系數為0.5。

10.一種多維度情緒識別系統，其特征在于，所述系統用于執行權利要求1至9任一項所述的多維度情緒識別方法。