基于多模型的用户情绪监测干预方法、装置及计算机程序产品制造方法及图纸

本发明专利技术提供一种基于多模型的用户情绪监测干预方法、装置及计算机程序产品，通过训练多类模型对目标对象的交流风格进行模拟，同步生成虚拟形象匹配口型、表情和动作，能够为用户提供更具有情绪支持的交互。同时引入情绪分析模型进行情绪识别、预警和风险等级的分析，在识别出情绪异常时基于对心理干预策略库和心理学知识图谱学习得到的第二大模型进行安抚性对话。能够实时检测和响应突发情绪异常状况，并介入专业安抚性对话。

【技术实现步骤摘要】

本专利技术涉及情绪管理，尤其涉及一种基于多模型的用户情绪监测干预方法、装置及计算机程序产品。

技术介绍

1、现阶段情感检测和干预技术主要分为以下几类：聊天机器人和虚拟助手等基于自然语言处理(nlp)和深度学习的简单对话系统，可提供基础情感支持，但情感交互深度不足，无法模拟特定人物的对话风格，且缺乏心理干预功能；人工心理干预系统依赖人工审核对话内容，通过心理学专家介入进行心理评估和干预，但存在响应延迟高、无法实时处理海量用户数据、难以应对急性心理危机场景等问题；单一模型系统则依赖单一模型完成全部功能(如情感陪伴或心理监测)，功能单一且易产生冲突，无法平衡“情感陪伴”与“理性干预”的需求，且模型复杂度高，难以优化。

技术实现思路

1、鉴于此，本专利技术实施例提供了一种基于多模型的用户情绪监测干预方法、装置及计算机程序产品，以消除或改善现有技术中存在的一个或更多个缺陷，解决现有技术交互过程缺少情绪支持且无法高效实施情绪监测和干预的问题。

2、本专利技术的一个方面提供一种基于多模型的用户情绪监测干预方法，本文档来自技高网...

【技术保护点】

1.一种基于多模型的用户情绪监测干预方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于多模型的用户情绪监测干预方法，其特征在于，所述第一大模型的预训练步骤包括：

3.根据权利要求1所述的基于多模型的用户情绪监测干预方法，其特征在于，所述预设文字转语音模型的训练步骤包括：

4.根据权利要求3所述的基于多模型的用户情绪监测干预方法，其特征在于，所述语音生成模型为Tacotron 2或FastSpeech 2模型；

5.根据权利要求3所述的基于多模型的用户情绪监测干预方法，其特征在于，所述预设形象生成模型采用基于FaceForm...

【技术特征摘要】

1.一种基于多模型的用户情绪监测干预方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于多模型的用户情绪监测干预方法，其特征在于，所述第一大模型的预训练步骤包括：

3.根据权利要求1所述的基于多模型的用户情绪监测干预方法，其特征在于，所述预设文字转语音模型的训练步骤包括：

4.根据权利要求3所述的基于多模型的用户情绪监测干预方法，其特征在于，所述语音生成模型为tacotron 2或fastspeech 2模型；

5.根据权利要求3所述的基于多模型的用户情绪监测干预方法，其特征在于，所述预设形象生成模型采用基于faceformer或wav2lip的口型同步生成模型；或采用基于ad-nerf或geneface的表情与动作生成模型；或采用基于voca的全身动作同步生成模型。

6.根...

【专利技术属性】
技术研发人员：徐朝，杨智焜，方召，孙伟鹏，杨承运，王文博，张静乐，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：