一种基于多模态情绪识别的社交地图构建与匹配系统的制作方法

摘要: 本发明涉及人工智能、社交推荐系统与情绪计算领域,特别涉及一种基于多模态输入进行用户情绪识别,并将情绪状态用于社交地图的构建与个性化匹配推荐的方法及系统。背景技术...
一种基于多模态情绪识别的社交地图构建与匹配系统的制作方法

本发明涉及人工智能、社交推荐系统与情绪计算领域,特别涉及一种基于多模态输入进行用户情绪识别,并将情绪状态用于社交地图的构建与个性化匹配推荐的方法及系统。

背景技术:

1、目前主流社交平台大多采用兴趣标签、地理位置或行为偏好进行用户匹配,缺乏对用户"实时情绪"及其波动状态的捕捉与利用。在情绪表达愈发成为社交主轴的时代背景下,传统的静态匹配方法已经无法满足用户对心理共鸣、情绪释放与个性化社交的深层需求。

2、近年来,尽管自然语言处理、语音识别、表情识别等单项技术已经有了一定的发展,但尚无一套完整方案能将多模态情绪数据融合后用于动态社交地图构建与精细化匹配。如何将用户当下情绪动态与社交关系推荐深度融合,是当前技术亟需解决的难题。

技术实现思路

1、本发明旨在解决现有社交平台中缺乏情绪维度匹配的技术问题,提供一种能够实时捕捉、分析和利用用户情绪状态的社交匹配系统。通过多模态情绪识别和情绪驱动的匹配机制,本发明能够为用户提供更加个性化、贴合心理需求的社交连接。

2、本发明提出了一种基于多模态情绪识别的社交地图构建与匹配系统,包括:

3、数据采集模块,用于:

4、采集用户的文本输入、语音表达和表情行为数据;

5、将采集的多模态数据传输至情绪识别引擎;

6、情绪识别引擎,与所述数据采集模块通信连接,用于:

7、接收所述数据采集模块传输的多模态数据;

8、基于所述多模态数据,识别用户的情绪特征;

9、情绪向量生成模块,与所述情绪识别引擎通信连接,用于:

10、接收所述情绪识别引擎识别的情绪特征;

11、基于所述情绪特征,生成包含情绪正负值、活跃程度、主导性和确信度的多维情绪向量;

12、情绪地图构建模块,与所述情绪向量生成模块通信连接,用于:

13、接收所述情绪向量生成模块生成的多维情绪向量;

14、将所述多维情绪向量映射至情绪坐标系形成情绪地图;

15、在所述情绪地图中显示用户的情绪状态分布;

16、情绪匹配推荐系统,与所述情绪地图构建模块和所述情绪向量生成模块通信连接,用于:

17、接收所述情绪向量生成模块生成的多维情绪向量;

18、接收所述情绪地图构建模块提供的情绪地图数据;

19、基于所述多维情绪向量和所述情绪地图数据,执行情绪驱动的用户匹配;

20、生成匹配推荐结果并输出;

21、情绪干预与引导模块,与所述情绪匹配推荐系统通信连接,用于:

22、接收所述情绪匹配推荐系统提供的用户情绪状态数据;

23、监测负面情绪状况;

24、当检测到负面情绪集中时,提供情绪支持服务。

25、作为优选,所述情绪匹配推荐系统包括:

26、多维情绪向量相似度计算单元,用于:

27、接收两个用户的多维情绪向量;

28、计算两个所述多维情绪向量之间的相似度;

29、基于计算的相似度设定匹配度阈值;

30、情绪互补与共鸣匹配单元,用于:

31、基于用户历史互动数据确定用户匹配模式偏好;

32、根据所述匹配模式偏好,选择情绪共鸣匹配或情绪互补匹配策略;

33、基于所选匹配策略计算用户间的匹配分数;

34、时序情绪轨迹预测单元,用于:

35、收集用户连续时间窗口内的情绪向量序列形成情绪轨迹;

36、识别用户情绪波动模式;

37、预测用户未来短期情绪状态;

38、多因子匹配评分单元,用于:

39、综合情绪相似度、时效性、互动历史、社交兼容性和趋势匹配度多个因子;

40、生成最终匹配评分;

41、反馈优化单元,用于:

42、采集用户匹配后的反馈数据;

43、基于所述反馈数据调整匹配算法参数;

44、优化后续匹配推荐效果。

45、作为优选,所述多维情绪向量相似度计算单元进一步用于:

46、对所述多维情绪向量的各维度设定不同权重系数;

47、基于所述权重系数计算加权余弦相似度;

48、计算情绪向量间的欧式距离,并基于所述欧式距离划分匹配层级。

49、作为优选,所述情绪互补与共鸣匹配单元进一步用于:

50、基于情绪正负值差异与活跃度相似性计算情绪互补度;

51、根据用户历史成功匹配的模式分布、匹配满意度和显式设置,构建用户匹配偏好档案;

52、结合情绪状态特征实现情境感知式匹配模式切换。

53、作为优选,所述时序情绪轨迹预测单元进一步用于:

54、通过滑动窗口机制平衡历史数据与当前状态的权重;

55、定义情绪波动的上升型、下降型、波动型和稳定型四种基本模式;

56、结合时间、环境、社交事件等上下文因素提高预测准确性;

57、将预测结果附加置信度评分用于指导匹配决策。

58、作为优选,所述多因子匹配评分单元进一步用于:

59、设计时效性衰减因子,确保匹配基于当前情绪状态;

60、为每位用户建立独特的匹配参数配置档案;

61、根据不同社交场景切换匹配配置,优化匹配效果。

62、作为优选,所述反馈优化单元进一步用于:

63、区分主动反馈与被动反馈数据;

64、构建权衡不同反馈指标重要性的综合评估模型;

65、实现全局参数与个人参数的双层优化架构;

66、动态调整两层参数的影响比例,平衡通用性与个性化。

67、作为优选,所述情绪向量生成模块进一步用于:

68、基于文本分析生成情绪语义特征;

69、基于语音分析提取音高、语速和情绪强度特征;

70、基于表情图像分析识别情绪类别特征;

71、融合各模态特征形成统一的多维情绪向量表示;

72、为生成的情绪向量标记采集时间和有效期属性。

73、作为优选,所述情绪地图构建模块进一步用于:

74、将情绪正负值映射至横轴,活跃程度映射至纵轴构建二维情绪空间;

75、基于情绪向量绘制用户情绪点位,并通过颜色、形状或动态粒子表示情绪状态;

76、聚合多用户情绪数据,构建热力图形式的情绪分布视图;

77、实时更新情绪地图,反映群体情绪动态变化。

78、作为优选,所述情绪干预与引导模块进一步用于:

79、检测情绪地图中的负面情绪聚集区域;

80、分析负面情绪扩散风险,设定干预优先级;

81、向处于负面情绪状态的用户提供舒缓聊天室、ai陪伴服务或情绪调节内容;

82、引导情绪互补型用户进入负面情绪区域提供支持;

83、记录用户情绪变化轨迹,评估干预效果。

84、本发明的有益效果主要体现在:

85、1.形成用户"情绪可视化地图",突破传统社交静态标签方式;

86、2.提供更加个性化、真实的匹配社交路径;

87、3.有效识别并干预负面情绪扩散、增强平台情绪健康指数;

88、4.为心理健康领域提供情绪追踪与干预支持技术;

89、5.有助于打造情绪驱动的沉浸式虚拟社交生态系统。