【技术实现步骤摘要】
本专利技术属于情感识别领域，具体涉及一种基于情感衰变因子的抑郁情绪评测方法。
技术介绍
1、在抑郁情绪的评测上，相关的现有技术有通过对微博等文本进行处理，来评测用户是否具有抑郁情绪的技术，比如专利文献cn109977231b，这类技术通过先选取文本的特征，然后通过文本分类器将微博等文本进行分类，确定每条微博的抑郁情感状态，然后引入了情感衰变因子，并且通过构造情感衰变公式，来计算用户的抑郁情绪值。
2、具体的这种的技术的处理过程如下（该现有技术在文献描述过程中有些参数记载错误或不规范，本申请对其进行修改）：发动人群在线填写抑郁自评量表，获得个体的抑郁量表得分以及微博昵称，并采集其微博文本，并通过专家系统对微博内容进行标注；微博文本预处理，经过特征选择、特征加权，根据所述特征选择的结果与所述特征加权的结果构建词向量空间，构造文本分类器将待分类的微博文本进行分类，得到每条微博文本的抑郁情感状态c，抑郁情感状态c用1、0表示，比如1表示抑郁状态，0表示非抑郁状态；计算抑郁指数，抑郁指数即抑郁状态微博条数与总的微博数的比值，对所述抑郁指数和所述个体的抑郁量表得分之间的相关性进行皮尔逊检测，并根据检测结果建立抑郁程度与所述抑郁指数之间的关系，以抑郁指数表征个体抑郁程度；然后引入情感衰变因子得到每条微博对应的抑郁情绪值，并判断个体抑郁情况，情感衰变因子的引入，构造情感衰变公式，得到每条微博对应的抑郁情绪值，公式为f(s)＝f(s-1)+(-1)ke-qλ，其中，s为微博的序数，s的取值范围为：s＝0,1,2,…,n，即表示第0,1
3、k的取值与相邻两次时间点的微博状态有关；
4、
5、q为一个计数参数，当出现连续两个或以上的0状态时，若下一时刻的状态c＝1，则q＝1；当出现连续两个或以上的1状态时，若下一时刻的状态c＝0，则q的值并不置1，而是接着上一时刻依次递增，以上两种状态交替变化过程中，f(s-1)的值保持不变，仍为上一时刻的抑郁情绪值；这类技术在理论上是没有什么问题，情感衰变公式的确可以表征情绪的变化，不过这类技术在实际的实施中存在不少的问题，比如说该技术在构建关键的情感衰变公式过程中，其中的情感衰变因子是假设抑郁情绪符合半衰期规律而取值的，也就是说这类参数的取值是建立在假设的基础上的，则情感衰变公式所计算的情绪值对数据的表征性不够强，甚至可能缺乏科学依据，所以计算的抑郁情绪值也不能精准表征主体的情感状态。
技术实现思路
1、本专利技术的目的在于提供一种基于情感衰变因子的抑郁情绪评测方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、基于情感衰变因子的抑郁情绪评测方法，包括步骤有：
4、步骤1获取目标用户的文本数据然后将目标用户的文本数据进行标注，将目标用户的文本数据标注为抑郁症患者文本数据和非抑郁症患者文本数据；
5、步骤2然后构建并且训练文本分类器对目标用户的文本数据进行分类识别，即能够识别每一个目标用户的文本数据的状态是否为抑郁状态；
6、步骤3然后基于情感衰变因子构造情感衰变公式用于计算目标用户的文本数据对应的抑郁情绪值，并且能够计算目标用户的平均抑郁情绪值；其中情感衰变因子用于表征情感变化，情感衰变公式基于情感衰变因子构造；
7、步骤4然后确定一个初始情感衰变因子数值；
8、步骤5先利用文本分类器对一批目标抑郁症患者文本数据进行分类识别确定每一个文本的抑郁情感状态c；利用文本分类器对一批目标非抑郁症患者文本数据进行分类识别确定每一个文本的抑郁情感状态c；
9、步骤6然后基于前面步骤所确定的情感衰变因子数值构造情感衰变公式计算目标抑郁症患者文本数据对应的抑郁情绪值以及对应的每一个目标抑郁症患者的平均抑郁情绪值avg1，基于前面步骤所确定的情感衰变因子数值构造情感衰变公式计算目标非抑郁症患者文本数据对应的抑郁情绪值以及对应的每一个目标非抑郁症患者的平均抑郁情绪值avg2，然后计算所有的平均抑郁情绪值avg1的方差并定义为第一方差，然后计算所有的平均抑郁情绪值avg2的方差并定义为第二方差；
10、步骤7然后修改情感衰变因子数值并且再次进行步骤6，直到第一方差小于阈值或取到最小值，并且第二方差大于阈值或取到最大值，停止修改情感衰变因子数值；之后确定修改之后情感衰变因子数值为优选的情感衰变因子数值；
11、步骤8然后基于优选的情感衰变因子数值构造情感衰变公式以及训练之后的文本分类器计算待测用户的文本数据对应的抑郁情绪值，并且计算待测用户的平均抑郁情绪值确定待测用户的情感状态。
12、进一步，目标用户的文本数据包括目标用户的微博状态数据、微信朋友圈状态数据、qq空间状态数据。
13、进一步，训练文本分类器对目标用户的文本数据进行分类识别，其中的文本分类器包括：基于机器学习的算法文本分类器、基于深度学习的算法文本分类器、基于迁移学习的算法文本分类器、基于情感词典的算法文本分类器。
14、进一步，情感衰变公式可以采用基于滑动预测的算法构建，具体的
15、f(t)＝f(t-1)*λ+0.1p*(-1)k；t为文本的序数，f(t＝0)＝0；f(t)表示t次时间点文本所对应的抑郁情绪值；f(t-1)表示上一次时间点的文本所对应的抑郁情绪值；λ是情感衰变因子；
16、c为文本的抑郁情感状态，抑郁情感状态c具体值用1、0表示，1表示抑郁状态，0表示非抑郁状态；k的取值如下：
17、
18、p为一个计数参数，当抑郁情感状态c出现连续两个或以上的0状态时，若下一时刻的抑郁情感状态c＝1，则q＝1；当抑郁情感状态c出现连续两个或以上的1状态时，若下一时刻的抑郁情感状态c＝0，则q的值并不置1，而是接着上一时刻依次递增。
19、进一步，初始情感衰变因子数值0.5。
20、进一步，修改情感衰变因子数值包括增大情感衰变因子数值、减少情感衰变因子数值。
21、一种计算机设备，包括终端设备或服务器，前述的基于情感衰变因子的抑郁情绪评测方法的数据计算程序配置在该计算机设备中。
22、基于情感衰变因子的抑郁情绪评测系统，
23、包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述基于情感衰变因子的抑郁情绪评测方法。
24、有益效果
25、本申请利用数据方差办法对情感衰变因子数值修改，第一方差小于阈值或取到最小值表明这种修改之后的情感衰变因子数值能够使得真正抑郁症患者的表现数据差异尽可能少，并且第二方差大于阈值或取到最大值表明这本文档来自技高网...
【技术保护点】
1.基于情感衰变因子的抑郁情绪评测方法，其特征在于，包括步骤有：
2.根据权利要求1所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，目标用户的文本数据包括目标用户的微博状态数据、微信朋友圈状态数据、QQ空间状态数据。
3.根据权利要求1所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，训练文本分类器对目标用户的文本数据进行分类识别，其中的文本分类器包括：基于机器学习的算法文本分类器、基于深度学习的算法文本分类器、基于迁移学习的算法文本分类器、基于情感词典的算法文本分类器。
4.根据权利要求1所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，情感衰变公式可以采用基于滑动预测的算法构建，具体的
5.根据权利要求4所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，初始情感衰变因子数值0.5。
6.根据权利要求1所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，修改情感衰变因子数值包括增大情感衰变因子数值、减少情感衰变因子数值。
7.一种计算机设备，其特征在于，
8.基于情感衰变因子
...【技术特征摘要】
1.基于情感衰变因子的抑郁情绪评测方法，其特征在于，包括步骤有：
2.根据权利要求1所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，目标用户的文本数据包括目标用户的微博状态数据、微信朋友圈状态数据、qq空间状态数据。
3.根据权利要求1所述的基于情感衰变因子的抑郁情绪评测方法，其特征在于，训练文本分类器对目标用户的文本数据进行分类识别，其中的文本分类器包括：基于机器学习的算法文本分类器、基于深度学习的算法文本分类器、基于迁移学习的算法文本分类器、基于情感词典的算法文本分类器。
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。