[发明专利]情绪识别模型的生成、情绪识别方法、装置、设备及介质

权利要求书

1.一种情绪识别模型的生成方法，其特征在于，所述方法包括：

获取历史滑屏用户在滑屏操作中的历史操作数据和所述历史滑屏用户的历史情绪类别；

对所述历史操作数据进行特征提取，得到所述历史操作数据的特征参数值；

将所述历史操作数据的特征参数值作为标准识别模型的输入，且将所述历史滑屏用户的历史情绪类别作为所述标准识别模型的输出，对所述标准识别模型进行训练，得到情绪识别模型。

2.根据权利要求1所述的方法，其特征在于，获取历史滑屏用户在滑屏操作中的历史操作数据，包括：

获取所述历史滑屏用户的身份信息；

获取所述历史滑屏用户在滑屏操作中的滑屏信号及生理信号。

3.根据权利要求2所述的方法，其特征在于，所述历史滑屏用户的身份信息包括如下至少一项：历史滑屏用户的年龄、性别、职业、学历及收入；

获取所述历史滑屏用户在滑屏操作中的滑屏信号及生理信号，包括：

获取所述历史滑屏用户在滑屏操作中的滑动长度、滑动速度、滑动角度、滑动压力及间隔时长，作为所述滑屏信号；

获取所述历史滑屏用户在滑屏操作中的脑电信号、心率、血压、眼动轨迹中瞳孔的反应数据，作为生理信号。

4.根据权利要求3所述的方法，其特征在于，还通过如下方式获取所述历史滑屏用户在滑屏操作中的滑屏信号：

获取所述历史滑屏用户在滑屏操作中滑屏轨迹点的坐标值、压力值、角度值及时间；

根据所述历史滑屏用户在滑屏操作中滑屏轨迹点的坐标值，得到滑屏轨迹的滑动长度；

根据所述历史滑屏用户在滑屏操作中滑屏轨迹点的时间，得到滑屏操作的持续时间；

根据所述历史滑屏用户在滑屏操作的滑动长度和持续时间，得到滑屏操作的滑动速度；

根据所述历史滑屏用户在滑屏操作中滑屏轨迹点的时间，得到相邻两次滑屏操作的间隔时间。

5.根据权利要求4所述的方法，其特征在于，获取所述历史滑屏用户在滑屏操作中的滑屏信号之后，还包括：

获取预设时间内或指定场景中的所述历史滑屏用户在滑屏操作中滑屏轨迹点的坐标值、压力值、角度值及时间；

根据滑屏轨迹的滑动长度，得到预设时间内或指定场景中的滑屏轨迹的平均滑动长度、最大滑动长度和最小滑动长度；

根据滑屏操作的滑动速度，得到预设时间内或指定场景中的滑屏操作的平均滑动速度、最大滑动速度和最小滑动速度；

根据相邻两次滑屏操作的间隔时间，得到预设时间内或指定场景中的滑屏操作的平均间隔时间、最大间隔时间和最小间隔时间；

根据滑动轨迹点的压力值，得到平均压力值、最大压力值和最小压力值；

根据滑动轨迹点的角度值，得到平均角度值、最大角度值和最小角度值。

6.根据权利要求1所述的方法，其特征在于，所述标准识别模型为原始机器学习模型；

将所述历史操作数据的特征参数值作为标准识别模型的输入，且将所述历史滑屏用户的历史情绪类别作为所述标准识别模型的输出，对所述标准识别模型进行训练，得到情绪识别模型，包括：

通过神经网络算法或支持向量机算法，将所述历史操作数据的特征参数值作为原始机器学习模型的输入，且将所述历史滑屏用户的历史情绪类别作为所述原始机器学习模型的输出，对所述原始机器学习模型进行训练，得到情绪识别模型。

7.根据权利要求2所述的方法，其特征在于，对所述历史操作数据进行特征提取，得到所述历史操作数据的特征参数值，包括：

对获取的所述滑屏操作中的生理信号进行去噪；

对去噪后的所述生理信号进行特征提取，得到所述生理信号的特征参数值。

8.根据权利要求1所述的方法，其特征在于，对所述历史操作数据进行特征提取，得到所述历史操作数据的特征参数值，包括：

通过特征选择算法，计算出每一个特征的权重；

比较每一个特征的权重与预设的权重阈值，去除权重小于所述权重阈值的特征。