[发明专利]一种用户心理状态识别方法及系统

说明书

本发明实施例提供一种用户心理状态识别方法及系统，包括：对待分析目标用户的微博数据进行多模态数据特征融合处理，得到待分析目标用户的用户个人微博情感特征；对待分析目标用户的社交信息进行筛选，得到待分析目标用户的粉丝信息和关注者信息，并获取粉丝情感特征和关注者情感特征；将用户个人微博情感特征、粉丝情感特征和关注者情感特征进行社交关系特征融合，得到用户综合心理特征，并通过神经网络模型对用户综合心理特征进行分类，得到待分析目标用户的心理状态。本发明实施例通过将用户个人微博情感特征与用户社交关系特征进行社交关系特征融合处理，更全面地分析用户心理状态，从而提高情感分类的识别准确率。

技术领域

本发明涉及情感分析技术领域，尤其涉及一种用户心理状态识别方法及系统。

背景技术

微博数据量庞大，有强大的社交网络关系，同时，微博中存在大量的转发文本、图片和微博表情符号等。因此，对社交网络中的微博进行情感分析处理，从而可识别用户在发送该微博信息时的心理状态，对用户的情感实现分类。

基于文本情感分类的各类算法不断涌现，例如，在传统机器学习中采用Word2Vec等技术预训练词向量，在特征提取后，利用支持向量机SVM，朴素贝叶斯(Naive Bayesian，简称NB)等分类模型进行文本情感分类；随着深度学习的发展，神经网络逐渐被应用到词条嵌入技术中，与此同时，卷积神经网络(Convolutional Neural Networks，简称CNN)，递归神经网络(Recursive Neural Network，简称RNN)和长短期记忆网络(Long Short-TermMemory，简称LSTM)等广泛应用与文本情感分类，提升了情感分类的效果。

目前比较多的是通过LSTM结合CNN的方法，对微博文本与图片进行情感分类，然后进行线性融合，从而对微博情感进行分类。但是，在一条微博信息中，图片与文本是一个整体，需要进行融合处理；同时，微博中还有一些非原创的转发内容和传统文本所没有的表情符号，而且用户间存在的社交信息会影响用户的情感态度。虽然近几年很多研究人员研究利用表情符号，社交关系等，来提升微博情感识别的性能，但都没有将以上这些特征进行综合，导致用户的心理状态识别和情感分析的准确率较低。因此，现在亟需一种用户心理状态识别方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种用户心理状态识别方法及系统。

第一方面，本发明实施例提供了一种用户心理状态识别方法，包括：

对待分析目标用户的微博数据进行多模态数据特征融合处理，得到所述待分析目标用户的用户个人微博情感特征；

对所述待分析目标用户的社交信息进行筛选，得到所述待分析目标用户的粉丝信息和关注者信息，并根据所述粉丝信息和所述关注者信息，获取粉丝情感特征和关注者情感特征；

将所述用户个人微博情感特征、所述粉丝情感特征和所述关注者情感特征进行社交关系特征融合，得到用户综合心理特征，并通过神经网络模型对所述用户综合心理特征进行分类，得到所述待分析目标用户的心理状态。

进一步地，所述对待分析目标用户的微博数据进行多模态数据特征融合处理，得到所述待分析目标用户的用户个人微博情感特征，包括：

获取待分析目标用户的微博数据，所述微博数据包括原创微博数据和非原创转发微博数据；

对所述微博数据进行特征提取处理，获取第一多模态特征数据和第二多模态特征数据，其中，所述第一多模态特征数据为所述原创微博数据的多模态特征数据，所述第二多模态特征数据为所述非原创转发微博数据的多模态特征数据；

对所述第一多模态特征数据进行多模态数据特征融合处理，得到第一情感特征；对所述第二多模态特征数据进行多模态数据特征融合处理，得到第二情感特征；