基于人工智能和脑电皮电的谈话场景测谎机器人的制作方法

1.本发明涉及人工智能技术领域，特别是涉及一种基于人工智能和脑电皮电的谈话场景测谎机器人。


背景技术：

2.现有的脑波测谎仪是通过对大脑脑波的数据分析，脑波测谎仪将会把说话时候的大脑活跃程度反馈给你。皮电相比于“测谎”更像是看一个人是否在紧张，是在应激实验常用的仪器，用皮电测谎的原理的假设前提是“说谎会紧张”，那么在嫌疑人可以轻松地撒谎(没有任何压力的时候)或毫无顾虑的时候，他的可信度就让人堪忧；而脑电看的是人的认知过程，无论人紧张与否，看到熟悉的东西他的的确确会有更多的认知加工。脑电波更容易受非心虚或思考以外的因素影响而导致测试结果不准确。
3.在实现本发明过程中，发明人发现现有技术中至少存在如下问题：每个人心理素质等个体特征不同，在被测谎时心情等外界影响因素也不同，导致测谎的准确率低。
4.因此，现有技术还有待于改进和发展。


技术实现要素：

5.基于此，有必要针对现有技术的缺陷或不足，提供基于人工智能和脑电皮电的谈话场景测谎机器人，通过人工智能深度学习，以每个人的脑电皮电反应为基准来对该个人进行个性化地测谎，以解决现有技术中测谎准确率低的问题。
6.第一方面，本发明实施例提供一种人工智能方法，所述方法包括：
7.测试获取步骤：获取两组测试，要求用户对一组进行正确选择，另一组进行故意地错误选择；
8.测试前脑电获取步骤：获取待测用户进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为第一信号；
9.未撒谎脑电获取步骤：获取待测用户进行正确选择时的脑电信号或/和皮电信号，作为第二信号；
10.撒谎脑电获取步骤：获取待测用户进行故意错误选择时的脑电信号或/和皮电信号，作为第三信号；
11.待测用户模型构建步骤：初始化深度学习神经网络作为待测用户的测谎人工智能模型；获取待测用户的多对第一信号、第二信号、第三信号；将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；
12.测谎前脑电获取步骤：获取待测用户进行测谎之前未受到任何刺激时的脑电信号或/和皮电信号，作为第四信号；
13.测谎时脑电获取步骤：获取待测用户对测谎问题的回答，并获取所述回答时的脑电信号或/和皮电信号，作为第五信号；
14.测谎计算步骤：将第四信号与第五信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假。
15.优选地，所述方法还包括：
16.获取个人信息步骤：获取用户的个人信息，包括性别、年龄；
17.通用测谎模型构建步骤：初始化深度学习神经网络作为不限用户的测谎人工智能模型；获取多个用户的多对第一信号、第二信号、第三信号、个人信息；将第一信号、第二信号、个人信息作为输入，将未撒谎作为预期输出，对不限用户的测谎人工智能模型进行训练；将第一信号、第三信号、个人信息作为输入，将撒谎作为预期输出，对不限用户的测谎人工智能模型进行训练；
18.通用测谎计算步骤：将第四信号、第五信号、个人信息作为输入，通过不限用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假。
19.优选地，所述方法还包括：
20.获取部分撒谎脑电步骤：获取待测用户同时进行正确和错误选择时的脑电信号或/和皮电信号，作为第六信号；
21.精细测谎模型构建步骤：初始化深度学习神经网络作为待测用户的测谎人工智能模型；获取待测用户的多对第一信号、第二信号、第三信号、第六信号；将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第六信号作为输入，将部分撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；
22.精细测谎计算步骤：将第四信号与第五信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假；若输出为部分撒谎，则待测用户对测谎问题的回答为部分真、部分假。
23.优选地，所述方法还包括：
24.获取待确认信息步骤：获取待确认的多条信息；
25.获取对待确认信息的选择步骤：获取待测用户对待确认的多条信息的选择；
26.确认前脑电获取步骤：获取待测用户对待确认信息进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为第七信号；
27.确认时脑电获取步骤：获取待测用户对待确认信息的选择以及选择时的脑电信号或/和皮电信号，作为第八信号；
28.确认计算步骤：将第七信号与第八信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对待确认信息的选择为真；若输出为撒谎，则待测用户对待确认信息的选择为假；
29.重新选择步骤：若待测用户对待确认信息的选择为假，则回到获取对待确认信息的选择步骤，并提示待测用户进行重新选择。
30.第二方面，本发明实施例提供一种人工智能系统，所述系统包括：
31.测试获取模块：获取两组测试，要求用户对一组进行正确选择，另一组进行故意地错误选择；
32.测试前脑电获取模块：获取待测用户进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为第一信号；
33.未撒谎脑电获取模块：获取待测用户进行正确选择时的脑电信号或/和皮电信号，作为第二信号；
34.撒谎脑电获取模块：获取待测用户进行故意错误选择时的脑电信号或/和皮电信号，作为第三信号；
35.待测用户模型构建模块：初始化深度学习神经网络作为待测用户的测谎人工智能模型；获取待测用户的多对第一信号、第二信号、第三信号；将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；
36.测谎前脑电获取模块：获取待测用户进行测谎之前未受到任何刺激时的脑电信号或/和皮电信号，作为第四信号；
37.测谎时脑电获取模块：获取待测用户对测谎问题的回答，并获取所述回答时的脑电信号或/和皮电信号，作为第五信号；
38.测谎计算模块：将第四信号与第五信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假。
39.优选地，所述系统还包括：
40.获取个人信息模块：获取用户的个人信息，包括性别、年龄；
41.通用测谎模型构建模块：初始化深度学习神经网络作为不限用户的测谎人工智能模型；获取多个用户的多对第一信号、第二信号、第三信号、个人信息；将第一信号、第二信号、个人信息作为输入，将未撒谎作为预期输出，对不限用户的测谎人工智能模型进行训练；将第一信号、第三信号、个人信息作为输入，将撒谎作为预期输出，对不限用户的测谎人工智能模型进行训练；
42.通用测谎计算模块：将第四信号、第五信号、个人信息作为输入，通过不限用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假。
43.优选地，所述系统还包括：
44.获取部分撒谎脑电模块：获取待测用户同时进行正确和错误选择时的脑电信号或/和皮电信号，作为第六信号；
45.精细测谎模型构建模块：初始化深度学习神经网络作为待测用户的测谎人工智能模型；获取待测用户的多对第一信号、第二信号、第三信号、第六信号；将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第六信号作为输入，将部分撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；
46.精细测谎计算模块：将第四信号与第五信号作为输入，通过待测用户的测谎人工
智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假；若输出为部分撒谎，则待测用户对测谎问题的回答为部分真、部分假。
47.优选地，所述系统还包括：
48.获取待确认信息模块：获取待确认的多条信息；
49.获取对待确认信息的选择模块：获取待测用户对待确认的多条信息的选择；
50.确认前脑电获取模块：获取待测用户对待确认信息进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为第七信号；
51.确认时脑电获取模块：获取待测用户对待确认信息的选择以及选择时的脑电信号或/和皮电信号，作为第八信号；
52.确认计算模块：将第七信号与第八信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对待确认信息的选择为真；若输出为撒谎，则待测用户对待确认信息的选择为假；
53.重新选择模块：若待测用户对待确认信息的选择为假，则回到获取对待确认信息的选择模块，并提示待测用户进行重新选择。
54.第三方面，本发明实施例提供一种人工智能装置，所述装置包括第二方面实施例任意一项所述装置的模块。
55.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
56.第五方面，本发明实施例提供一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
57.本实施例提供的基于人工智能和脑电皮电的谈话场景测谎机器人，包括：测试获取步骤；测试前脑电获取步骤；未撒谎脑电获取步骤；撒谎脑电获取步骤；待测用户模型构建步骤；测谎前脑电获取步骤；测谎时脑电获取步骤；测谎计算步骤。上述方法、系统和机器人，首先通过深度学习模型根据待测用户在平时和被测情况下的脑电皮电以及是否撒谎的事实来进行训练，然后利用该深度学习模型就可以在审讯时进行测谎，从而得知待测用户所说的话语或所进行选择的真假。
附图说明
58.图1为本发明的实施例提供的人工智能方法的流程图；
59.图2为本发明的实施例提供的人工智能方法的附加步骤流程图；
60.图3为本发明的实施例提供的人工智能方法的附加步骤流程图；
61.图4为本发明的实施例提供的人工智能方法的附加步骤流程图。
具体实施方式
62.下面结合本发明实施方式，对本发明实施例中的技术方案进行详细地描述。
63.本发明的基本实施例
64.第一方面，本发明实施例提供一种人工智能方法，如图1所示，所述方法包括：测试
获取步骤；测试前脑电获取步骤；未撒谎脑电获取步骤；撒谎脑电获取步骤；待测用户模型构建步骤；测谎前脑电获取步骤；测谎时脑电获取步骤；测谎计算步骤。技术效果：所述方法首先通过深度学习模型根据待测用户在平时和被测情况下的脑电皮电以及是否撒谎的事实来进行训练，然后利用该深度学习模型就可以在审讯时进行测谎，从而得知待测用户所说的话语或所进行选择的真假。
65.在其中一个优选实施例中，如图2所示，所述方法还包括：获取个人信息步骤；通用测谎模型构建步骤；通用测谎计算步骤。技术效果：所述方法通过不同待测用户的不同个人信息，来得到能够适用于不同待测用户的深度学习模型，从而可以使得深度学习模型可以用于任意用户的测谎。
66.在其中一个优选实施例中，如图3所示，所述方法还包括：获取部分撒谎脑电步骤；精细测谎模型构建步骤；精细测谎计算步骤。技术效果：所述方法通过增加对部分撒谎这种情况的考虑，可以通过深度学习模型得知待测用户的话语或选择是否半真半假，从而使得测谎更为精细。
67.在其中一个优选实施例中，如图4所示，所述方法还包括：获取待确认信息步骤；获取对待确认信息的选择步骤；确认前脑电获取步骤；确认时脑电获取步骤；确认计算步骤；重新选择步骤。技术效果：所述方法不但考虑到待测用户的话语的测谎，还考虑到待测用户对审讯人员给出的选择题的回答的真假性的测验，从而提高了测谎的实用性。
68.本发明的优选实施例
69.测试获取步骤：获取两组测试，要求用户对一组进行正确选择，另一组进行故意地错误选择；这种测试可以是题目的形式，也可以是游戏的形式，等等。测试获取步骤可以具体包括题目获取步骤：获取用于测试的两组选择题，题目包括常识问题、正确答案、错误答案；要求用户对一组题目进行正确选择，另一组题目进行故意地错误选择；这种常识问题是待测用户都知道正确答案的，例如“吃饭用哪个器官？正确答案：嘴；错误答案：鼻子”。
70.测试前脑电获取步骤：获取待测用户进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为第一信号；
71.未撒谎脑电获取步骤：获取待测用户进行正确选择时的脑电信号或/和皮电信号，作为第二信号；
72.撒谎脑电获取步骤：获取待测用户进行故意错误选择时的脑电信号或/和皮电信号，作为第三信号；
73.待测用户模型构建步骤：初始化深度学习神经网络作为待测用户的测谎人工智能模型；获取待测用户的多对第一信号、第二信号、第三信号；将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；训练的过程可以具体包括将第一信号与第二信号作为输入，对待测用户的测谎人工智能模型进行无监督训练，然后将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行有监督训练；将第一信号与第三信号作为输入，对待测用户的测谎人工智能模型进行无监督训练，然后将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行有监督训练；
74.测谎前脑电获取步骤：获取待测用户进行测谎之前未受到任何刺激时的脑电信号
或/和皮电信号，作为第四信号；
75.测谎时脑电获取步骤：获取待测用户对测谎问题的回答，并获取所述回答时的脑电信号或/和皮电信号，作为第五信号；测谎问题指用于测谎的问题。
76.测谎计算步骤：将第四信号与第五信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假。
77.上面步骤得到的是针对待测用户的模型；下面进一步地得到适用每一个用户的模型。
78.获取个人信息步骤：获取用户的个人信息，包括性别、年龄，还可以包括籍贯；
79.通用测谎模型构建步骤：初始化深度学习神经网络作为不限用户的测谎人工智能模型；获取多个用户的多对第一信号、第二信号、第三信号、个人信息；将第一信号、第二信号、个人信息作为输入，将未撒谎作为预期输出，对不限用户的测谎人工智能模型进行训练；将第一信号、第三信号、个人信息作为输入，将撒谎作为预期输出，对不限用户的测谎人工智能模型进行训练；训练的过程可以具体包括将第一信号、第二信号、个人信息作为输入，对不限用户的测谎人工智能模型进行无监督训练，然后将第一信号、第二信号、个人信息作为输入，将未撒谎作为预期输出，对不限用户的测谎人工智能模型进行有监督训练；将第一信号、第三信号、个人信息作为输入，对不限用户的测谎人工智能模型进行无监督训练，然后将第一信号、第三信号、个人信息作为输入，将撒谎作为预期输出，对不限用户的测谎人工智能模型进行有监督训练；
80.通用测谎计算步骤：将第四信号、第五信号、个人信息作为输入，通过不限用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假。
81.上面步骤得到的是能判断是否撒谎的模型；下面进一步地得到能判断是否撒谎、是否部分撒谎的模型，这种模型更为精细。
82.获取部分撒谎脑电步骤：获取待测用户同时进行正确和错误选择时的脑电信号或/和皮电信号，作为第六信号；
83.精细测谎模型构建步骤：初始化深度学习神经网络作为待测用户的测谎人工智能模型；获取待测用户的多对第一信号、第二信号、第三信号、第六信号；将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；将第一信号与第六信号作为输入，将部分撒谎作为预期输出，对待测用户的测谎人工智能模型进行训练；训练的过程可以具体包括将第一信号与第二信号作为输入，对待测用户的测谎人工智能模型进行无监督训练，然后将第一信号与第二信号作为输入，将未撒谎作为预期输出，对待测用户的测谎人工智能模型进行有监督训练；将第一信号与第三信号作为输入，对待测用户的测谎人工智能模型进行无监督训练，然后将第一信号与第三信号作为输入，将撒谎作为预期输出，对待测用户的测谎人工智能模型进行有监督训练；将第一信号与第六信号作为输入，对待测用户的测谎人工智能模型进行无监督训练，然后将第一信号与第六信号作为输入，将部分撒谎作为预期输出，对待测用户的测谎人工智能模型进行有监督训练；
84.精细测谎计算步骤：将第四信号与第五信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对测谎问题的回答为真；若输出为撒谎，则待测用户对测谎问题的回答为假；若输出为部分撒谎，则待测用户对测谎问题的回答为部分真、部分假。
85.上面步骤得到的是能判断被测用户所说的话是否为真的模型，下面进一步给出判断被测用户对待确认信息的选择是否为真的模型。
86.获取待确认信息步骤：获取待确认的多条信息，例如，除了当前在审的嫌疑人，可能还有其他待排除的嫌疑人，那么多条信息是“a张三和我一起做案的；b李四和我一起做案的”；此时，让被测者选择。
87.获取对待确认信息的选择步骤：获取待测用户对待确认的多条信息的选择；
88.确认前脑电获取步骤：获取待测用户对待确认信息进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为第七信号；
89.确认时脑电获取步骤：获取待测用户对待确认信息的选择以及选择时的脑电信号或/和皮电信号，作为第八信号；
90.确认计算步骤：将第七信号与第八信号作为输入，通过待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户对待确认信息的选择为真；若输出为撒谎，则待测用户对待确认信息的选择为假；
91.重新选择步骤：若待测用户对待确认信息的选择为假，则回到获取对待确认信息的选择步骤，并提示待测用户进行重新选择。
92.上面步骤得到的是被测用户的测谎模型，下面给出催眠情况下的测谎模型。在催眠的情况下执行上述各种测谎模型，就能得到催眠情况下的测谎模型，例如：
93.催眠情况下的测试获取步骤：在用户进入被催眠状态后，获取两组测试，要求用户对一组进行正确选择，另一组进行故意地错误选择；这种测试可以是题目的形式，也可以是游戏的形式，等等。测试获取步骤可以具体包括题目获取步骤：获取用于测试的两组选择题，题目包括常识问题、正确答案、错误答案；要求用户对一组题目进行正确选择，另一组题目进行故意地错误选择；这种常识问题是待测用户都知道正确答案的，例如“吃饭用哪个器官？正确答案：嘴；错误答案：鼻子”。
94.催眠情况下的测试前脑电获取步骤：在用户进入被催眠状态后，获取待测用户进行选择之前未受到任何刺激时的脑电信号或/和皮电信号，作为催眠状态下第一信号；
95.催眠情况下的未撒谎脑电获取步骤：在用户进入被催眠状态后，获取待测用户进行正确选择时的脑电信号或/和皮电信号，作为催眠状态下第二信号；
96.催眠情况下的撒谎脑电获取步骤：在用户进入被催眠状态后，获取待测用户进行故意错误选择时的脑电信号或/和皮电信号，作为催眠状态下第三信号；
97.催眠情况下的待测用户模型构建步骤：初始化深度学习神经网络作为待测用户的催眠状态下测谎人工智能模型；获取待测用户的多对催眠状态下第一信号、催眠状态下第二信号、催眠状态下第三信号；将催眠状态下第一信号与催眠状态下第二信号作为输入，将催眠状态下未撒谎作为预期输出，对待测用户的催眠状态下测谎人工智能模型进行训练；将催眠状态下第一信号与催眠状态下第三信号作为输入，将催眠状态下撒谎作为预期输出，对待测用户的催眠状态下测谎人工智能模型进行训练；训练的过程可以具体包括将催
眠状态下第一信号与催眠状态下第二信号作为输入，对待测用户的催眠状态下测谎人工智能模型进行无监督训练，然后将催眠状态下第一信号与催眠状态下第二信号作为输入，将催眠状态下未撒谎作为预期输出，对待测用户的催眠状态下测谎人工智能模型进行有监督训练；将催眠状态下第一信号与催眠状态下第三信号作为输入，对待测用户的催眠状态下测谎人工智能模型进行无监督训练，然后将催眠状态下第一信号与催眠状态下第三信号作为输入，将催眠状态下撒谎作为预期输出，对待测用户的催眠状态下测谎人工智能模型进行有监督训练；
98.催眠情况下的测谎前脑电获取步骤：在用户进入被催眠状态后，获取待测用户进行测谎之前未受到任何刺激时的脑电信号或/和皮电信号，作为催眠状态下第四信号；
99.催眠情况下的测谎时脑电获取步骤：在用户进入被催眠状态后，获取待测用户对测谎问题的回答，并获取所述回答时的脑电信号或/和皮电信号，作为催眠状态下第五信号；
100.催眠情况下的测谎计算步骤：将催眠状态下第四信号与催眠状态下第五信号作为输入，通过待测用户的催眠状态下测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为催眠状态下未撒谎，则待测用户对测谎问题的回答为真；若输出为催眠状态下撒谎，则待测用户对测谎问题的回答为假。
101.上面步骤得到的是单个被测用户的测谎模型，下面给出多个被测用户的测谎模型。通过上述各种测谎模型，结合多个用户，就能得到多个被测用户的测谎模型，例如：
102.测谎前脑电获取步骤：获取多个待测用户进行测谎之前未受到任何刺激时的脑电信号或/和皮电信号，作为所述多个待测用户对应的多个第四信号；
103.测谎时脑电获取步骤：获取所述多个待测用户对测谎问题的回答以及回答时的脑电信号或/和皮电信号，作为所述多个待测用户对应的多个第五信号；
104.测谎计算步骤：将所述多个待测用户中的每个待测用户对应的第四信号与第五信号作为输入，通过所述每个待测用户的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则所述每个待测用户对测谎问题的回答为真；若输出为撒谎，则所述每个待测用户对测谎问题的回答为假；
105.判断步骤：获取所述多个待测用户中对测谎问题的回答为假的用户回答的内容作为第一内容，获取所述多个待测用户中对测谎问题的回答为真的用户回答的内容集合作为第二内容，将第二内容集合作为未撒谎的内容，将第一内容集合作为撒谎的内容，将第一内容集合去重、去掉相互矛盾的语句，作为筛选后的撒谎的内容，将第二内容集合去重、去掉相互矛盾的语句，作为筛选后的未撒谎的内容，将第二内容集合去重、去掉相互矛盾的语句，且去掉与第一内容集合一致的语句，作为再次筛选后的未撒谎的内容。
106.下面是谈话场景下的测谎模型。
107.测试前脑电获取步骤：获取待测用户在谈话之前未受到任何刺激时的脑电信号或/和皮电信号，作为谈话场景下的第一信号；
108.未撒谎脑电获取步骤：获取待测用户的谈话内容中每段连续为真的内容对应的脑电信号或/和皮电信号，作为谈话场景下的第二信号；
109.撒谎脑电获取步骤：获取待测用户的谈话内容中每段连续为假的内容对应的脑电信号或/和皮电信号，作为谈话场景下的第三信号；
110.待测用户模型构建步骤：初始化深度学习神经网络作为待测用户的谈话场景下的测谎人工智能模型；获取待测用户的多对谈话场景下的第一信号、谈话场景下的第二信号、谈话场景下的第三信号；将谈话场景下的第一信号与谈话场景下的第二信号作为输入，将未撒谎作为预期输出，对待测用户的谈话场景下的测谎人工智能模型进行训练；将谈话场景下的第一信号与谈话场景下的第三信号作为输入，将撒谎作为预期输出，对待测用户的谈话场景下的测谎人工智能模型进行训练；训练的过程可以具体包括将谈话场景下的第一信号与谈话场景下的第二信号作为输入，对待测用户的谈话场景下的测谎人工智能模型进行无监督训练，然后将谈话场景下的第一信号与谈话场景下的第二信号作为输入，将未撒谎作为预期输出，对待测用户的谈话场景下的测谎人工智能模型进行有监督训练；将谈话场景下的第一信号与谈话场景下的第三信号作为输入，对待测用户的谈话场景下的测谎人工智能模型进行无监督训练，然后将谈话场景下的第一信号与谈话场景下的第三信号作为输入，将撒谎作为预期输出，对待测用户的谈话场景下的测谎人工智能模型进行有监督训练；
111.测谎前脑电获取步骤：获取待测用户进行谈话测谎之前未受到任何刺激时的脑电信号或/和皮电信号，作为谈话场景下的第四信号；
112.测谎时脑电获取步骤：获取待测用户对待测谎的谈话内容，并获取所述谈话时的脑电信号或/和皮电信号，作为谈话场景下的第五信号；
113.测谎计算步骤：将第四信号与第五信号作为输入，通过待测用户的谈话场景下的测谎人工智能模型计算得到输出；判断输出是否撒谎；若输出为未撒谎，则待测用户的待测谎的谈话内容为真；若输出为撒谎，则待测用户的待测谎的谈话内容为假。
114.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，则对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。