[发明专利]一种基于皮肤电信号识别中文情感词的方法

说明书

技术领域

本发明属于电数字数据处理技术的处理自然语言数据领域，具体涉及基于皮肤电信号情感识别技术用于识别中文情感词的方法。

背景技术

利用皮肤电信号识别情感有其独特的优势，比如它是生理参数所以更加客观，比如它相比于其他生理参数更易于采集、对于神经情绪变化最有效最敏感。对于利用皮肤电信号研究情感，目前技术相对成熟，所以适时的想利用该技术引入文本的分析。目前文本的分析因为其主观性强，语法语义拆分困难，情感词库的不完善等缺陷阻碍了文本情感分析的步伐。

但是随着互联网的蓬勃发展，文字信息更是烟波浩渺，其中包含着大量的有用实用信息让人们又不愿意放弃文字信息的提取。客观上需要用更加客观的生理参数来识别中文情感词，这必将为单纯文本分析提供一个崭新的思路。

发明内容

本发明的目的在于提出利用皮肤电信号识别出中文情感词，为单纯的文本情感分析提供崭新的思路，使文本情感分析更加准确。

为实现上述目的，本发明采用的技术方案为一种基于皮肤电信号识别中文情感词的方法，具体包含以下步骤：

S1：皮肤电采集；

S2：对采集之后的数据进行预处理；

S3：特征提取；

S4：归一化处理；

S5：特征选择；

S6：利用改进的模拟退火人工神经网络算法得到分类结果；

S7：在分类结果中加入情感词比对，进行识别。

作为优选，上述步骤2中的预处理采用小波变换进行去噪处理。

进一步，步骤3中的特征提取是提取了信号的时域和频域中能代表皮肤电信号变化的统计值作为情感识别研究的原始特征。

进一步，上述时域原始特征包括皮肤电信号的均值、中值、最大值、最小值、标准差、最小值比率、最大值比率、最大最小差值，以及将上述信号特征分别进行一阶差分、二阶差分计算后再提取以上统计特征后生成的24个时域特征。

进一步，在提取所述频域特征前先对皮肤电信号进行离散傅里叶变换，然后计算频率均值、中值、标准差、最大值、最小值、最大最小差值，得到6个频域特征。

进一步，上述步骤4中的所述归一化处理使得各特征值的取值范围限定在0到1之间，去除个体差异性的方法如下式:

其中X_G为原始信号，为每个被试者平静下的均值，归一化之后得到：

X＝(X_G-X_mean)/(X_max-X_min) (2)。

进一步，为了以最少的特征个数和最高的识别率来识别情感，步骤5所述特征选择时在标准化后的数据中随机选取若干组，并将其分成三份:第一部分为分类器训练集，第二部分测试集测试分类效果，最后部分数据用来验证特征集在情感识别中的有效性。

进一步，上述改进的模拟退火人工神经网络算法包含如下步骤：

步骤一：根据样本的输入和输出确定神经网络结构；

步骤二：运用有记忆的模拟退火算法，具体如下：

1)初始化参数，这样就产生了初始的权值S₀，此时设置初始温度T₀>0，迭代次数i＝0，检验精度ε，令f_out＝f(S₀)，f^*＝f(S₀),S_p＝S₀；

2)将网络权值S_p作为初始出发点S₀，按Powell算法进行优化，快速搜索到某一个局部极小值点；

3)设置记忆变量x′和f(x′),分别用于记忆当前遇到的最优解和最优目标函数值，算法刚开始时令x′和f(x′)分别初始化等于初始解x₀和其目标函数值f(x₀),迭代开始后,每当接受一个新的搜索解时,将其目标函数值f(x_k)与f(x′)进行比较,如果f(x_k)优于f(x′),则分别用x_k和f(x_k)代替原来的x′和f(x′)，最后算法结束时得到的就是全局最优解；