[发明专利]一种情感分析模型及其训练方法

说明书

本发明提供了一种情感分析模型及其训练方法，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。本发明能够用于对于用户情绪状态的自动化获取，不需要过多的人工操作，即可随时掌控客户端用户的情绪状态。

技术领域

本发明涉及智能医疗领域，尤其涉及一种情感分析模型及其训练方法。

背景技术

智能穿戴设备是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如手表、手环、眼镜、服饰等。穿戴式智能设备拥有多年的发展历史，思想和雏形在20世纪60年代即已出现，而具备可穿戴式智能设备形态的设备则于70－80年代出现。通过智能化穿戴设备可以更好更便捷的感知用户的生理信息，但是现有技术中却无法有效的获取用户的情绪状态。

研究报告显示，用户的情绪状态与用户的身体健康状况有重要关系，因此，如何基于现代化的智能穿戴设备达到随时关注用户情绪状态的目的是目前亟待解决的问题。

此外，生理参数涉及用户隐私，因此，还有必要研发高安全性的数据交互方法以达到维护用户隐私的目的。

发明内容

为了解决上述技术问题，本发明提出了一种情感分析模型及其训练方法。本发明具体是以如下技术方案实现的：

一种情感分析模型，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。

一种情感分析模型训练方法，所述训练方法上述的情感分析模型，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。

进一步地，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。

进一步地，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。

进一步地，还包括：