知识增强的产品问答社区用户对话情绪识别方法和系统技术方案

本发明专利技术提供一种知识增强的产品问答社区用户对话情绪识别方法、系统、存储介质和电子设备，涉及对话情绪识别领域。本发明专利技术通过用户关键词提取和词典扩展算法，构建用户个性化情感词典，获取偏好知识嵌入向量；通过跨模态Transformer，融合情感知识增强的对话文本嵌入向量、对话视觉嵌入向量和对话音频嵌入向量，获取知识增强后的对话特征向量；基于对话情境GCN网络，考虑多轮问答信息中的上下文以及对话用户之间的情境关系，获取全局情境向量；考虑全局情境向量与对话特征向量之间的交互作用，进行个性化情绪识别。此外，提出基于情感层与多模态层的双层有监督对比学习策略，促使模型学习到更具判别性的多模态特征表示，进一步提高情绪识别的准确性和细粒度。

【技术实现步骤摘要】

本专利技术涉及对话情绪识别领域，具体涉及一种知识增强的产品问答社区用户对话情绪识别方法、系统、存储介质和电子设备。

技术介绍

1、近年来，随着互联网技术的快速发展，产品问答社区成为知识共享活动和用户交互的一个重要平台。产品问答社区中对话用户即提问者与回答者之间的对话及其情绪表达体现了用户对社区答案质量的满意度。为用户提供满意的答案，可以促进知识共享，提高社区的信息质量，维护社区的健康发展。

2、相关技术中，问答社区平台对用户情绪状态进行实时监测与分析。力求一旦发现用户表现出不满情绪，平台可以及时邀请领域内的技术专家介入，为用户提供专业的解答与支持。此外，平台还可以根据情绪分析的结果，动态调整其响应策略，以期实现对用户需求的积极反馈和有效应对。这种策略的实施，能够提升用户的满意度，帮助平台构建积极的形象，从而吸引更多潜在用户参与到社区的互动与讨论中，进一步扩大社区的规模与影响力。

3、然而，现有方案通常为广义模型，考虑到不同用户对情绪信息的感知和表达是不同的，有必要提供一种新的情绪识别技术方案，以实现个性化情绪识别。

本文档来自技高网...

【技术保护点】

1.一种知识增强的产品问答社区用户对话情绪识别方法，其特征在于，基于预设的模型，包括：

2.如权利要求1所述的产品问答社区用户对话情绪识别方法，其特征在于，获取基于情感层的对比学习损失的过程；包括

3.如权利要求2所述的产品问答社区用户对话情绪识别方法，其特征在于，获取基于多模态层的对比学习损失的过程；包括：

4.如权利要求1所述的产品问答社区用户对话情绪识别方法，其特征在于，构建所述用户个性化情感词典的过程；包括：

5.如权利要求1所述的产品问答社区用户对话情绪识别方法，其特征在于，采用余弦相似度计算文本模态信息的每个原始词与预先构建的用...

【技术特征摘要】

1.一种知识增强的产品问答社区用户对话情绪识别方法，其特征在于，基于预设的模型，包括：

2.如权利要求1所述的产品问答社区用户对话情绪识别方法，其特征在于，获取基于情感层的对比学习损失的过程；包括

3.如权利要求2所述的产品问答社区用户对话情绪识别方法，其特征在于，获取基于多模态层的对比学习损失的过程；包括：

4.如权利要求1所述的产品问答社区用户对话情绪识别方法，其特征在于，构建所述用户个性化情感词典的过程；包括：

5.如权利要求1所述的产品问答社区用户对话情绪识别方法，其特征在于，采用余弦相似度计算文本模态信息的每个原始词与预先构建的用户个性化情感词典中的关键词的相似度。

6.如权利要求1所述的产品问答社区用户对话情绪识别方法，其...

【专利技术属性】
技术研发人员：杨颖，杨艳秋，唐思，魏海，张凌峰，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：