[发明专利]基于个人微博的个人异常情绪检测方法及装置

权利要求书

1.一种基于个人微博的个人异常情绪检测方法，其特征在于，所述方法包括：

获取预设时间段内指定用户的第一预设数量条微博文本数据；

利用支持向量机对所述第一预设数量条微博文本数据进行情感识别并标注，得到第二预设数量种情感；

按照预设时间单位对所述第二预设数量种情感的微博文本数据进行情感分布统计，得到所述指定用户的多维数据集；所述预设时间段的长度为所述预设时间单位的数倍；

采用多元正态分布对所述预设时间段的多维数据集进行拟合，得到所述指定用户对应情感的正态分布曲线；

计算每个多维数据集的联合概率密度值；

基于所述正态分布曲线和/或所述联合概率密度值确定所述指定用户的异常情绪。

2.根据权利要求1所述的个人异常情绪检测方法，其特征在于，所述第二预设数量种情感为5种，分别为中性、开心、惊讶、伤心和生气，对应的标签为0、1、2、3和4。

3.根据权利要求1所述的个人异常情绪检测方法，其特征在于，按照预设时间单位对所述第二预设数量种情感的微博文本数据进行情感分布统计，得到所述指定用户的多维数据集包括：

根据支持向量机对所述第一预设数量条微博文本数据进行情感分类；

根据情感分类确定所述指定用户的五维数据集。

4.根据权利要求1所述的个人异常情绪检测方法，其特征在于，基于所述联合概率密度值确定所述指定用户的异常情绪包括：

对比联合概率密度值和密度值阈值；

若所述联合概率密度值小于或者等于密度值阈值，则所述指定用户的情绪异常。

5.根据权利要求4所述的个人异常情绪检测方法，其特征在于，选取所述密度值阈值包括：

基于第一预设数量条微博文本数据，根据所述预设时间段对应的全部预设时间单元得到多个五维数据集；

批量计算所述多个五维数据集的联合概率密度；

将所述多个五维数据集分为交叉验证集和测试集；

基于不同阈值，根据联合概率密度函数对所述交叉验证集进行实验，得到多组实验结果；

将所述多组实验结果的准确率最高对应的阈值作为所述测试集的密度值阈值。

6.根据权利要求4所述的个人异常情绪检测方法，其特征在于，所述联合概率密度函数采用以下公式表示：

公式中，X(k)是五维变量集，μ是第k列数据均值，Σ是五维数据集的协方差矩阵，协方差是度量各个维度偏离其均值的程度。

7.一种基于个人微博的个人异常情绪检测装置，其特征在于，所述装置包括：

微博文本数据获取模块，用于获取预设时间段内指定用户的第一预设数量条微博文本数据；

情感识别模块，用于利用支持向量机对所述第一预设数量条微博文本数据进行情感识别并标注，得到第二预设数量种情感；

数据集获取模块，用于按照预设时间单位对所述第二预设数量种情感的微博文本数据进行情感分布统计，得到所述指定用户的多维数据集；所述预设时间段的长度为所述预设时间单位的数倍；

正态曲线获取模块，用于采用多元正态分布对所述预设时间段的多维数据集进行拟合，得到所述指定用户对应情感的正态分布曲线；

联合密度计算模块，用于计算每个多维数据集的联合概率密度值；

判断模块，用于基于所述正态分布曲线和/或所述联合概率密度值确定所述指定用户的异常情绪。

8.根据权利要求7所述的个人异常情绪检测装置，其特征在于，所述第二预设数量种情感为5种，分别为中性、开心、惊讶、伤心和生气，对应的标签为0、1、2、3和4。

9.根据权利要求7所述的个人异常情绪检测装置，其特征在于，所述数据集获取模块包括：

情感分类单元，用于根据支持向量机对所述第一预设数量条微博文本数据进行情感分类；

数据集确定模块，用于根据情感分类确定所述指定用户的五维数据集。

10.根据权利要求4所述的个人异常情绪检测方法，其特征在于，所述联合概率密度函数采用以下公式表示：

公式中，X(k)是五维变量集，μ是第k列数据均值，Σ是五维数据集的协方差矩阵，协方差是度量各个维度偏离其均值的程度。