CN119476488A 一种基于情感识别的ai交互方法及系统 （镇江贝雷帽网络科技有限公司）

根据实时反馈数据，对情感AI交互引擎进行优2所述的情绪缓解数据库设置有不同情绪缓解类型的若干预设情设情绪缓解数据包括不同情绪缓解类型的预设情绪缓解图片数据、预设情绪缓解音频数所述的实时多模态监测数据包括用户的实时表情图像监测数据所述的实时AI回应数据包括实时AI回应文本数据、实时AI回应在云数据中心中，采集互联网中不同情绪缓解类型的若干根据若干历史多模态监测数据，使用多模态融合的深度学习算法根据若干历史多模态监测数据，使用深度学习与自然语言处理融根据若干历史AI回应策略、若干历史AI交互数据以及若干预设情34.根据权利要求3所述的一种基于情感识别的AI交互方法，其特征在于：所述的多模态特征融合模型基于CNN_Transformer_logfBank_Attention_MLP算所述的语音识别模型基于LSTM_CRF算所述的AI回应策略生成模型基于DQN算所述的语音重构模型基于GAN_Tacotron2算采集用户的实时多模态监测数据，并对实时多模态监测数据进行预处将预处理后实时多模态监测数据输入情感AI交互预处理后实时多模态监测数据中的实时交互语音数据，使用情感识根据实时情感识别结果，使用情感AI交互引擎的AI回应策根据实时AI回应策略，在情绪缓解数据库中的若干预设数据属性信息中进行检索匹将若干实时数据属性信息和对应的预设情绪缓解数据进行输出，根据实时AI回应策略、实时AI交互数据以及实时数据属性信息，使用整合实时AI回应文本数据、实时AI回应语音数据以及实时情4采集用户的实时反馈数据，并对实时反馈数据进行分析，得到情感A根据性能参数，设置情感AI交互引擎的优化目标函数，并设置群智10.一种基于情感识别的AI交互系统，用于实现如权利要求1_9任一所述的AI交互方5工智能技术的发展为情绪安抚提供了新的解决方案，基于人工智能（Artificial6成若干历史AI回应策略和对应的历史AI[0011]进一步地，多模态特征融合模型基于CNN_Transformer_logfBank_Attention_语音重构模型基于GAN_Tacotron27将预处理后实时多模态监测数据输入情感AI交互引擎，使用多模态特征融合模8多模态特征融合模型基于卷积神经网络（ConvolutionalNeuralNetworks,9情感识别模型基于双向长短期记忆网络（Bi_directionalLongShort_Term影响AI回应模型生成的AI回应文本内容，情绪缓解策略影响从情绪缓解数据库中提取何种情绪类型的情绪缓解数据；AI回应模型基于来自Transformers的双向编码器表示（BidirectionalEncoder语音重构模型基于生成对抗网络（GenerativeAdversarialNetwork，GAN）_Tacotron2算法构建；GAN网络能够根据输入的AI回应策略生成对应的韵律r为状态i为动作空间维度[0023]式中，(s"',.a',)为更新的状态值s',和更新的动作值a',对应的更新的Q值；S5_3：根据优化目标函数和解向量编码，使用改进冠豪猪优化器（Improved最优解；J;为在第一防御范围内真实最优解和从ICPO种群中随机选择的最优解之间生成[0029]式中，为第二防御范围内更新的ICPO个体；2;为第二防御范围内初始的防御范围内真实最优解和从ICPO种群中随机选[0030]式中，为第三防御范围内更新的ICPO个体；为第三防御范围内初始的[0031]式中，为第四防御范围内更新的ICPO个体；为第四防御范围内初始的,a'为收敛速度因子；[0032]式中，,:"为动态反向的ICPO个体；r'为递减惯性系数；分别为向情感AI交互引擎的最优的优化后模型参数包括情感识别模型的最优的网络参数、AI回应策略模型的最优的学习网络参数以及语音重构模