[发明专利]一种情感分析模型及其训练方法

权利要求书

1.一种情感分析模型，其特征在于：

所述情感分析模型包括接纳层、交互作用层和输出层。所述接纳层由多个输入节点构成，所述交互作用层由多个交互神经元节点构成。每个输入节点均与全部交互神经元节点连接。在交互作用层内部，相邻神经元节点相互连接。

2.一种情感分析模型训练方法，所述训练方法基于权利要求1中所述的情感分析模型，其特征在于，所述方法包括：

获取训练集X＝{x₁，x₂，…，x_k，…，x_N}，所述训练集的总数为N，其中训练集中的每个元素都是一个P维矢量，所述P维矢量中每个元素都对应一种生理参数，每个训练集的元素均对应一个情绪向量；

对所述交互作用层中的每个神经元节点进行编号，并且每个神经元节点对应一个P维权重矢量ω_i＝{ω_i1，x_i2，…，x_ik，…，x_ip}；

对每个神经元节点对应的P维权重矢量赋予初始值；

将所述训练集中的元素依次输入所述交互作用层，以得到对所述训练集的聚类结果，并在聚类过程中对所述交互作用层中的神经元节点的权值进行修正；所述聚类结果中具有相同输出节点的元素被聚合为一类；

对各个聚类结果进行分析计算聚类中心以及聚类中心对应的情绪向量。

3.根据权利要求2所述的方法，其特征在于：

在将所述训练集中的元素依次输入所述交互作用层的过程中，所述交互作用层执行下述逻辑：

其中u_i为各个神经元节点的输出，其中λ_i为第i个节点的P维权重矢量的调整频率，x_k为训练集中的元素，c为神经元节点的总数量，其中输出值为1的神经元节点即为所述训练集元素对应的输出节点。

4.根据权利要求3所述的方法，其特征在于：

所述调整频率根据公式计算而得，其m_i中为神经元节点的P维权重矢量的调整次数，c为神经元节点的总数量。

5.根据权利要求4所述的方法，其特征在于，还包括：

在单次的神经元输出后，可以顺势对各个神经元节点的P维权重矢量进行调整，调整公式为其中α_i,β_i分别为学习率和遗忘率，可以根据实际需要进行设定，但是必须保证α_i>0,β_i<0。

6.根据权利要求1所述的方法，其特征在于，还包括：

所述生理参数包括脑电图波初分析结果、心率、脉搏、皮肤温度、血压、血氧饱和度、血容量搏动、掌汗、呼吸强度或呼吸频率；所述脑电图初分析结果包括α波、β波和θ波的出现频率；

所述情绪向量中有多个元素，每个元素对应一种情绪，元素的值代表某种情绪的权重，权重值越大，情绪越强烈；所述情绪包括平静、紧张、抑郁、欢快、恐惧和激动。