System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及情感衍生行为预测,特别是涉及一种预测情感衍生行为的方法及装置。
技术介绍
1、现有计算机学科与社会学科的行为分析方法可根据应用场景差异划分为虚拟环境中的用户行为分析与现实场景中的公众行为分析。虚拟环境中的用户行为分析通过挖掘用户在社交媒体等网络虚拟环境中的转发、评论等社交行为,分析用户对社会事件的意见与观点。现实场景中的公众行为分析以公共监控下的群体行为分析为主,通过运动直方图、光流直方图等视觉运动信息识别拥挤、对抗等群体行为并进行危险行为及时预警。
2、心理学科行为分析关注情感对行为的驱动作用,但局限于严格实验条件下的小样本分析,其实验结论难以适用于开放域的复杂应用场景。同时,计算机学科行为分析忽略行为的情感内驱导致其行为推理过程逻辑合理性存疑。
3、行为分析相关研究通过修改模型结构或融合多模态信息进行特征增强的方式提高了虚拟环境与现实环境行为分析模型的表现,却很少有学者考虑将驱动行为的情感因素融入行为分析过程,且没有考虑反思的过程,导致情感行为预测和分析结果不准确。
技术实现思路
1、本专利技术的目的是提供一种预测情感衍生行为的方法及装置,通过注意力机制动态调整主体与情感对假想主体-情感-行为三元组的关注度,自我反思对假想上下文语境的依赖程度,完成对隐式情感行为驱动关系的挖掘,实现对情感衍生行为的精确预测。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种预测情感衍生行为的方法,所述方法包括:
4
5、根据所述三元组关系元数据,利用基于塔克分解的行为预测方法进行第一次学习,得到第一得分;所述第一得分通过计算主体-情感至所有行为的得分得到;
6、将第一得分经过logistic sigmoid激活函数归一化得到第一行为概率;
7、将行为概率中最高值对应的行为作为假想行为,构建假想主体-情感-行为三元组;
8、将所述假想主体-情感-行为三元组的嵌入表示融入注意力机制,动态调整主体与情感对假想主体-情感-行为三元组的关注度,实现主体、情感表征优化,得到优化假想三元组;
9、利用基于塔克分解的行为预测方法进行第二次学习,得到第二得分;所述第二得分通过计算所述优化假想三元组中主体-情感至所有行为的得分得到;
10、将第二得分经过logistic sigmoid激活函数归一化得到第二行为概率;
11、根据所述第一行为概率和所述第二行为概率确定基于假想主体-情感-行为三元组的知识表示模型的最终输出概率,公式为:其中p表示最终输出概率,p1表示第一行为概率,p2表示第二行为概率。
12、可选地,所述方法还包括:
13、基于优化假想主体-情感-行为三元组进行行为衍生及情感归因分析。
14、可选地,所述基于优化假想主体-情感-行为三元组进行行为衍生及情感归因分析,具体包括:
15、基于所述知识表示模型,以主体、情感遍历组合的方式作为候选输入,挖掘隐式主体-情感-行为三元组;
16、剔除隐式主体-情感-行为三元组中的主体维度,得到情感行为二元集合;
17、将情感行为二元集合中的情感维度映射为情感类别标签进行情感维度上的去重,得到情感维度去重后的情感行为二元集合;
18、将去重后的情感行为二元集合中的行为维度映射为行为类别标签进行行为维度上的去重,得到行为维度去重后的情感行为二元集合;
19、根据行为维度去重后的情感行为二元集合构建情感行为衍生矩阵和行为情感归因矩阵;
20、将情感行为衍生矩阵和行为情感归因矩阵归一化,获得情感的行为衍生概率矩阵与行为的情感归因概率矩阵;
21、基于情感行为衍生矩阵和情感的行为衍生概率矩阵进行情感行为衍生分析,确定在当前情感状态下产生的各种行为的概率;基于行为情感归因矩阵和行为的情感归因概率矩阵进行行为情感归因分析,确定引发当前行为的情感的概率。
22、可选地,所述情感类别标签包括:“爱”、“惧”、“喜”、“哀”、“惊”、“怒”和“正常”;
23、所述行为类别标签包括:亲社会行为、正常行为和反社会行为;
24、所述亲社会行为的标签具体包括:利他、共赢和遵守秩序;
25、所述正常行为的标签具体包包括:愉悦、平静和恐慌;
26、所述反社会行为的标签具体包括:害人、攻击性、自私和秩序混乱。
27、可选地,根据所述三元组关系元数据,利用基于塔克分解的行为预测方法进行第一次学习,得到第一得分;所述第一得分通过计算主体-情感至所有行为的得分得到,具体包括:
28、将主体-情感-行为三元组关系表示为一个三阶二元张量其中,张量中的每一个元素xi,j,k对应一条三元组关系,元素值为1表示对应三元组真实存在,元素值为0表示对应三元组关系错误或缺失;
29、计算主体-情感至所有行为的得分,计算公式为:其中,×n表示张量在第n步的乘法,ea,i表示第i种主体的嵌入表示,eε,j表示第j种情感的嵌入表示,er,k表示第k种行为的嵌入表示。
30、可选地,将所述假想主体-情感-行为三元组的嵌入表示融入注意力机制,动态调整主体与情感对假想主体-情感-行为三元组的关注度,实现主体、情感表征优化,得到优化假想三元组,具体包括:
31、根据假想主体-情感-行为三元组,分别查询情感嵌入矩阵ea、情感嵌入矩阵eε与行为嵌入矩阵er,获得主体嵌入ea,i、情感嵌入eε,j与假想行为嵌入er,p,得到假想上下文语境嵌入矩阵cp;
32、将假想上下文语境嵌入矩阵cp视为注意力机制中的key矩阵与value矩阵,将主体嵌入ea,i视为query矩阵计算假想上下文语境下的注意力得分,并计算假想上下文语境中的主体嵌入表征
33、
34、将情感嵌入eε,j视为query矩阵,计算假想上下文语境中的情感嵌入表征
35、计算基于假想上下文语境增强的主体嵌入与情感嵌入
36、
37、得到优化假想三元组。
38、可选地,行为概率的计算公式为:
39、p1=σ(φ1(ai,εj,r0),φ1(ai,εj,r1),…,φ1(ai,εj,rk));
40、其中,σ表示sigmoid激活函数,rk代表行为词候选集合中的第k个行为词,ai和εj表示主体和情感;
41、知识表示模型的损失函数为:
42、
43、其中k表示行为个数,p表示预测概率,y表示真实标签y,
44、可选地,获取文本数据集中的主体-情感-行为三元组关系元数据,具体包括:
45、使用结巴分词工具获取文本数据集中的词语与词性,得到语料数据;
46、抽取所述语料数据中的“情感-行为”和“主体本文档来自技高网...
【技术保护点】
1.一种预测情感衍生行为的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种预测情感衍生行为的方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的一种预测情感衍生行为的方法,其特征在于,所述基于优化假想主体-情感-行为三元组进行行为衍生及情感归因分析,具体包括:
4.根据权利要求3所述的一种预测情感衍生行为的方法,其特征在于,所述情感类别标签包括:“爱”、“惧”、“喜”、“哀”、“惊”、“怒”和“正常”;
5.根据权利要求1所述的一种预测情感衍生行为的方法,其特征在于,根据所述三元组关系元数据,利用基于塔克分解的行为预测方法进行第一次学习,得到第一得分;所述第一得分通过计算主体-情感至所有行为的得分得到,具体包括:
6.根据权利要求1所述的一种预测情感衍生行为的方法,其特征在于,将所述假想主体-情感-行为三元组的嵌入表示融入注意力机制,动态调整主体与情感对假想主体-情感-行为三元组的关注度,实现主体、情感表征优化,得到优化假想三元组,具体包括:
7.根据权利要求1所述的一种预测情感衍生行为
8.根据权利要求1所述的一种预测情感衍生行为的方法,其特征在于,获取文本数据集中的主体-情感-行为三元组关系元数据,具体包括:
9.根据权利要求8所述的一种预测情感衍生行为的方法,其特征在于,
10.一种计算机装置,包括:存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-9中任一项所述一种预测情感衍生行为的方法的步骤。
...【技术特征摘要】
1.一种预测情感衍生行为的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种预测情感衍生行为的方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的一种预测情感衍生行为的方法,其特征在于,所述基于优化假想主体-情感-行为三元组进行行为衍生及情感归因分析,具体包括:
4.根据权利要求3所述的一种预测情感衍生行为的方法,其特征在于,所述情感类别标签包括:“爱”、“惧”、“喜”、“哀”、“惊”、“怒”和“正常”;
5.根据权利要求1所述的一种预测情感衍生行为的方法,其特征在于,根据所述三元组关系元数据,利用基于塔克分解的行为预测方法进行第一次学习,得到第一得分;所述第一得分通过计算主体-情感至所有行为的得分得到,具体包括:
6.根据权利要求1所述的一种...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。