一种基于智能算法的情绪行为分析方法技术

本发明专利技术公开了一种基于智能算法的情绪行为分析方法,该方法包括：利用传感器采集行为人在单位时间内对屏幕点击的次数和力度，构建行为数据集；对数据集进行特征提取和归一化处理；建立峰值函数；利用相似度矩阵对行为与特征量进行比较；利用注意力机制提取行为人在单位时间内对屏幕点击次数和力度的相似信息；进一步获取特征差异值；得到数据集的平均池化向量和最大池化向量；通过softmax函数为每个输出情绪的类别都赋予一个概率值，同时利用交叉熵计算模型预测类别的概率与真实类别概率间的差距；对情绪输出的类别进行判断；计算正确分类的概率和错误分类的概率，该方法可以有效的监控行为人的情绪变化，防止行为人出现过激行为。行为。行为。

【技术实现步骤摘要】
一种基于智能算法的情绪行为分析方法


[0001]本专利技术涉及情绪分析与算法的领域,尤其涉及一种基于智能算法的情绪行为分析方法。

技术介绍

[0002]随着社交网络和手机的快速发展，社交网络和购物平台给人们的生活带来了很大的影响,越来越多的用户喜欢在社交媒体上发表自己的看法,而不只是浏览和接收信息，在国内,手机已经成为许多年轻人分享和获取信息的核心平台。在这些信息中包含着喜、怒、哀、乐等个人情绪,对这些信息中的情绪进行分析可以获得用户的内心活动、分析用户的性格特点。
[0003]公开号为CN111904441A的中国专利公开了一种基于多模态特征的情绪分析系统及其分析方法，包括：多模态特征收集装置，用于收集不同年龄段、不同性别的人群在不同情绪下的多模态特征作为参考值；多模态特征读取装置，用于读取待检测对象的多模态特征；情绪分析装置，用于根据读取的多模态特征对待检测对象进行情绪分析；情绪状态评估装置，用于根据分析结果评估待检测对象的危险程度。该专利技术在旅客通过安检门时，实现快速、便捷、非接触的安全检查，并对旅客进行危险评估，保证公共安全，同时大大提升了旅客的安检体验。
[0004]公开号为CN111680541A的中国专利公开了一种基于多维度注意力融合网络的多模态情绪分析方法，包括：针对包含语音、视频、文本等多个模态的样本数据提取语音预处理特征、视频预处理特征、文本预处理特征；然后对每个模态构建所述的多维度注意力融合网络，利用网络内部的自相关特征提取模块提取一级自相关特征和二级自相关特征，然后将三种模态的自相关信息进行组合，利用网络内部的跨模态融合模块得到三种模态的跨模态融合特征；再利用所述的二级自相关特征和跨模态融合特征合并得到模态多维度特征；最后将所述的模态多维度特征进行拼接，确定情绪分数，进行情绪分析；该方法能够有效的在非对齐多模态数据场景下进行特征融合，充分利用多模态的关联信息，进行情绪分析。
[0005]但目前现有的方法中并没有设计一种基于行为人在使用手机时的情绪分析方法，分析人们对于公众事件和社会现象的态度在使用手机时的方式可以更好的检测和控制事件进展。因此，对行为人在使用手机时进行情绪分析有重要的意义。

技术实现思路

[0006]为了克服现有技术存在的缺点与不足,本专利技术提供一种基于智能算法的情绪行为分析方法。
[0007]本专利技术所采用的技术方案是，该方法步骤如下：步骤S1：利用传感器采集行为人在单位时间内对屏幕点击的次数和力度，构建行为数据集[，]；步骤S2：对数据集[，]进行特征提取和归一化处理；
步骤S3：建立峰值函数，利用峰值函数设定不同情绪的峰值范围；步骤S4：对行为构建相似度矩阵，利用相似度矩阵对行为与特征量进行比较；步骤S5：利用注意力机制提取行为人在单位时间内对屏幕点击次数和力度的相似信息；步骤S6：进一步获取次数、力度与特征量之间的特征差异值；步骤S7：利用差异值对数据集进行扩展，得到数据集的平均池化向量和最大池化向量；步骤S8：通过softmax函数为每个输出情绪的类别都赋予一个概率值，表示出每个类别输出的可能性，同时利用交叉熵计算模型预测类别的概率与真实类别概率间的差距；步骤S9：对情绪输出的类别进行判断，当输出的类别与行为人真实情绪一致时，APP提醒行为人可以控制情绪的方式，当输出的类别与行为人真实情绪不一致时，重复步骤S2、S3、S4、S5、S6、S7、S8、S9；步骤S10：计算正确分类的概率和错误分类的概率。
[0008]进一步地，所述进行特征提取，表达式为：其中，表示对行为提取的特征量，b表示行为特征提取系数，表示单位时间内行为人对屏幕的点击次数，表示单位时间内行为人对屏幕的点击力度；所述归一化处理，表达式为：其中，表示归一化后的行为数据集，n表示第n次迭代，X表示数据采集次数，θ
n
表示归一化系数矩阵，μ
n
表示拉格朗日乘子，d表示归一化误差值。
[0009]进一步地，所述峰值函数，表达式为：其中，表示峰值函数，n表示第n次迭代，X表示数据采集次数，表示行为数据集，f
n
表示不同情绪波动的临界点阈值。
[0010]进一步地，所述构建相似度矩阵，表达式为：其中，表示行为所构成的相似度矩阵，表示对屏幕点击次数与特征量的比对矩阵，T表示矩阵的转置运算，表示对屏幕点击力度与特征量的比对矩阵。
[0011]进一步地，所述利用注意力机制提取行为人在单位时间内对屏幕点击次数和力度的相似信息，表达式为：
其中，表示利用注意力机制提取对屏幕点击次数的相似信息，表示对屏幕点击力度与特征量的比对矩阵，表示利用注意力机制提取对屏幕点击力度的相似信息，表示对屏幕点击次数与特征量的比对矩阵，表示行为所构成的相似度矩阵，p
h
和p
k
分别表示次数和力度持续的时间。
[0012]进一步地，所述获取次数、力度与特征量之间的特征差异值，表达式为：其中，q
h
和q
k
分别表示进一步获取次数、力度与特征量之间的特征差异值；进一步地，所述对数据集进行扩展，表达式为：其中，r池化合集，r
h,ave
、r
h,max
表示对屏幕点击次数的平均池化向量和最大池化向量，r
k,ave
、r
k,max
表示对屏幕点击力度的平均池化向量和最大池化向量。
[0013]进一步地，所述通过softmax函数为每个输出情绪的类别都赋予一个概率值，表达式为：其中，表示第t
ij
个单位时间内的输出值，F表示情绪类别的个数。
[0014]所述利用交叉熵计算模型预测类别的概率与真实类别概率间的差距，表达式为：其中，w
ij
表示期望模型预测类别的概率，u
ij
表示模型实际预测类别的概率进一步地，所述计算正确分类的概率和错误分类的概率，表达式为：进一步地，所述计算正确分类的概率和错误分类的概率，表达式为：其中，G表示正确分类的概率，F表示错误分类的概率，f表示实际的行为人情绪类
别被分类为正确类别的个数，v表示实际的行为人情绪类别被分类为错误类别的个数。
[0015]有益效果：本专利技术通过提出一种基于智能算法的情绪行为分析方法，该方法通过对利用传感器采集行为人在单位时间内对屏幕点击的次数和力度，将次数和力度构成数据集，进行特征提取、归一化处理、构建相似度矩阵等流程判断出行为人的情绪类别，该方法是基于现有的深度学习理论，理解简单，无需添加除手机以外的硬件传感器，只需要配套相应的APP使用，当检测到行为的情绪发生异常变化时，会弹出相应的情绪控制信息，该方法可以有效的监控行为人的情绪变化，防止行为人出现过激行为。
附图说明
[0016]图1为本专利技术总体步骤流程图；图2为本专利技术的情绪分类图；图3为本专利技术的相似信息与特征差异值相互作用图。
具体实施方式
[0017]需要说明的是,在不冲突的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能算法的情绪行为分析方法，其特征在于,该方法步骤如下：步骤S1：利用传感器采集行为人在单位时间内对屏幕点击的次数和力度，构建行为数据集[，]；步骤S2：对数据集[，]进行特征提取和归一化处理；步骤S3：建立峰值函数，利用峰值函数设定不同情绪的峰值范围；步骤S4：对行为构建相似度矩阵，利用相似度矩阵对行为与特征量进行比较；步骤S5：利用注意力机制提取行为人在单位时间内对屏幕点击次数和力度的相似信息；步骤S6：进一步获取次数、力度与特征量之间的特征差异值；步骤S7：利用差异值对数据集进行扩展，得到数据集的平均池化向量和最大池化向量；步骤S8：通过softmax函数为每个输出情绪的类别都赋予一个概率值，表示出每个类别输出的可能性，同时利用交叉熵计算模型预测类别的概率与真实类别概率间的差距；步骤S9：对情绪输出的类别进行判断，当输出的类别与行为人真实情绪一致时，APP发送信息提醒行为人可以控制情绪的方式，当输出的类别与行为人真实情绪不一致时，重复步骤S2、S3、S4、S5、S6、S7、S8、S9；步骤S10：计算正确分类的概率和错误分类的概率。2.如权利要求1所述的一种基于智能算法的情绪行为分析方法，其特征在于，所述进行特征提取，表达式为：其中，表示对行为提取的特征量，b表示行为特征提取系数，表示单位时间内行为人对屏幕的点击次数，表示单位时间内行为人对屏幕的点击力度；所述归一化处理，表达式为：其中，表示归一化后的行为数据集，n表示第n次迭代，X表示数据采集次数，θ
n
表示归一化系数矩阵，μ
n
表示拉格朗日乘子，d表示归一化误差值。3.如权利要求1所述的一种基于智能算法的情绪行为分析方法，其特征在于，所述峰值函数，表达式为：其中，表示峰值函数，n表示第n次迭代，X表示数据采集次数，表示行为数据集，f
n
表示不同情绪波动的临界点阈值。4.如权利要求1所述的一种基于智能算法的情绪行为分析方法，其特征在于，所述构建相似度矩阵，表达式为：
其中，表示行为所构成的相似度矩阵，表示对屏幕点击次数与特征量的比对矩阵，T表示矩阵的转置运算，表示对屏幕点击力度与特征量的比对矩阵。5.如权利要求1所述的...

【专利技术属性】
技术研发人员：林莉，温亚滨，朱江，
申请(专利权)人：深圳市中大信通科技有限公司，
类型：发明
国别省市：