[发明专利]文本情绪检测方法、装置、设备及存储介质在审

专利信息
申请号: 202010884325.6 申请日: 2020-08-28
公开(公告)号: CN112035634A 公开(公告)日: 2020-12-04
发明(设计)人: 刘兵;李帅 申请(专利权)人: 康键信息技术(深圳)有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F16/33;G06F16/35;G06N3/04;G06N3/08;G06F40/30;G10L25/63;G16H40/67
代理公司: 北京市京大律师事务所 11321 代理人: 姚维
地址: 518052 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文本 情绪 检测 方法 装置 设备 存储 介质
【权利要求书】:

1.一种文本情绪检测方法,其特征在于,所述文本情绪检测方法包括:

获取问诊数据,其中,所述问诊数据为目标用户的问诊记录;

通过预置情绪探测算法,确定所述问诊数据所属的情绪类别,得到所述问诊数据的第一情绪识别结果;

对所述问诊数据进行特征提取,获得所述问诊数据中携带的情绪标签,并将所述情绪标签与预置规则进行匹配,得到所述问诊数据的第二情绪识别结果;

将所述第一情绪识别结果和所述第二情绪识别结果进行拟合,确定所述问诊数据对应的实时情绪状态;

判断所述实时情绪状态是否为负性情绪且所述负性情绪的情绪状态强度触发预警阈值;

若所述实时情绪状态为负性情绪且所述负性情绪的情绪状态强度触发预警阈值,则控制预警中心发出情绪波动提示。

2.根据权利要求1所述的文本情绪检测方法,其特征在于,在所述获取问诊数据之后,还包括:

判断所述问诊数据是否为文本数据;

若所述问诊数据为语音数据,则对所述问诊数据进行音转文处理,得到所述问诊数据对应的文本数据。

3.根据权利要求1所述的文本情绪检测方法,其特征在于,所述通过预置情绪探测算法,确定所述问诊数据所属的情绪类别,得到所述问诊数据的第一情绪识别结果包括:

通过预设正则表达式从所述文本数据中确定目标文本数据,其中,所述正则表达式用于表示目标情绪类别的表达规则;

对所述目标文本数据进行向量化处理,得到所述目标文本数据的第一特征向量;

基于预置情绪探测算法和所述目标文本数据的第一特征向量,得到所述目标文本数据的类别置信度向量,其中,所述类别置信度向量中的每个元素的值用于表示所述目标文本数据属于该元素对应的预设情绪类别的概率;

将所述类别置信度向量中值最大的元素对应的预设情绪类别确定为所述目标文本数据所属的情绪类别,得到所述问诊数据的第一情绪识别结果。

4.根据权利要求1所述的文本情绪检测方法,其特征在于,所述对所述问诊数据进行特征提取,获得所述问诊数据中携带的情绪标签,并将所述情绪标签与预置规则进行匹配,得到所述问诊数据的第二情绪识别结果包括:

对所述问诊数据进行语义解析,得到所述问诊数据的关键词;

利用预置特征提取算法,对所述问诊数据的关键词进行特征提取,生成所述问诊数据的特征词;

基于预制规则,将所述特征词与预置情绪特征库中的特征样本进行匹配,得到与每个所述特征词匹配的特征样本相应的情绪标签;

基于所述特征词匹配的情绪标签,确定所述问诊数据的情绪倾向;

基于所述问诊数据的情绪倾向,确定所述问诊数据所述情绪类别的置信度,得到所述问诊数据的第二情绪识别结果。

5.根据权利要求4所述的文本情绪检测方法,其特征在于,所述基于所述特征词匹配的情绪标签,确定所述问诊数据的情绪倾向包括:

基于所述特征词匹配的情绪标签,确定所述问诊数据对应的多个情绪标签;

所述问诊数据对应的多个情绪标签,输出所述情绪标签的概率分布图;

基于所述概率分布图,将每一个所述情绪标签的概率值进行排序,选取大于预设情绪阈值的概率值对应的情绪标签,确定所述问诊数据的情绪倾向。

6.根据权利要求1所述的文本情绪检测方法,其特征在于,所述判断所述实时情绪状态是否为负性情绪且所述负性情绪的情绪状态强度触发预警阈值包括:

判断所述问诊数据的实时情绪状态是否为负性情绪;

若所述问诊数据的实时情绪状态为负性情绪,则判断所述负性情绪的情绪状态强度是否触发预警阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于康键信息技术(深圳)有限公司,未经康键信息技术(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010884325.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top