【技术实现步骤摘要】
基于人工智能的人格情感色彩预测方法和应用
[0001]本申请涉及社会治理领域,特别是涉及一种基于人工智能的人格情感色彩预测方法和应用。
技术介绍
[0002]近年来,人们逐渐意识到人格情感与网络社交活动之间存在着重要的内在联系,偏积极的人格情感会更容易看到网络社交活动的积极面并散发善意,而偏消极的人格情感则更容易看到网络社交活动中的消极面并放大焦虑。随着社交网络的蓬勃发展,不同人格情感会在各大社交平台上发表各种文本内容,这些文本内容成为了社交平台最重要的信息源,其可以反映出不同用户潜在的心理状态,包括思想、情感、认知和个性等方面。
[0003]近年来,机器学习领域出现的词向量表示学习和语言模型等技术在自然语言处理任务中展现出强大的表征能力。然而这些模型主要被应用于通用NLP任务以分析作者的网络行为特征,当然也有少数技术人员利用此类模型对作者的人格情感进行预测,但是如中国专利CN109635207A提供的一种基于中文文本分析的社交网络用户人格预测方法,现有方案是采用标记词性的词向量利用某个特定的神经网络进行人格预测,此类方案的预测结果完全取决于选择的关键词通过关键词来对个人情感进行预测,且其预测方案仅是以该用户的个人数据进行分析,导致此类预测方案预测得到的人格情感的准确度低下。举例来说,若仅是摘录该用户针对某一恶劣的社会事件的评论作为输入数据来预测该用户的人格情感,则大概率地将该用户的人格情感预测为攻击性的,但实质情况反而是该用户是诸多针对该恶劣社会事件评论者中的平和者;另外,若是某用户的通篇论述中较少出现定义 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的人格情感色彩预测方法,其特征在于,包括以下步骤:全文本资料获取:获取多个用户的多个全文本资料;归一化处理:对每一用户的每一全文本资料进行分词处理得到若干标记词性的词干,计算每一词干的词频
‑
逆文本频率,并根据词干和其他词干共现的次数构建词词共现矩阵,利用词频
‑
逆文本频率和词词共现矩阵对全文本资料进行归一化处理得到归一化文本;特异性模型构建:利用词干的情感色彩将归一化文本转换为利用色彩转换参数表示的情感色彩向量,将情感色彩向量输入构建LSTM网络架构中进行训练直到满足迭代条件后得到针对每个用户的特异性预测模型,取特异性预测模型的网络参数作为该用户的特异性参数;普适性模型构建:依据多个用户的特异性参数根据损失函数迭代计算得到普适性参数,其中损失函数的目标为普适性参数与所有特异性参数相比的综合损失最小;人格情感色彩预测:将待预测的用户的归一化文本输入到特异性参数的特异性模型中得到特异性预测向量,输入到普适性参数的普适性模型中得到普适性预测向量,比对特异性预测向量和普适性预测向量的差值,若差值在积极区间内判断用户的人格情感色彩呈现积极色彩,若差值在消极区间内判断用户的人格情感色彩呈现消极色彩,若差值在中间区间内则判断用户的人格情感色彩呈中性色彩。2.根据权利要求1所述的基于人工智能的人格情感色彩预测方法,其特征在于,利用词词共现矩阵获取每一词干的词向量,利用计数类词干的极值进行归一化处理得到归一数值,并用归一数值替换对应的计数类词干的词向量,利用词频类词干的词频
‑
逆文本频率对词频类词干进行归一化处理得到归一化权重,利用归一化权重加权词频类词干的加权词向量,拼接归一数值和加权词向量得到归一化文本。3.根据权利要求1所述的基于人工智能的人格情感色彩预测方法,其特征在于,将归一化文本中的词干根据情感色彩进行扩维得到扩维向量,其中积极情感色彩的词干用红色颜色的向量扩维,中性情感色彩的词干用黄色颜色的向量扩维,消极情感色彩的词干用绿色颜色的向量扩维,并扩维向量转换为利用色彩转换参数表示的情感色彩向量。4.根据权利要求3所述的基于人工智能的人格情感色彩预测方法,其特征在于,颜色为(255,0,0)的红色可以归一化为(1.0,0.0,0.0)的向量,颜色为(0,255,0)的黄色可以归一化为(0.0,1.0,0.0)的向量,颜色为(0,0,255)的绿色可以归一化为(0.0,0.0,1.0)的向量。5.根据权利要求1所述的基于人工智能的人格情感色彩预测方法,其特征在于,利用标准色彩转换参数处理归一化文本内的多个归一化句子得到标准情感色彩向量,人为标注归一化文本的每一归一化句子中词干的情感色彩得到标注扩维向量并转换为标注情感色彩向量,对比标准情感色彩向量和标注情感色彩向量的向量平方差,以向量平方差大为目标调整人工标注的归一化文本的词干的情感色彩,直到向量平方差大于设定阈值或者人工标注次数大于设...
【专利技术属性】
技术研发人员:来佳飞,田雨,丁睿伟,彭大蒙,高博文,
申请(专利权)人:城云科技中国有限公司,
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。