《一种基于机器文本对骂的情感发泄方法及系统.pdf》由会员分享，可在线阅读，更多相关《一种基于机器文本对骂的情感发泄方法及系统.pdf（9页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 104346336 A (43)申请公布日 2015.02.11 CN 104346336 A (21)申请号 201310313599.X (22)申请日 2013.07.23 G06F 17/30(2006.01) (71)申请人 广州华久信息科技有限公司 地址 510000 广东省广州市番禺区小谷围街 中七路 66 号 ( 自编 2 栋 )503 房 (72)发明人 不公告发明人 (54) 发明名称 一种基于机器文本对骂的情感发泄方法及系 统 (57) 摘要 本发明公开了一种基于机器文本对骂的情感 发泄方法， 其特征在于包括步骤 ； 采集用户的骂 人文本 ； 文。
2、本情感分类， 以判断是否健康 ； 若情感 是健康的， 则推送幽默笑话文本 ； 若情感是不健 康的， 则利用对骂文本知识库实现对骂文本知识 推理， 生成合适的对骂文本 ； 推送对骂文本。本发 明还公开了一种基于机器文本对骂的情感发泄系 统， 包括 ： 用户骂人文本采集模块， 骂人文本特征 向量构造模块， 文本情感分类模型学习模块， 文本 情感分类模块， 幽默笑话的文本推送模块， 对骂文 本知识推理模块， 回骂文本推送模块。 本发明效果 是机器可以说任何难听的文本而不用难为情， 而 且只对需要发泄情感的人对骂， 使得发泄更准确、 效果更好， 也适用于安静环境。 (51)Int.Cl. 权利要求书 。
3、1 页 说明书 5 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书5页 附图2页 (10)申请公布号 CN 104346336 A CN 104346336 A 1/1 页 2 1. 一种基于机器文本对骂的情感发泄方法， 其特征在于包括以下步骤 ： 1 采集用户的骂人文本 2 利用文本情感分类模型完成文本情感分类， 以判断用户的情感是否健康 3 若文本情感不健康， 则利用对骂文本知识库实现对骂文本知识推理， 生成合适的对 骂文本， 否则转 5 4 推送对骂文本给用户 5 从幽默笑话文本知识库中选择幽默笑话文本， 然后推送选择的幽默笑话文本给。
4、用 户。 其中文本情感分类模型的获取过程包含以下步骤 ： (a) 采集 N 个文本及其对应的情感类别 (b) 构造每个人文本的特征向量 (c) 构造训练数据， 以文本特征向量为输入， 其对应的情感类别为输出， 构成训练样本 集合 (d) 采用训练样本集合， 学习文本情感分类模型 (e) 以 M 倍交叉验证方式选择文本情感分类模型的合适参数， 进而获得对应参数的文 本情感分类模型。 2. 根据权利要求 1 所述的一种基于机器文本对骂的情感发泄方法， 其特征在于所述的 步骤 2 通过文本情感分类， 判断用户的情感是否健康。 3. 根据权利要求 1 和 2 所述的一种基于机器文本对骂的情感发泄方法，。
5、 其特征在于所 述的步骤 2 文本情感分类的方法采用支持向量机。 4. 根据权利要求 1 所述的一种基于机器文本对骂的情感发泄方法， 其特征在于所述的 步骤 3 对骂人文本表达的情感进行了判断， 只对情感不健康的骂人文本， 利用对骂文本 知识库实现对骂文本知识推理， 生成合适的对骂文本。 5. 根据权利要求 1 所述的一种基于机器文本对骂的情感发泄方法， 其特征在于所述的 步骤 5 对骂人文本的情感进行了判断， 对情感健康的骂人文本， 从幽默笑话文本知识库 中选择幽默笑话， 然后推送选择的幽默笑话文本给用户。 6. 一种基于机器文本对骂的情感发泄系统， 其特征在于其使用了本发明所述的方法， 所。
6、述的系统包括 ： 一个文本情感学习样本库， 一个幽默笑话文本知识库， 一个对骂文本知识 库。系统还包括 ： 骂人文本采集模块 ； 骂人文本特征向量构造模块 ； 文本情感分类模型学习 模块 ； 文本情感分类模块 ； 幽默笑话文本推送模块 ； 对骂文本知识推理模块 ； 回骂文本推送 模块。其中骂人文本采集模块的输出与骂人文本特征向量构造模块的输入连接 ； 骂人文本 特征向量构造模块的输出与文本情感分类模块的输入连接 ； 文本情感分类模型学习模块的 输出与文本情感分类模块的输入连接 ； 文本情感分类模块的输出与幽默笑话文本推送模块 的输入连接 ； 文本情感分类模块的输出与对骂文本知识推理模块的输入连。
7、接 ； 对骂文本知 识推理模块的输出与回骂文本推送模块的输入连接。 权 利 要 求 书 CN 104346336 A 2 1/5 页 3 一种基于机器文本对骂的情感发泄方法及系统 技术领域 0001 本发明涉及一种基于机器文本对骂的情感发泄方法及系统， 属于医疗健康、 机器 学习和移动互联网技术领域。 背景技术 0002 情感状态体现了心理的健康状态， 目前很多人都面临心理压力， 或多或少会出现 一些心理情感问题， 表现为烦躁， 焦虑， 抑郁， 生气等， 需要及时引导， 但是这些信号， 对于心 理学知识缺乏的人很难觉察， 也找不到合适的发泄方式， 因此借助信息技术， 自动监测并提 供合适的发泄。
8、方式有利于恢复心理健康。自然语言包含了丰富的情感信息， 是理解和检测 情感的重要途径， 通过自然语言分析就可以实现人类情感状态判别， 进而提供合适的发泄 方法。 0003 骂人似乎不文明， 但心理学研究表明骂人是一种很有效的情感发泄方法， 只要局 限于发泄情绪的人的范围， 而不影响他人， 那么提供一种可以对骂的环境是合适的。 目前有 通过人工对骂的方法来发泄情绪， 但没有发现机器文本对骂的方法和系统， 其支持用户用 文本骂人， 系统自动理解骂人文本， 判断文本情感， 然后用对应的文本回骂。 发明内容 0004 本发明要解决的技术问题是 ： 机器理解骂人文本的情感， 并能用相应的文本自动 回骂。。
9、目前还没有发现通过机器与人对骂的方法和系统来发泄情绪。针对上述问题， 本发 明提供一种基于机器文本对骂的情感发泄方法及系统。 0005 一种基于机器文本对骂的情感发泄方法的主要技术步骤包括 ： 0006 1 采集用户的骂人文本 0007 2 利用文本情感分类模型完成文本情感分类， 以判断用户的情感是否健康 0008 3 若文本情感不健康， 则利用对骂文本知识库实现对骂文本知识推理， 生成合适 的对骂文本， 否则转 5 0009 4 推送对骂文本给用户 0010 5 从幽默笑话文本知识库中选择幽默笑话文本， 然后推送选择的幽默笑话文本 给用户。 0011 其中文本情感分类模型的获取过程包含以下步。
10、骤 ： 0012 (a) 采集 N 个文本及其对应的情感类别 0013 (b) 构造每个人文本的特征向量 0014 (c) 构造训练数据， 以文本特征向量为输入， 其对应的情感类别为输出， 构成训练 样本集合 0015 (d) 采用训练样本集合， 学习文本情感分类模型 0016 (e) 以 M 倍交叉验证方式选择文本情感分类模型的合适参数， 进而获得对应参数 的文本情感分类模型。 说 明 书 CN 104346336 A 3 2/5 页 4 0017 一种基于机器文本对骂的情感发泄系统， 其特征在于其使用了本发明所述的方 法， 所述的系统包括 ： 一个文本情感学习样本库， 一个幽默笑话文本知识。
11、库， 一个对骂文本 知识库。系统还包括 ： 骂人文本采集模块 ； 骂人文本特征向量构造模块 ； 文本情感分类模型 学习模块 ； 文本情感分类模块 ； 幽默笑话文本推送模块 ； 对骂文本知识推理模块 ； 回骂文本 推送模块。其中骂人文本采集模块的输出与骂人文本特征向量构造模块的输入连接 ； 骂人 文本特征向量构造模块的输出与文本情感分类模块的输入连接 ； 文本情感分类模型学习模 块的输出与文本情感分类模块的输入连接 ； 文本情感分类模块的输出与幽默笑话文本推送 模块的输入连接 ； 文本情感分类模块的输出与对骂文本知识推理模块的输入连接 ； 对骂文 本知识推理模块的输出与回骂文本推送模块的输入连接。
12、。 0018 有益效果 0019 与现有技术相比， 本发明的一种基于机器文本对骂的情感发泄方法及系统具有以 下优点 ： 0020 1 与机器对骂， 能骂任何难听的话而不用难为情， 这样与用户的对骂更自然， 更 激烈， 用户发泄效果更好。 0021 2 机器只对情感不健康的用户对骂， 使得对骂更准确， 发泄效果更好。 0022 3 机器对情感健康的用户不回骂， 而是推送幽默笑话， 这样情感健康的用户也能 使用， 应用更广泛。 0023 4 因为采用机器实现文本对骂， 使得用户能在安静的环境用文本大骂发泄情绪， 使用方便。 附图说明 0024 图 1 一种基于机器文本对骂的情感发泄方法流程图 00。
13、25 图 2 骂人文本的情感分类过程结构图 0026 图 3 骂人文本的情感训练过程结构图 0027 图 4 一种基于机器文本对骂的情感发泄系统结构图 具体实施方式 0028 本发明提出一种基于机器文本对骂的情感发泄方法及系统， 结合附图和实施例说 明如下。 0029 如图 1 所示， 为一种基于机器文本对骂的情感发泄方法的流程图， 该方法包括以 下步骤 ： 0030 第一步 ： 采集用户的骂人文本。 0031 第二步 ： 提取骂人文本的情感特征， 形成一个文本特征向量， 然后完成情感分类。 这个过程的步骤如图 2 所示， 由于骂人文本属于短文本， 短文本的情感分类问题面临短文 本的特征稀疏，。
14、 短文本的相似性难以度量等问题， 本发明采用情感词典解决。 0032 (一)首先预处理骂人文本， 包括去除停用词和中文分词。 中文分词将一个汉字序 列切分成一个一个单独的词， 中文分词工具采用中国科学院计算所的 ICTCLAS。 0033 (二)中文分词后采用向量空间模型(VSM)提取特征， 将文本转化为原始的特征向 量 di (ti1， wi1)， (ti2， wi2)， .， (tin， win)， 其中 tin为特征项， 它可以是字、 词或短语 ； win 说 明 书 CN 104346336 A 4 3/5 页 5 为特征项的权重， 表示 tin在文本中的重要程度。本实施案例采用如下的。
15、 TFIDF 公式计算权 重 ： 0034 0035 其中，为特征项t在文本 中的权重， 而为特征项t在文本 的频率， N 为训练文本的总数， nt为训练文本集中出现 t 的文本数， 分母为归一化因子。该数值越大， 特征项 t 反映 的能力越好 ； 该数值越小， 特征项 t 反映 的能力越差。 0036 ( 三 ) 根据 VSM 模型特征提取的文本向量的维数太高， 本实施案例采用情感词典 和互信息方法完成特征选择。情感词典包括各类情感中常出现的一些词、 短语、 语法结构 等。 基于情感词典的特征选择过程就是读取切分后的文本中的每个词语， 扫描词典， 选择具 有情感色彩的词语或结构。互信息特征选。
16、择用来选择常规的特征， 其步骤包括 1) 初始条件 下， 特征项集合中包含类别 Ci 0037 中 出 现 的 所 有 特 征 词 2) 对 于 每 个 词 t， 计 算 它 与 类 别 Ci 的 互 信 息 3) 对于类别 Ci 中的所有特征词， 按它们的互信息数值大小进行排 序 ； 4) 选取一个特征向量维数的阀值， 进行向量维数的压缩。最后将选择的两类特征合并 得到最后的特征集， 从而得到骂人文本的特征向量。 0038 ( 四 ) 采用支持向量机作为文本情感分类器， 用其分类模型对骂人文本的特征向 量分类， 判断的情感类别为 2 类 ： 健康 ( 高兴、 惊讶和平静 )， 不健康 ( 愤。
17、怒、 悲伤、 厌恶、 恐 惧 )。本实施案例的支持向量机采用 SVM light 实现， 核函数选择线性核函数。支持向量机 文本情感分类器需要训练获取分类模型， 训练过程如图 3 所示， 包括步骤 ： 获取大量的情感 文本训练集， 然后按分类过程中的方法对每个情感文本预处理， 完成特征抽取， 完成特征选 择， 形成情感文本集的特征向量空间， 最后在此特征向量空间上训练支持向量机分类器， 获 得分类模型， 并以 10 倍交叉验证方式选择文本情感分类模型的合适参数， 进而获得对应参 数的文本情感分类模型并保存， 在利用支持向量机完成骂人文本的情感分类时使用。 0039 第三步 ： 若骂人文本的情感。
18、类别被分为健康类别， 则从幽默笑话文本知识库中选 择幽默笑话文本， 并推送给骂人用户。 0040 本实施案例采用的幽默笑话文本知识库的格式如下 0041 序号字段名称字段语义解释 1splang文本的语言类别 2spvector文本特征向量 3spwords文本内容 0042 本实施案例采用简单的方法选择幽默笑话文本， 它从幽默笑话文本知识库中随机 抽取记录推送给骂人用户。 0043 第四步 ： 若骂人文本的情感类别分为不健康类别， 则利用对骂文本知识库实现对 骂文本知识推理， 生成合适的对骂文本。对骂文本知识库是根据领域专家的建议预先建立 的， 建立骂人文本与回骂文本之间的对应关系。 004。
19、4 本实施案例采用的对骂文本知识库格式如下 说 明 书 CN 104346336 A 5 4/5 页 6 0045 序号 字段名称字段语义解释 1culang骂人文本的语言类别 2cuemotion骂人文本的情感类别 3cuwords骂人文本 4cuvector骂人文本的特征向量 5bclang回骂文本的语言类别 6bcemotion回骂文本的情感类别 7bcwords回骂文本 8bcvector回骂文本的特征向量 0046 本实施案例采用如下方法实现对骂文本知识推理， 具体步骤为 ： 0047 1 计算骂人文本的特征向量 X 0048 2 采用欧氏距离在对骂文本知识库中搜索 K 个与 X 距。
20、离最相近的骂人文本特征 向量， 这里 K 取 5。 0049 3 从 K 个最相近的骂人文本中随机选择一个骂人文本， 以增加回骂的多样性。 0050 4 读取选择的骂人文本对应的回骂文本， 并将其作为对骂文本知识推理的结果， 即选择为此次的回骂文本。 0051 第五步 ： 推送选择的回骂文本给骂人用户。 0052 如图 4 所示， 为一种基于机器文本对骂的情感发泄系统， 其特征在于其使用了本 发明所述的方法， 所述的系统包括 ： 一个文本情感学习样本库 410， 一个幽默笑话文本知识 库 411， 一个对骂文本知识库 412。系统还包括 ： 骂人文本采集模块 400 ； 骂人文本特征向量 构造。
21、模块 401 ； 文本情感分类模型学习模块 402 ； 文本情感分类模块 403 ； 幽默笑话文本推 送模块 404 ； 对骂文本知识推理模块 405 ； 回骂文本推送模块 406， 其中骂人文本采集模块 400的输出与骂人文本特征向量构造模块401的输入连接 ； 骂人文本特征向量构造模块401 的输出与文本情感分类模块 403 的输入连接 ； 文本情感分类模型学习模块 402 的输出与文 本情感分类模块 403 的输入连接 ； 文本情感分类模块 403 的输出与幽默笑话文本推送模块 404 的输入连接 ； 文本情感分类模块 403 的输出与对骂文本知识推理模块 405 的输入连接 ； 对骂文。
22、本知识推理模块 405 的输出与回骂文本推送模块 406 的输入连接。 0053 1) 骂人文本采集模块 400， 获取用户提交的骂人文本。 0054 2) 骂人文本特征向量构造模块 401， 处理采集的骂人文本， 包括去除停用词， 完成 中文分词， 抽取特征， 选择特征， 将骂人文本转化为特征向量表示。 0055 3)文本情感分类模型学习模块402， 以文本情感学习样本库410为训练集， 训练支 持向量机文本情感分类器， 获得支持向量机文本情感分类模型。 0056 4) 文本情感分类模块 403， 采用支持向量机文本情感分类模型对骂人文本的特征 向量进行情感分类， 进而判断情感是否健康。 0。
23、057 5) 幽默笑话文本推送模块 404， 在骂人文本的情感判定为健康类别时， 从幽默笑 话文本知识库 411 中选择幽默笑话文本， 并推送给用户。 0058 6) 对骂文本知识推理模块 405， 在骂人文本的情感判定为不健康类别时， 利用对 骂文本知识库 412 实现对骂文本知识推理， 生成合适的对骂文本。 0059 7) 回骂文本推送模块 406， 将步骤 6) 生成的对骂文本推送给用户。 0060 本实施案例采用客户端 / 服务器结构实现， 用户通过客户端与服务对骂。基于机 说 明 书 CN 104346336 A 6 5/5 页 7 器文本对骂的情感发泄系统运行在服务器平台上并作为服。
24、务器与用户对骂。 服务器平台的 实现采用 J2EE 和 Struts2+Spring+Hibemate 框架， 用 MYSQL 数据库实现数据库管理。支持 向量机采用SVM light实现， 选择线性核函数， 并以预测性能为准则， 以10倍交叉验证方式 选择 SVM 的合适参数， 进而获得对应的支持向量机分类模型。客户端与服务器之间的文本 通讯采用开源项目Spark+Smack+Openfire实现， 其中Openfire是服务器， Spark是客户端， Smack 是 XMPP 传输协议的实现， 本实施案例采用基于插件方式在此开源项目上实现新增功 能。 0061 本领域的普通技术人员应当理解， 本发明的技术方案可以进行修改， 变形或等同 变换， 而不脱离本发明技术方案的本质和范围， 均覆盖在本发明的权利要求范围之中。 说 明 书 CN 104346336 A 7 1/2 页 8 图 1 图 2 图 3 说 明 书 附 图 CN 104346336 A 8 2/2 页 9 图 4 说 明 书 附 图 CN 104346336 A 9 。