【技术实现步骤摘要】
本专利技术涉及情绪识别领域，尤其涉及一种基于周围环境和上下文感知的情绪补全方法、系统、存储介质及终端。
技术介绍
1、目前，深度融合人工智能技术已经成为推动我国媒体高质量发展的关键路径。而互联网是一种倚赖于计算技术和通讯技术构建的全球互联互通网络体系，它促进了信息资源在全球范围内的交换与共享，并且已成为驱动经济社会变革与创新的关键动力源泉。作为全球互联网市场规模最大、用户数量最多的国家，中国互联网的发展态势对国内外均产生了广泛而深刻的影响及重要意义。此外，调查数据显示，人工智能技术在我国媒体生态发展中将发挥至关重要的作用。因此，将人工智能技术应用于社交媒体领域，成为了一个极具研究价值方向。
2、在当前智能化与人机交互技术日益发达的时代背景下，社交网络平台得到了快速的发展。国内的微博、知乎、百度贴吧和国外的facebook、twitter和truth这些在线社交平台得到了网民的青睐。这些平台极大地丰富了人们的生活，记录了人们日常的生活和对特定事件发表的相关观点。同时他们在社交平台上通过文本、图片、视频以及表情符号来表达他们的情绪以满足自己的精神和生活需求。因此，人们时常通过社交网络平台来发表自己对一系列事件的观点和看法，激发了潜在的研究价值。根据《2023年中国互联网网络发展状况统计报告》，截至6月份，中国网民总数为10.51亿人，占全球网民总数的23.4％，位居全球首位。获取信息、娱乐休闲、社交交流、网络购物以及教育学习等成为我国网民使用互联网的主要目的，其中社交交流的比例更是达到了79.8％。由此可见，社交功能逐渐
3、情绪补全研究，正是在这一背景下应运而生。在现代社会中，人们的情绪状态受到多种因素的影响，特别是在快节奏、高压力的生活环境中，人们的情绪状态更容易受到外界因素的影响。首先，从理论层面看，人的心理和情绪并非孤立存在，而是受到个体所处环境、社会情境以及个人经历等多种因素的影响。然而，现有情绪识别模型往往忽视了这些复杂的非言语信息对情绪表达的重要作用，导致模型的理解能力和准确性受限。因此，开展基于环境和上下文感知的情绪补全研究有助于深化对情绪生成机制的认识，丰富和完善情感智能的理论框架。其次，从实践应用角度分析，情绪理解是人机交互、虚拟现实、社交机器人、心理健康监测等领域中不可或缺的关键环节。通过实时感知并解析用户的环境信息和上下文线索，可以更准确地推测用户的情绪状态，从而实现更加个性化、贴心的服务与互动。例如：在医疗健康领域，情感分析技术可以帮助医生更准确地了解患者的情绪状态，从而制定更个性化的治疗方案；在教育领域，该技术可以根据学生的情绪状态调整教学内容和方式，以提高教学效果。虽然情绪分析带来极大的方便和好处，但是也面临着许多问题。首先，如何准确、实时地感知和识别用户的情绪状态是一个关键问题。其次，如何根据用户的情绪状态提供个性化的服务和体验也是一个挑战。此外，还需要考虑如何保护用户的隐私和数据安全。
4、在现有技术2018112027681中公开了一种文本对话的情绪识别与预测方法，给出了一种基于对话者说话之前来预测对话者未来的情绪状态。尽管也模拟了不同对话者的情绪交互进而来预测对话者未来的情绪状态，但是随着时间的推移，却不能很好的提取到在整个对话过程中的全局特征。同时，在整个对话过程中，也忽略了时间会给对话者带来的不同情绪影响。因此，当在一段长时间内时，该方法不能准确的预测到对话者的具体情绪。此外，基于用户在历史时刻缺失文本信息来推断出其具有的情绪研究，尚未提出有效的方法来解决。最后，该方法是在四元情绪上做的对话者情绪预测，而没有扩展到更加细化的情绪上。所以，如何有效的解决用户在历史时刻缺失的情绪信息并进行更细粒度的情绪补全对于用户的情绪分析具有更加实用的价值。
5、进一步地，当前大量的情感分析研究主要集中在根据用户过去发布的帖子和评论来预测个人的情绪，或者基于特定主题的事件来研究个人情绪的变化。然而，他们忽略了用户邻居对个人情绪的影响。同时，以往的方法都是预测未来时刻的情绪，却没有虑过不规则时间序列下，个人缺失的情绪补全的重要性。此外，大多数方法都关注全局上下文的影响，而忽略了局部上下文的影响。因此，对于用户在某一缺失时刻的情绪，他们只考虑了缺失时刻之前的情绪影响，而忽略了缺失时刻之后的情绪影响。因此，如何更好地识别用户产生文本中的情绪并生成用户缺失时刻的情绪成为急需解决的问题。
技术实现思路
1、本专利技术的目的在于克服现有技术中存在的至少一个技术问题，提供了一种基于周围环境和上下文感知的情绪补全方法、系统、存储介质及终端，能够补全目标用户在关键历史时刻缺失的情绪。
2、本专利技术的目的是通过以下技术方案来实现的：
3、第一方面，提供一种基于周围环境和上下文感知的情绪补全方法，所述方法包括以下步骤：
4、s1、分别获取目标用户和邻居用户在整个时间内的情绪嵌入；
5、s2、根据目标用户的情绪嵌入提取目标用户的全局特征和局部特征，融合后得到上下文特征；根据邻居用户的情绪嵌入提取邻居用户的全局特征和局部特征，融合后得到周围环境特征；
6、s3、将所述上下文特征与周围环境特征融合，得到目标用户的最终情绪特征；
7、s4、根据所述最终情绪特征模拟目标用户和邻居用户的情绪互动。
8、优选地，所述步骤s1中情绪嵌入采用bert词嵌入方法。
9、优选地，所述目标用户/邻居用户的全局特征通过bi-dlstm神经网络模型提取；所述目标用户/邻居用户的局部特征通过多头注意力提取。
10、优选地，所述模拟目标用户和邻居用户的情绪互动，包括：
11、使用ids_ec模拟了个体与邻居用户进行情绪交互传染的过程。
12、优选地，所述模拟目标用户和邻居用户的情绪互动，还包括：
13、使用softmax函数进行情绪分类以得到用户缺失的情绪信息。
14、优选地，所述方法还包括在步骤s1之前的数据清洗步骤。
15、第二方面，提供一种基于周围环境和上下文感知的情绪补全系统，所述系统包括：
16、情绪嵌入的编码器模块，配置为分别获取目标用户和邻居用户在整个时间内的情绪嵌入；
17、上下文感知层模块，配置为根据目标用户的情绪嵌入提取目标用户的全局特征和局部特征，融合后得到上下文特征；
18、周围环境感知模块，配置为根据邻居用户的情绪嵌入提取邻居用户的全局特征和局部特征，融合后得到周围环境特征；
19、特征交互学习层模块，配置为将所述上下文特征与周围环境特征融合，得到目标用户的最终情绪特征；
20、情绪分布层模块，配置为根据所述最终情本文档来自技高网...
【技术保护点】
1.一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述步骤S1中情绪嵌入采用BERT词嵌入方法。
3.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述目标用户/邻居用户的全局特征通过Bi-DLSTM神经网络模型提取；所述目标用户/邻居用户的局部特征通过多头注意力提取。
4.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述模拟目标用户和邻居用户的情绪互动，包括：
5.根据权利要求4所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述模拟目标用户和邻居用户的情绪互动，还包括：
6.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述方法还包括在步骤S1之前的数据清洗步骤。
7.一种基于周围环境和上下文感知的情绪补全系统，其特征在于，所述系统包括：
8.根据权利要求7所述的一种基于周围环
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-6中任意一项所述的基于周围环境和上下文感知的情绪补全方法。
10.一种终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机指令，其特征在于，处理器运行计算机指令时执行权利要求1-6中任意一项所述的基于周围环境和上下文感知的情绪补全方法。
...【技术特征摘要】
1.一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述步骤s1中情绪嵌入采用bert词嵌入方法。
3.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述目标用户/邻居用户的全局特征通过bi-dlstm神经网络模型提取；所述目标用户/邻居用户的局部特征通过多头注意力提取。
4.根据权利要求1所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述模拟目标用户和邻居用户的情绪互动，包括：
5.根据权利要求4所述的一种基于周围环境和上下文感知的情绪补全方法，其特征在于，所述模拟目标用户和邻居用户的情绪互动，还包括：
6.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：杜亚军，杜廷彬，曾义，关注，
申请(专利权)人：宜宾维特瑞安科技有限公司，
类型：发明
国别省市：
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。