突发公共卫生事件中公众情绪引导模型

摘要

本方案属于公共卫生事件处理领域，具体涉及突发公共卫生事件中公众情绪引导模型。包括用户终端：用于向用户展示发布的内容信息，并持续采集用户在阅读内容信息后的反馈信息，然后记录反馈信息产生时的反馈时间点信息，并且建立用户阅读的内容信息、反馈信息以及反馈时间点的情绪关联关系；情绪识别模块：用于接收不同的反馈时间点的反馈信息，并根据预设的情绪识别模型依次计算出不同时间点的反馈信息对应的情绪特征向量；情绪预测模块：根据情绪关联关系以及根据情绪特征向量的变化趋势，对用户下次阅读发布的内容信息后的反馈信息和反馈时间点信息进行预测。能够更加精确地识别用户的情绪变化信息，并对用户情绪进行正面引导。

说明书

技术领域

本方案属于公共卫生事件处理领域，具体涉及突发公共卫生事件中公众情绪引导模型。

背景技术

近年来，社交媒体日渐成为社会传播的重要手段。突发公共卫生事件因其突发性、未知性和危害性的特点，在发生发展过程中几乎无法避免误导信息的产生和传播。对社交媒体特征（包括转发数、点赞数和评论数）、用户特征（包括关注数、粉丝数和是否认证）和文本内容进行综合判断，得出用户可信度和社交媒体的可靠性，效果最佳。

申请号为202011012538.6的发明专利公布了本申请公开了一种情绪识别与引导方法、装置、设备及可读存储介质，所述方法包括：从目标终端获取待识别的内容信息；其中，所述内容信息包括：文字信息、语音信息、图片信息中的至少任一项；利用预设情绪识别模型，分别计算出与所述文字信息、语音信息、图片信息对应的情绪值；根据与所述文字信息、语音信息、图片信息对应的情绪值，确定出所述目标用户的综合情绪类型；获取与所述综合情绪类型对应的推荐内容，并将所述推荐内容发送至所述目标终端；该申请能够更加准确的识别出用户当前情绪信息，并对用户情绪进行正面引导。

上述技术通过对多种实时信息进行处理后得到了用户当前的情绪模型，实时信息转化为实时的情绪值，然后对用户进行实时引导；在突发的公共卫生事件中，社会公众用户关注了解到该事件会产生对应的情绪值，但是通常情况下用户的情绪是随着时间的流逝会发生变化的，是一个动态且连续的过程；如果仅仅是靠瞬时的情绪值引导其用户，忽略了用户的情绪变化，其效果不太精确，无法给予用户较好的情绪引导。

发明内容

本方案提供一种突发公共卫生事件中公众情绪引导模型，能够更加精确地识别用户的情绪变化信息，并对用户情绪进行正面引导。

为了达到上述目的，本方案提供一种突发公共卫生事件中公众情绪引导模型，包括

用户终端：用于向用户展示发布的内容信息，并持续采集用户在阅读内容信息后的反馈信息，所述反馈信息包括文字信息，语音信息、图片信息，然后记录反馈信息产生时的反馈时间点信息，并且建立用户阅读的内容信息、反馈信息以及反馈时间点的情绪关联关系；

情绪识别模块：用于接收不同的反馈时间点的反馈信息，并根据预设的情绪识别模型依次计算出不同时间点的反馈信息对应的情绪特征向量；

情绪预测模块：用于对用户下次阅读发布的内容信息进行解析，并根据情绪关联关系以及根据情绪特征向量的变化趋势，对用户下次阅读发布的内容信息后的反馈信息和反馈时间点信息进行预测，得到预测反馈信息和预测反馈时间点信息，若预测反馈信息和预测反馈时间点信息超出预设阈值时，则生成用户下次阅读发布的内容信息调整指令；

信息处理模块：用于根据时间顺序对用户下次阅读发布的内容信息进行排序，在接收到用户下次阅读发布的内容信息调整指令后，对用户下次阅读发布的内容信息进行调整，并发送至情绪预测模块，直至未收到用户下次阅读发布的内容信息调整指令后，生成用户下次阅读发布的内容信息排序表；

其中，用户终端还用于根据排序表对发布的内容信息进行展示。

本方案的原理及有益效果：通过用户查看发布的内容信息后反馈出的文字信息、语音信息和图片信息，通过预设的情绪识别模型计算出用户不同时间点的反馈信息对应的情绪特征向量，得出反馈信息以及反馈时间点的情绪关联关系；预测用户下次阅读发布的内容信息后的情绪特征向量的变化，然后根据变化区间是否超过设定阈值，判断此消息是否会对该用户产生超出阈值的情绪下降的负面情绪，如果会产生，则待定发送此消息，优先推送其他消息，待识别到此消息对用户影响在阈值范围内时再推送。

依照用户的实际情绪值进行引导，时刻关注用户的情绪值变化趋势，从而灵敏且准确地提供下次推送内容的时机，给了用户良好的心理安慰和控制了负面情绪的传播，使得用户饱含信心，积极向上，时刻处于正面情绪。

本方案给用户推荐的消息均为真实信息，且依照用户当前的情绪值及情绪值变化预测出了用户在未来某一时间点的情绪状况，并依据未来时间点的实际情绪状况推荐适宜的消息。时刻以用户的情绪变化为基准，做到了对于用户的个性化引导，更具人性化。

本方案有效预防了过激用户受到持续影响导致情绪持续恶化，平衡了用户自身接受能力和推荐消息的将会产生的情绪变化，如果情绪变化在用户的接受能力范围以内便可实行立即推送，如果超出用户的接受能力范围便先推送有利于提高用户情绪的信息。此推送信息的方式不同于传统的用户喜欢什么而推荐什么或者用户经常浏览什么而推荐同类别的消息，由于短时间内人的注意力是有限的，若用户被锁定在由算法精准推送的某类固定信息中，久而久之，会造成思维固化、认知结构单一，甚至会模糊或淡化对现实社会的真实感知，间接地剥夺了用户对其他信息的“知情权”，本方案从用户的情绪体验出发，依照先后顺序将所有的信息按照顺序推送给用户，用户可以了解到所有的信息，不会陷入思维固化，认知结构单一的情况。从而让用户有了更好的感受和体验，也给予了用户较好的情绪引导。

进一步，所述情绪特征向量包括各时间点预设情绪识别模型分别计算文字信息、语音信息和图片信息对应的情绪值；获取第一反馈时间点的情绪值，信息处理模块根据该情绪值获取对应的推荐内容，并通过用户终端展示。

有益效果：获取到用户对事件发生的首次看法产生的情绪值，依据情绪值获取对应的推荐内容，并通过用户终端展示给用户，第一时间平复了用户的心理，积极地为其引导正向情绪。

进一步，所述情绪预测模块解析用户下次阅读发布的内容信息后得到该下次阅读发布的内容信息的综合情绪对标值；然后以该情绪对标值作为基准，对用户终端内的其他发布的相关内容信息进行解析，得到与之对应的综合情绪对标值；以所获得的综合情绪对标值作为检索条件，用户下次阅读发布的内容信息和其他发布的相关内容信息作为待推送内容，构建综合情绪模型。

有益效果：构建个性化的综合情绪模型，更加贴近用户的真实感受，给了用户更为精准的引导，同时也依据用户的真实心理推送了他想关心了解的相关信息；使得他了解事物更为全面。

进一步，所述情绪关联信息通过获取预设的文字信息系数、语音信息系数和图片信息系数；将文字信息系数、语音信息系数和图片信息系数和各自对应的情绪特征向量进行加权运算，计算出综合情绪值；通过综合情绪值与综合情绪对标值进行对比，在综合情绪模型中选择对应的待推送内容，推送至用户终端。

有益效果：通过多信息的加权整合，得到的综合情绪值更贴近用户的真实心理情绪值。

进一步，还包括从用户终端采集用户的点赞和转发信息。

有益效果：通过采集点赞和转发信息内容，从而了解到用户真实心理想法的倾向。分析点赞或转发内容的情绪值，可初步评估出当前用户的情绪值。

进一步，通过对用户点赞或转发信息内容进行分析，得出修正情绪特征向量，并根据预设的情绪特征向量修正系数，计算出加权情绪特征向量。

有益效果：通过点赞或转化信息这种自主性较高的行为推断出这是用户主观心理的映射，也是其情绪值的直观体现；所点赞或转发的内容大概率该用户的实际心理想法，可以通过还原此内容的情绪值，推断出用户的情绪值。

进一步，所述加权情绪特征向量计算公式为：M=aX+(1-a)Y，其中M为加权情绪向量，a为情绪特征向量修正系数，X为修正情绪特征向量，Y为情绪特征向量，其中0≤a≤1。

进一步，在生成用户下次阅读发布的内容信息排序表之前，按照当前时间点的情绪值，信息处理模块根据该情绪值获取对应的推荐内容，并通过用户终端展示。

有益效果：持续向用户推荐符合其情绪值的内容，使其处于持续接收信息内容的状态；通过不断的正向信息引导，减缓其恐慌概率，防止其胡思乱想。

附图说明

图1为本发明实施例的流程示意图。

具体实施方式

下面通过具体实施方式进一步详细的说明：

实施例基本如附图1所示：

突发公共卫生事件中公众情绪引导模型，包括用户终端，情绪识别模块、情绪预测模块和信息处理模块，其中情绪识别模块、情绪预测模块和信息处理模块均为设立在服务器上的程序。

用户终端：用于向用户展示发布的内容信息，并持续采集用户在阅读内容信息后的反馈信息，用户终端包括手机，电脑，平板等电子产品，用户能够通过app或网页发表自己的看法或意见。情绪识别模块：用于接收不同的反馈时间点的反馈信息，并根据预设的情绪识别模型依次计算出不同时间点的反馈信息对应的情绪特征向量；预设的情绪识别模型所述情绪识别模型为通过训练样本集对RNN（Recurrent Neural Network循环神经网络）训练得到的模型；所述特征词向量为P×Q维的矩阵，P为特征参数的维度，Q为特征词的个数，特征参数包括：词性、词索引、词频；所述情绪值为0到1的值，若情绪值越大，则表征用户情绪越好，若情绪值越小，则表征用户情绪越差。通过该模型计算出不同时间点的情绪值，得到对应的情绪特征向量。

所述反馈信息包括文字信息，语音信息、图片信息，然后记录反馈信息产生时的反馈时间点信息，并且建立用户阅读的内容信息、反馈信息以及反馈时间点的情绪关联关系；针对文字信息，若含英文等外文信息，则通过Google翻译将其翻译成中文信息；然后将所有文字信息通过Jieba提取其关键特征词。针对语音信息，将所有语音信息发送给科大讯飞服务器，科大讯飞服务器识别后将识别后的文本信息传回，然后通过Jieba提取其关键特征词；图片信息包括了实景照片、表情包或其他图片，针对实景照片采用CPU对实景照片的像素点进行分析，判断其中是否有人物动作或表情，并结合数据库内的数据判断该照片实景中的实况是否为激烈场面；如果是表情包或其他图片，则通过像素点的识别，提取出该图片中的文字信息和预设标志图形，利用预设的图形库，比对标志图形，得出其象征意义文本信息，通过Jieba提取其关键特征词。所述情绪关联信息通过获取预设的文字信息系数、语音信息系数和图片信息系数；将文字信息系数、语音信息系数和图片信息系数和各自对应的情绪特征向量进行加权运算，计算出综合情绪值；通过综合情绪值与综合情绪对标值进行对比，在综合情绪模型中选择对应的待推送内容，推送至用户终端。综合情绪值N＝A*p+B*q+C*r；A为与所述文字信息对应的情绪值、B为与所述语音信息对应的情绪值、C为与所述图片信息对应的情绪值；p为文字权重值、q为语音权重值、r为图片权重值（p取值0.38，q取值为0.35，r取值为0.27；该技术领域的人员可以根据实际需求合理取值）。

所述情绪特征向量包括各时间点预设情绪识别模型分别计算文字信息、语音信息和图片信息对应的情绪值；获取第一反馈时间点的情绪值，信息处理模块根据该情绪值获取对应的推荐内容，并通过用户终端展示。通过对文字信息、图片信息和语音信息的综合分析，得到了用户在关注到事件时的综合情绪值；所述情绪预测模块解析用户下次阅读发布的内容信息后得到该下次阅读发布的内容信息的综合情绪对标值；然后以该情绪对标值作为基准，对用户终端内的其他发布的相关内容信息进行解析，得到与之对应的综合情绪对标值；以所获得的综合情绪对标值作为检索条件，用户下次阅读发布的内容信息和其他发布的相关内容信息作为待推送内容，构建综合情绪模型。通过综合情绪值在综合情绪模型中寻找到对应的推荐内容，如在用户获取到一个事件信息后，通过识别其综合情绪值，发现其正处于惊慌，害怕的状态，则后续给他推荐正能量，提高他自信的消息内容，减缓他的害怕心理。

情绪预测模块：用于对用户下次阅读发布的内容信息进行解析，并根据情绪关联关系以及根据情绪特征向量的变化趋势，对用户下次阅读发布的内容信息后的反馈信息和反馈时间点信息进行预测，得到预测反馈信息和预测反馈时间点信息，若预测反馈信息和预测反馈时间点信息超出预设阈值（若综合情绪值正处于负面情绪（0-0.4）的范围内，阈值以下降了20%为限；若处于正面情绪值（0.4-1.0）时，阈值以下降到负面情绪或情绪值下降了50%为限，本领域技术人员可以根据实际情况进行调整），则生成用户下次阅读发布的内容信息调整指令；通过用户在阅读推荐信息后反馈出的信息，分析用户在查看推荐信息前后的综合情绪值变化；从而得出情绪特征向量的变化趋势，根据该变化趋势，即时节点和综合情绪值之间的函数关系，在坐标图上进行标准差拟合，预判出下一节点的特定时间段的综合情绪值；如果此时有多个消息待推送给该用户，若预测得知其中有会使用户查看后情绪反馈信息超出阈值的信息e时，那么先给他分享综合情绪值高的信息内容，待预估出用户接收到下一个信息时，综合情绪值变化能在阈值范围内，则将信息e发送给用户；保证用户的情绪值始终稳定在一个正常的区间。

信息处理模块：用于根据时间顺序对用户下次阅读发布的内容信息进行排序，在接收到用户下次阅读发布的内容信息调整指令后，对用户下次阅读发布的内容信息进行调整，并发送至情绪预测模块，直至未收到用户下次阅读发布的内容信息调整指令后，生成用户下次阅读发布的内容信息排序表；通过对待发送的多条信息进行排序，使得用户在看完每条信息后的综合情绪值变化均在正常的区间。

其中，用户终端还用于根据排序表对发布的内容信息进行展示。

还包括从用户终端采集用户的点赞和转发信息。通过采集点赞和转发信息内容，从而了解到用户真实心理想法的倾向。分析点赞或转发内容的情绪值，可初步评估出当前用户的情绪值。

通过对用户点赞或转发信息内容进行分析，得出修正情绪特征向量，并根据预设的情绪特征向量修正系数，计算出加权情绪特征向量。

所述加权情绪特征向量计算公式为：M=aX+(1-a)Y，其中M为加权情绪向量，a为情绪特征向量修正系数，X为修正情绪特征向量，Y为情绪特征向量，其中0≤a≤1（这里a取0.7，该领域技术人员可以根据实际情况选用合适取值）。通过加权情绪向量的整合，得到更为精确的实际心理活动产生对应的情绪值。

在生成用户下次阅读发布的内容信息排序表之前，按照当前时间点的情绪值，信息处理模块根据该情绪值获取对应的推荐内容，并通过用户终端展示。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。