买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南芒果融创科技有限公司

摘要：本发明公开了基于人工智能的情感识别与视频内容匹配系统，包括模块：情感识别模块、情感标注与归类模块、视频内容分析模块、构建视频内容匹配模块和实际应用模块。本发明属于数据处理技术领域，具体是指基于人工智能的情感识别与视频内容匹配系统，本方案采用情感识别分类模型，用梯度下降算法更新模型参数，解决情感识别不准确的问题；采用情感标注模型，通过张量计算情感特征与意见特征的相关性，计算注意力得分，将情感特征和意见特征进行特征融合，得到最终的情感信息，提高情感分类的准确性，精准满足用户需求；采用计算视频内容数据特征属性集，删除冗余数据，标记重叠区域，利用多线程方法处理区域匹配任务，提高视频内容匹配的效率。

主权项：1.基于人工智能的情感识别与视频内容匹配系统，其特征在于：包括情感识别模块、情感标注与归类模块、视频内容分析模块、构建视频内容匹配模块和实际应用模块；所述情感识别模块具体为对音频信号进行特征提取，构建情感识别分类模型，采用梯度下降算法更新模型参数，进行模型迭代；所述情感标注与归类模块具体为构建情感标注模型，通过张量计算情感特征与意见特征的相关性，计算注意力得分，将情感特征和意见特征进行特征融合，得到最终的情感信息；所述视频内容分析模块具体为进行视频解析，对视频内容进行分类；所述构建视频内容匹配模块具体为计算视频内容数据特征属性集，删除冗余数据，计算损失函数，标记重叠区域，利用多线程方法处理区域匹配任务；所述实际应用模块具体为根据用户的情感反馈推送视频内容；在情感标注与归类模块中，设有构建情感标注模型单元、计算注意力得分单元和特征融合单元，具体包括以下内容：构建情感标注模型单元，定义模型的输入数据分别是用户的情感特征P和意见特征O，通过张量运算计算情感特征和意见特征之间的组合向量，所用公式如下： ； ；式中，表示组合向量，用于表示情感特征P中第i个特征向量和意见特征O中第j个特征向量之间的关联程度，Pi表示情感特征P中第i个特征向量，Oj表示意见特征O中第j个特征向量，Gp是三维张量，其维度为K×2d×2d，K表示Gp的超参数，表示情感特征与意见特征之间复杂的内在相关性，K值增加，提取的信息越多，复杂度越高，2d表示每个特征向量的维度，i是情感特征的特征向量的索引，j是意见特征的特征向量的索引，tanh是双曲正切函数的缩写；计算注意力得分单元，得到情感特征和意见特征之间的组合向量后，计算注意力得分，所用公式如下： ；式中，表示注意力得分，注意力得分越高，表示情感特征P中第i个特征向量对意见特征O中第j个特征向量捕获了更多信息，是权重向量，用来度量组合向量的每个值的重要性；特征融合单元，融合情感特征和意见特征，得到最终的情感信息，所用公式如下： ；式中，表示最终的情感信息，Sp表示情感特征向量，So表示意见特征向量，Ep表示基于注意力得分的矩阵，softmaxr表示基于行的softmax函数，用来对注意力得分矩阵的每一行进行softmax操作，得到的权重向量用于对So进行加权融合；在构建视频内容匹配模块中，设有计算特征属性集单元、删除冗余数据单元、计算损失函数单元、标记重叠区域单元和并行计算单元，具体内容如下：计算特征属性集单元，从视频内容分析模块中采集视频内容数据，存储在大容量数据存储设备中，作为HLA分布式仿真数据进行处理和传输，计算视频内容数据特征属性集，所用公式如下： ；式中，是视频内容数据特征属性集，qi是HLA分布式数据分类后的视频内容数据特征数量，s是视频内容数据特征内容，n表示视频内容数据特征总数量，c是HLA分布式数据的参数；删除冗余数据单元，计算移除基准，所用公式如下： ；式中，L表示移除基准，用于确定是否删除符合基准的数据，表示移除时使用的过滤器请求的矢量表示，q表示移除时使用的过滤器请求的标量表示，用于识别HLA分布式数据的特征，e表示现有的冗余数据删除请求，用于删除非特征属性；计算损失函数单元，定义输入向量和标签值，计算损失函数，所用公式如下： ；式中，LL表示损失函数，是输入向量，表示HLA分布式仿真评价效果图像特征，是标签值，表示HLA分布式仿真评价效果图像对应的真实类别标签，表示类别权重矩阵，用于加权计算损失函数，T表示矩阵的转置，bj1表示类别的错误值，m表示训练样本的数量，i1是训练样本的索引，n表示训练样本类别的数量，j1是训练样本类别的索引，所述训练样本是一组已知的HLA分布式仿真评价效果图像特征及其对应的真实类别标签，表示标签的错误值；标记重叠区域单元，对重叠区域进行标记，所述重叠部分表示在视频内容匹配中，视频中不同部分之间存在重复的内容，对重叠区域进行处理，标记每个区域的标签，确保每个连通的区域都有一个唯一的标签，从倒数第二行的重叠行开始处理，每次处理一行，直到处理完所有重叠行；并行计算单元，将多个移动匹配任务划分为不同的内核，每个内核负责处理不同的区域匹配任务；利用多线程方法实现区域匹配度的并行化计算，每个内核使用一个独立的线程来执行区域匹配任务；在并行计算过程中，通过合理的数据共享和通信机制避免重复计算；在情感识别模块中，设有特征提取单元、构建情感识别分类模型单元和模型迭代单元，具体包括以下内容：特征提取单元，计算音频特征值与平均值之差的平方和，用于描述音频信号的分布特征；构建情感识别分类模型单元，改进传统的前馈神经网络，针对音频信号的分布特征数据，构建基于切比雪夫正交多项式簇的前向神经网络模型，在模型中，使用单个隐藏层降低整个模型的复杂性，隐藏层中每个神经元的刺激函数使用切比雪夫正交多项式簇中的函数，用于拟合音频信号的分布特征，其他层中神经元的刺激函数则采用线性刺激函数；模型迭代单元，计算神经网络中每个节点的激活值，通过反向传播算法传播梯度，得到每个参数的梯度值，采用梯度下降算法更新模型参数，迭代该过程，直到模型收敛，实现情感识别。

全文数据：

权利要求：

百度查询： 湖南芒果融创科技有限公司 基于人工智能的情感识别与视频内容匹配系统