[发明专利]用户性格判定方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术，揭露一种用户性格判定方法，包括：基于微表情识别模型对用户表情进行情绪识别，得到用户表情对应的第一情绪结果；分别识别用户声音的强度特征和发音特征，并将用户声音转换为对应的用户文本，对所述用户文本进行语义分析，得到语义特征；基于强度特征、发音特征和语义特征及特征指标区间生成用户声音对应的第二情绪识别结果；对第一情绪结果和第二情绪结果进行权重分析，得到最终情绪结果，根据预设的性格映射关系得到最终情绪结果对应的用户性格。此外，本发明还涉及区块链技术，语义特征可存储于区块链的节点。本发明还提出一种用户性格判定装置、电子设备以及存储介质。本发明可以提高用户性格判定的准确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种用户性格判定方法、装置、电子设备及存储介质。

背景技术

在各行各业中避免不了需要和客户进行沟通和交谈，而在沟通的时候精准识别到客户的的情绪以及客户的性格是十分关键的一步，这可以决定交易是否能够更好的成交。而无法精准的分析客户的性格和当前的情绪会导致与客户沟通不顺利，进而降低了用户转化率及交易的成功率。因此，亟待提出一种用户性格的判定方法。

现有的用户性格判定方法通常是基于用户的某一特征进行判断，这种方法比较单一，且性格判定的准确度不够高，因此亟待提出一种更准确的用户性格判定方法。

发明内容

本发明提供一种用户性格判定方法、装置、电子设备及存储介质，其主要目的在于提高用户性格判定的准确度。

为实现上述目的，本发明提供的一种用户性格判定方法，包括：

获取待识别用户的用户表情及用户声音，基于微表情识别模型对所述用户表情进行情绪识别，得到所述用户表情对应的第一情绪结果；

分别识别所述用户声音的强度特征和发音特征，并将所述用户声音转换为对应的用户文本，利用预设的语义分析算法对所述用户文本进行语义分析，得到语义特征；

基于所述强度特征、所述发音特征和所述语义特征及预设的特征指标区间生成所述用户声音对应的第二情绪识别结果；

对所述第一情绪结果和所述第二情绪结果进行权重分析，得到最终情绪结果，根据预设的性格映射关系得到所述最终情绪结果对应的用户性格。

可选地，所述基于微表情识别模型对所述用户表情进行情绪识别，得到所述用户表情对应的第一情绪结果，包括：

将所述用户表情输入至所述微表情识别模型中，得到细微表情集；

分别将所述细微表情集中的多个细微表情与预设的表情动作库中的表情动作进行比对，并统计与所述表情动作一致的细微表情的数量；

基于与所述表情动作一致的细微表情的数量和所述表情动作的数量计算得到表情占比概率；

筛选出所述表情占比概率大于或者等于预设情绪阈值的细微表情对应的表情动作的表情标签，并将所述表情标签及所述表情占比概率作为所述用户表情对应的第一情绪结果。

可选地，所述识别所述用户声音的强度特征，包括：

识别所述用户声音中的环境噪音及背景声音，将所述环境噪音和所述背景声音从所述用户声音中分离出去，得到分离目标声音；

对所述分离目标声音进行频谱分析处理，得到所述分离目标声音的频谱强度，并将所述分离目标声音的频谱强度作为所述用户声音的强度特征。

可选地，所述识别所述用户声音的发音特征，包括：

识别所述用户声音的音调周期频率，并判断所述音调周期频率和预设的周期阈值之间的大小；

当所述音调周期频率小于所述预设的周期阈值时，将所述用户声音的发音特征输出为颤音；