本發(fā)明涉及計(jì)算機(jī)
技術(shù)領(lǐng)域：
，特別是涉及一種情緒識(shí)別方法和移動(dòng)終端。
背景技術(shù)：
：隨著科技的發(fā)展，通過(guò)監(jiān)測(cè)用戶的情緒進(jìn)而做出對(duì)應(yīng)用戶當(dāng)前情緒的響應(yīng)的技術(shù)已經(jīng)用到各個(gè)領(lǐng)域，而且仍然存在非常廣闊的應(yīng)用空間。因而如何取得精準(zhǔn)到位的情緒識(shí)別的效果變得尤為重要?，F(xiàn)有的情緒識(shí)別技術(shù)包括了表情情緒識(shí)別、語(yǔ)音情緒識(shí)別、文本情緒識(shí)別等方法。其中，表情情緒識(shí)別通過(guò)捕捉和分析用戶面部表情特征對(duì)用戶的情緒進(jìn)行識(shí)別分類；語(yǔ)音情緒識(shí)別通過(guò)分析用戶語(yǔ)音數(shù)據(jù)的聲學(xué)特征、語(yǔ)音學(xué)特征和語(yǔ)言學(xué)特征實(shí)現(xiàn)對(duì)用戶情緒的分類，而文本情緒識(shí)別則是通過(guò)分析用戶的原創(chuàng)文字達(dá)到進(jìn)行情緒識(shí)別?，F(xiàn)有的情緒識(shí)別技術(shù)在一定程度上實(shí)現(xiàn)了對(duì)用戶的情緒進(jìn)行識(shí)別和分類的目的，但是現(xiàn)有技術(shù)仍然存在諸多不足之處：首先，現(xiàn)有表情情緒識(shí)別和語(yǔ)音情緒識(shí)別在人有意隱藏真實(shí)情感而偽裝表情和語(yǔ)音的場(chǎng)景下準(zhǔn)確率較低，而文本情緒識(shí)別又必須以用戶有相應(yīng)地原創(chuàng)文本為前提，適用性較低；其次，為了保證情緒識(shí)別的準(zhǔn)確率，現(xiàn)有技術(shù)會(huì)抽取大量用戶的臉部表情、語(yǔ)音或原創(chuàng)文本并提取大量特征信息，而不會(huì)對(duì)特性信息進(jìn)行篩選過(guò)濾，進(jìn)而導(dǎo)致計(jì)算量較大，情緒識(shí)別的耗時(shí)較長(zhǎng)。技術(shù)實(shí)現(xiàn)要素：為了解決現(xiàn)有的情緒識(shí)別方法對(duì)于用戶刻意隱藏自身情緒的情況準(zhǔn)確率較低，單獨(dú)的文本情緒識(shí)別適用性較低，以及不會(huì)對(duì)特性信息進(jìn)行篩選過(guò)濾，進(jìn)而導(dǎo)致計(jì)算量較大，情緒識(shí)別的耗時(shí)較長(zhǎng)的問(wèn)題，本發(fā)明實(shí)施例提供一種情緒識(shí)別方法和移動(dòng)終端。一方面，本發(fā)明公開(kāi)了一種情緒識(shí)別方法，包括：獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。另一方面，本發(fā)明還公開(kāi)了一種移動(dòng)終端，包括：初始情緒特征集獲取模塊，用于獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；精簡(jiǎn)情緒特征集獲取模塊，用于將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；情緒標(biāo)簽確定模塊，用于利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。本發(fā)明通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)本發(fā)明實(shí)施例的描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明實(shí)施例一中的一種情緒識(shí)別方法的步驟流程圖；圖2是本發(fā)明實(shí)施例二中的一種情緒識(shí)別方法的步驟流程圖；圖3是本發(fā)明實(shí)施例三中的一種情緒識(shí)別方法的步驟流程圖；圖4是本發(fā)明實(shí)施例四中的一種情緒識(shí)別方法的步驟流程圖；圖5是本發(fā)明實(shí)施例五中的一種移動(dòng)終端的結(jié)構(gòu)示意圖；圖6是本發(fā)明實(shí)施例六中的一種移動(dòng)終端的結(jié)構(gòu)示意圖；圖7是本發(fā)明實(shí)施例七中的一種移動(dòng)終端的框圖；圖8是本發(fā)明實(shí)施例八中的一種移動(dòng)終端的結(jié)構(gòu)示意圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。下面通過(guò)列舉幾個(gè)具體的實(shí)施例詳細(xì)介紹本發(fā)明提供的一種情緒識(shí)別方法和移動(dòng)終端。實(shí)施例一詳細(xì)介紹本發(fā)明實(shí)施例提供的一種情緒識(shí)別方法。參照?qǐng)D1，示出了本發(fā)明實(shí)施例中一種情緒識(shí)別方法的步驟流程圖。步驟101，獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征。其中，初始情緒特征集具體可以包括面部表情特征、語(yǔ)音數(shù)據(jù)特征、文本數(shù)據(jù)特征等等。其中，面部表情特征可以包括臉部的基本結(jié)構(gòu)和肌肉特性等，例如眼睛的大小、嘴巴是否張開(kāi)、嘴角是否翹起、額頭是否有皺紋等。語(yǔ)音數(shù)據(jù)特征可以包括聲音的頻率、音色、語(yǔ)速、是否有鼻音等等。文本數(shù)據(jù)特征可以包括文本含義、文本關(guān)鍵字等等。在本發(fā)明實(shí)施例中，初始情緒特征集具體包含的特征類型，以及各個(gè)特征類型具體包含的特征可以根據(jù)需求在本步驟之前，或者是本步驟之前的任一步驟之前設(shè)定，對(duì)此本發(fā)明實(shí)施例不加以限定。而且，在本發(fā)明實(shí)施例中初始情緒特征集包括N維特征，其中N的具體取值可以在本步驟之前根據(jù)需求設(shè)定，對(duì)此本發(fā)明實(shí)施例也不加以限定?？蛇x地，在本發(fā)明實(shí)施例中，初始情緒特征集中包含面部表情特征，和/或語(yǔ)音數(shù)據(jù)特征。在本發(fā)明實(shí)施例中，可以利用移動(dòng)終端的攝像頭拍攝得到包含移動(dòng)終端用戶面部表情的圖片并保存，可以利用移動(dòng)終端的錄音模塊錄制移動(dòng)終端用戶的語(yǔ)音數(shù)據(jù)并保存，可以利用移動(dòng)終端的輸入模塊接收移動(dòng)終端用戶輸入的文本數(shù)據(jù)并保存。當(dāng)然，在本發(fā)明實(shí)施例中，也可以利用其他任何可用方式獲取移動(dòng)終端用戶的面部表情、語(yǔ)音數(shù)據(jù)和文本數(shù)據(jù)，對(duì)此本發(fā)明實(shí)施例不加以限定。那么，則可以針對(duì)不同的素材，提取不同的特征。例如，可以利用表情識(shí)別技術(shù)對(duì)包含用戶面部表情的圖片進(jìn)行處理，提取其中的面部表情特征；可以利用語(yǔ)音識(shí)別技術(shù)對(duì)錄制的語(yǔ)音數(shù)據(jù)進(jìn)行處理，提取其中的語(yǔ)音數(shù)據(jù)特征；可以利用文字識(shí)別技術(shù)對(duì)保存的文本數(shù)據(jù)進(jìn)行處理，提取其中的文本數(shù)據(jù)特征等。其中，表情識(shí)別技術(shù)可以為任何一種表情識(shí)別技術(shù)，可以在本步驟之前，或者是本步驟之前的任一步驟之前，根據(jù)需求設(shè)定表情識(shí)別技術(shù)的具體情況，對(duì)此本發(fā)明實(shí)施例不加以限定。語(yǔ)音識(shí)別技術(shù)也可以為任何一種語(yǔ)音識(shí)別技術(shù)，可以在本步驟之前，或者是本步驟之前的任一步驟之前，根據(jù)需求設(shè)定語(yǔ)音識(shí)別技術(shù)的具體情況，對(duì)此本發(fā)明實(shí)施例不加以限定。文本識(shí)別技術(shù)可以為任何一種文本識(shí)別技術(shù)，可以在本步驟之前，或者是本步驟之前的任一步驟之前，根據(jù)需求設(shè)定文本識(shí)別技術(shù)的具體情況，對(duì)此本發(fā)明實(shí)施例不加以限定。例如，假設(shè)初始情緒特征集中包含面部表情特征和語(yǔ)音數(shù)據(jù)特征，那么在本發(fā)明實(shí)施例中，可以利用表情識(shí)別技術(shù)對(duì)拍攝的包含面部表情的圖片進(jìn)行處理，得到面部表情特征x1,x2,....xn1，同時(shí)利用語(yǔ)音識(shí)別技術(shù)對(duì)錄制的語(yǔ)音數(shù)據(jù)進(jìn)行處理，得到語(yǔ)音數(shù)據(jù)特征y1,y2....yn2。進(jìn)而可以將面部表情特征和語(yǔ)音數(shù)據(jù)特征合并生成初始情緒特征集{x1,x2,...xn1,y1,y2,...yn2}。步驟102，將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集。在獲取了用戶的初始情緒特征集之后，則可以對(duì)初始情緒特征集中各維度的特征進(jìn)行操作。在本發(fā)明實(shí)施例中，為了減少運(yùn)算的數(shù)據(jù)量，可以將初始情緒特征集中非指定的維度特征刪除。其中，在指定維度的特征對(duì)情緒識(shí)別的結(jié)果影響較大。在本發(fā)明實(shí)施例中，可以在本步驟之前根據(jù)需求預(yù)先設(shè)置指定維度的具體情況，也可以根據(jù)實(shí)驗(yàn)或計(jì)算等方式確定指定維度的具體情況，對(duì)此本發(fā)明實(shí)施例不加以限定。步驟103，利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。其中的情緒分類模型可以根據(jù)輸入的精簡(jiǎn)情緒特征集輸出對(duì)應(yīng)的情緒標(biāo)簽。因此，在本發(fā)明實(shí)施例中，在得到精簡(jiǎn)情緒特征集之后，則可以利用情緒分類模型對(duì)精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，以確定所述用戶的情緒標(biāo)簽。具體地，以精簡(jiǎn)情緒特征集輸入情緒分類模型，那么情緒分類模型的輸出結(jié)果即為該用戶當(dāng)前的情緒標(biāo)簽。情緒分類模型具體可以為支持向量機(jī)(SupportVectorMachine，SVM)分類器、貝葉斯分類器、神經(jīng)網(wǎng)絡(luò)分類器等等，對(duì)此本發(fā)明實(shí)施例不加以限定。在本發(fā)明實(shí)施例中，可以預(yù)先設(shè)定情緒標(biāo)簽的種類包括無(wú)特征(Neutral)、高興(Happy)、驚訝(Surprise)、生氣(Angry)、厭惡(Disgust)、害怕(Fear)、傷心(Sad)等等，還可以將各個(gè)類型分為不同的等級(jí)，例如將生氣分為不同程度的生氣等，對(duì)此本發(fā)明實(shí)施例不加以限定。那么在本發(fā)明實(shí)施例中，則情緒分類模型可以根據(jù)輸入的精簡(jiǎn)情緒特征集確定用戶當(dāng)前為上述的一種情緒標(biāo)簽。另外，在本發(fā)明實(shí)施例中，可以先利用至少一個(gè)已知情緒標(biāo)簽的精簡(jiǎn)情緒特征集合樣本在本步驟之前，或者是本步驟之前的任一步驟之前對(duì)情緒分類模型進(jìn)行訓(xùn)練，對(duì)此本發(fā)明實(shí)施例也不加以限定。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。實(shí)施例二詳細(xì)介紹本發(fā)明實(shí)施例提供的一種情緒識(shí)別方法。參照?qǐng)D2，示出了本發(fā)明實(shí)施例中一種情緒識(shí)別方法的步驟流程圖。步驟201，獲取所述用戶的面部表情特征集以及語(yǔ)音數(shù)據(jù)特征集?？蛇x地，如果用戶的初始情緒特征集中包含面部表情特征和語(yǔ)音數(shù)據(jù)特征，那么，在本發(fā)明實(shí)施例中，可以先獲取用戶的面部表情特征集以及語(yǔ)音數(shù)據(jù)特征集。具體的可以利用表情識(shí)別技術(shù)對(duì)包含用戶面部表情的圖片進(jìn)行處理，提取其中的面部表情特征并生成面部表情特征集；可以利用語(yǔ)音識(shí)別技術(shù)對(duì)錄制的語(yǔ)音數(shù)據(jù)進(jìn)行處理，提取其中的語(yǔ)音數(shù)據(jù)特征并生成語(yǔ)音數(shù)據(jù)特征集。例如，利用表情識(shí)別技術(shù)對(duì)拍攝的包含面部表情的圖片進(jìn)行處理，生成面部表情特征集{x1,x2,....xn1}，同時(shí)利用語(yǔ)音識(shí)別技術(shù)對(duì)錄制的語(yǔ)音數(shù)據(jù)進(jìn)行處理，得到語(yǔ)音數(shù)據(jù)特征集{y1,y2....yn2}。步驟202，按照預(yù)設(shè)規(guī)則將所述面部表情特征集和語(yǔ)音數(shù)據(jù)特征集合并得到初始情緒特征集。在獲取了用戶的面部表情特征集以及語(yǔ)音數(shù)據(jù)特征集之后，即可以按照預(yù)設(shè)規(guī)則將面部表情特征集和語(yǔ)音數(shù)據(jù)特征集合并得到初始情緒特征集。具體的，可以將語(yǔ)音數(shù)據(jù)特征集包含的各維特征按序插入面部表情特征集最后一個(gè)維度之后得到初始情緒特征集；或者是將面部表情特征集包含的各維特征按序插入語(yǔ)音數(shù)據(jù)特征集最后一個(gè)維度之后得到初始情緒特征集等等。在本發(fā)明實(shí)施例中，可以在本步驟之前，或者是本步驟之前的任一步驟之前根據(jù)需求設(shè)定預(yù)設(shè)規(guī)則的具體情況，對(duì)此本發(fā)明實(shí)施例不加以限定。例如，對(duì)于上述的面部表情特征集{x1,x2,....xn1}和語(yǔ)音數(shù)據(jù)特征集{y1,y2....yn2}，如果預(yù)設(shè)規(guī)則為將語(yǔ)音數(shù)據(jù)特征集包含的各維特征按序插入面部表情特征集最后一個(gè)維度之后，那么初始情緒特征集為{x1,x2,...xn1,y1,y2,...yn2}；而如果預(yù)設(shè)規(guī)則為將面部表情特征集包含的各維特征按序插入語(yǔ)音數(shù)據(jù)特征集最后一個(gè)維度之后，那么初始情緒特征集為{y1,y2,...yn2,x1,x2,...xn1}。步驟203，利用包含各維度特征的樣本數(shù)據(jù)，計(jì)算各維度的特征的重要性，以確定指定維度。在本發(fā)明實(shí)施例中，可以利用包含各維度特征的樣本數(shù)據(jù)，計(jì)算各維度特征的重要性。從而確定對(duì)識(shí)別結(jié)果準(zhǔn)確性影響比較大的指定維度。例如，可以分別計(jì)算各個(gè)維度特征缺失時(shí)，利用其他維度特征得到的識(shí)別結(jié)果的準(zhǔn)確率，如果準(zhǔn)確率越高則說(shuō)明缺失的維度對(duì)應(yīng)的特征對(duì)識(shí)別結(jié)果的影響程度越低，那么其重要性也比較低。在確定各個(gè)維度特征的重要性之后，在本發(fā)明實(shí)施例中，可以設(shè)定指定維度的數(shù)量，那么可以取重要性排序靠前的對(duì)應(yīng)數(shù)量的維度作為指定維度；也可以設(shè)定指定維度的重要性閾值，那么則可以取重要性滿足重要性閾值的維度作為指定維度，當(dāng)然也可以根據(jù)其他可用規(guī)則確定指定維度，對(duì)此本發(fā)明實(shí)施例不加以限定。步驟204，將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集。步驟205，利用至少一個(gè)已知情緒標(biāo)簽的情緒特征集優(yōu)化訓(xùn)練所述情緒分類模型。在實(shí)際應(yīng)用中，情緒分類模型的輸入為初始情緒特征集中包含的各個(gè)維度特征，但是在本發(fā)明實(shí)施例中，需要對(duì)初始情緒特征集中的特征進(jìn)行刪減，進(jìn)而導(dǎo)致情緒分類模型的輸入?yún)?shù)減少為指定維度的特征，因此在本發(fā)明實(shí)施例中，為了保證情緒分類模型的準(zhǔn)確性，可以在利用情緒分類模型識(shí)別確定用戶的情緒標(biāo)簽之前，可以先對(duì)情緒分類模型進(jìn)行優(yōu)化訓(xùn)練。具體的可以利用至少一個(gè)已知情緒標(biāo)簽的情緒特征集優(yōu)化訓(xùn)練所述情緒分類模型。其中的情緒特征集為只保留上述指定維度特征的情緒特征集。如果情緒特征集中包含除上述指定維度以外的其他維度的特征，那么需要先將情緒特征集中指定維度以外的其他維度刪除，也即將情緒特征集中非指定的維度特征刪除，然后利用刪除了非指定的維度特征的情緒特征集優(yōu)化訓(xùn)練情緒分類模型。具體的，可以利用只保留指定維度的情緒特征集作為情緒分類模型的輸入，以對(duì)應(yīng)該情緒特征集的情緒標(biāo)簽作為輸出，優(yōu)化訓(xùn)練情緒分類模型中的各個(gè)參數(shù)。步驟206，利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。步驟207，根據(jù)所述情緒標(biāo)簽控制所述移動(dòng)終端執(zhí)行對(duì)應(yīng)所述情緒標(biāo)簽的操作。在本發(fā)明實(shí)施例中，在確認(rèn)用戶的情緒標(biāo)簽之后，還可以根據(jù)情緒標(biāo)簽控制移動(dòng)終端執(zhí)行對(duì)應(yīng)情緒標(biāo)簽的操作。例如，如果確認(rèn)用戶當(dāng)前的情緒標(biāo)簽為生氣，那么可以控制移動(dòng)終端播放歡快的音樂(lè)或者搞笑的視頻動(dòng)畫(huà)等。具體的可以在本步驟之前，或者是本步驟之前的任一步驟之前，根據(jù)需求設(shè)定移動(dòng)終端對(duì)應(yīng)不同情緒標(biāo)簽需要執(zhí)行的操作，對(duì)此本發(fā)明實(shí)施例不加以限定。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。而且，在本發(fā)明實(shí)施例中，是利用用戶的面部表情情緒特征和語(yǔ)音數(shù)據(jù)情緒特征構(gòu)建初始情緒特征集，并且可以在利用情緒分類模型識(shí)別用戶的表情標(biāo)簽之前，還會(huì)對(duì)情緒分類模型進(jìn)行訓(xùn)練，從而使情緒分類模型的準(zhǔn)確率更高。實(shí)施例三詳細(xì)介紹本發(fā)明實(shí)施例提供的一種情緒識(shí)別方法。參照?qǐng)D3，示出了本發(fā)明實(shí)施例中一種情緒識(shí)別方法的步驟流程圖。步驟301，獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征。步驟302，利用包含各維度特征的樣本數(shù)據(jù)，在各維度的特征缺失時(shí)，分別計(jì)算所述情緒分類模型的準(zhǔn)確率。如前述，可以根據(jù)各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率確定相應(yīng)維度的重要性。因此在本發(fā)明實(shí)施例中，可以利用包含各維度特征的樣本數(shù)據(jù)，計(jì)算各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率。具體的可以利用情緒分類模型識(shí)別任一維度缺失時(shí)用戶的情緒標(biāo)簽是否與已知的用戶情緒標(biāo)簽一致的比例。例如，利用情緒分類模型識(shí)別10個(gè)缺失同一維度的情緒特征集合的情緒標(biāo)簽，如果識(shí)別結(jié)果中有8個(gè)對(duì)應(yīng)與已知的各個(gè)情緒特征集合的情緒標(biāo)簽一致，那么可以得知該維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率為8/10，即0.8。另外，在本發(fā)明實(shí)施例中，為了避免其他因素的干擾，保證計(jì)算得到的各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率本身的準(zhǔn)確性。在計(jì)算某一維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率之前，可以先利用至少一個(gè)已知情緒標(biāo)簽且對(duì)應(yīng)維度的特征缺失的訓(xùn)練集訓(xùn)練該情緒分類模型。步驟303，根據(jù)所述準(zhǔn)確率計(jì)算各維度的權(quán)重，并判斷所述權(quán)重是否大于預(yù)設(shè)權(quán)重閾值。在確定了各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率之后，即可以根據(jù)準(zhǔn)確率計(jì)算各維度的權(quán)重。如前述，對(duì)應(yīng)某一維度的特征缺失時(shí)的準(zhǔn)確率越高，則說(shuō)明該維度的特征對(duì)情緒識(shí)別的影響越小，因此該維度的權(quán)重也越小。也即各維度的權(quán)重與該維度缺失時(shí)的準(zhǔn)確率成反比。那么，在本發(fā)明實(shí)施例中，可以取各維度缺失時(shí)的準(zhǔn)確率的倒數(shù)作為對(duì)應(yīng)各維度的權(quán)重，當(dāng)然也可以采用其他任何可用方式確定各維度的權(quán)重，對(duì)此本發(fā)明實(shí)施例不加以限定。另外，在本發(fā)明實(shí)施例中，可以在本步驟之前，或者是本步驟之前的任一步驟之前根據(jù)需求設(shè)定指定維度的權(quán)重需要滿足的預(yù)設(shè)權(quán)重閾值，那么在確定各維度的權(quán)重之后即可以判斷各維度的權(quán)重是否大于預(yù)設(shè)權(quán)重閾值。如果任一權(quán)重大于預(yù)設(shè)權(quán)重閾值，則確定該權(quán)重對(duì)應(yīng)的維度為指定維度。可選地，在本發(fā)明實(shí)施例中，所述步驟303進(jìn)一步可以包括：根據(jù)所述準(zhǔn)確率，利用層次分析算法計(jì)算各維度的權(quán)重。在本發(fā)明實(shí)施例中，可以根據(jù)準(zhǔn)確率利用層次分析算法計(jì)算各維度的權(quán)重。以上述的初始情緒特征集x1,x2,...xn1,y1,y2,...yn2為例，具體計(jì)算過(guò)程如下：設(shè)定任一維度i缺失時(shí)對(duì)應(yīng)的情緒分類模型準(zhǔn)確率為accui，那么可以構(gòu)造層次分析算法的成對(duì)比較矩陣：其中，從理論上分析得到，如果A是完全一致的成對(duì)比較矩陣，應(yīng)該有aijajk＝aik，其中1≤i,j,k≤(n1+n2)。但實(shí)際上在構(gòu)造成對(duì)比較矩陣時(shí)要求滿足上述眾多等式是不可能的。因此退而要求成對(duì)比較矩陣有一定的一致性，即可以允許成對(duì)比較矩陣存在一定程度的不一致性。在層次分析法中，利用對(duì)應(yīng)于成對(duì)比較矩陣A的最大特征值λ的特征向量作為權(quán)重向量w，即Aw＝λw。由于λ連續(xù)的依賴于aij，則λ比A的列數(shù)或行數(shù)，即n1與n2之和大的越多，A的不一致性越嚴(yán)重。用最大特征根對(duì)應(yīng)的特征向量作為被比較因素對(duì)上層某因素影響程度的權(quán)重向量，其不一致程度越大，引起的判斷誤差越大。因而可以用λ-n數(shù)值的大小來(lái)衡量A的不一致程度。定義一致性指標(biāo):其中，CI越大，不一致越嚴(yán)重。定義隨機(jī)一致性指標(biāo)RI：它的值與n1+n2的關(guān)系如表(1)：表(1)n1+n2123456789RI000.580.901.121.241.321.411.45定義一致性比率：一般，當(dāng)一致性比率小于0.1時(shí)，認(rèn)為A的不一致程度在容許范圍之內(nèi)，有滿意的一致性，通過(guò)一致性檢驗(yàn)。那么可用其歸一化特征向量作為權(quán)重向量。步驟304，如果所述權(quán)重大于預(yù)設(shè)權(quán)重閾值，則確定所述權(quán)重對(duì)應(yīng)的維度為指定維度。步驟305，將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集。步驟306，利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。而且，在本發(fā)明實(shí)施例中，根據(jù)各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率計(jì)算各維度的權(quán)重，并且根據(jù)各維度的權(quán)重確定指定維度，從而可以體高精簡(jiǎn)情緒特征集的準(zhǔn)確性，進(jìn)而提高情緒識(shí)別的準(zhǔn)確率。實(shí)施例四詳細(xì)介紹本發(fā)明實(shí)施例提供的一種情緒識(shí)別方法。參照?qǐng)D4，示出了本發(fā)明實(shí)施例中一種情緒識(shí)別方法的步驟流程圖。步驟401，獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征。步驟402，構(gòu)建與所述情緒分類模型相對(duì)應(yīng)的訓(xùn)練集合和測(cè)試集合；所述訓(xùn)練集合中包含至少一個(gè)已知情緒標(biāo)簽的訓(xùn)練情緒特征集，所述測(cè)試集合中包含至少一個(gè)已知情緒標(biāo)簽的測(cè)試情緒特征集。在本發(fā)明實(shí)施例中，為了計(jì)算各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率，可以先分別構(gòu)建該情緒分類模型相對(duì)應(yīng)的訓(xùn)練集合和測(cè)試集合。其中，訓(xùn)練集合中包含至少一個(gè)已知情緒標(biāo)簽的訓(xùn)練情緒特征集，所述集合中包含至少一個(gè)已知情緒標(biāo)簽的測(cè)試情緒特征集。需要說(shuō)明的是，在本發(fā)明實(shí)施例中設(shè)定各個(gè)訓(xùn)練情緒特征集和測(cè)試情緒特征集與初始情緒特征集合中各維度對(duì)應(yīng)的特征類型是一致的，但是具體的取值可以不一致。例如初始情緒特征集合中各維度對(duì)應(yīng)的特征類型依次分別為眼睛的大小、嘴巴是否張開(kāi)、聲音的頻率、語(yǔ)速，那么訓(xùn)練情緒特征集和測(cè)試情緒特征集各維度對(duì)應(yīng)的特征類型也依次為眼睛的大小、嘴巴是否張開(kāi)、聲音的頻率、語(yǔ)速。步驟403，刪除所述訓(xùn)練集合中各個(gè)訓(xùn)練情緒特征集任一維度的特征，并利用刪除所述特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練所述情緒分類模型。在本發(fā)明實(shí)施例中，需要計(jì)算各個(gè)維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率。因此需要?jiǎng)h除訓(xùn)練集合中各個(gè)訓(xùn)練情緒特征集任一維度的特征，并利用刪除該特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練情緒分類模型。例如從第一維度開(kāi)始，首先刪除訓(xùn)練集合中各個(gè)訓(xùn)練情緒特征集第一維度的特征，并利用刪除第一維度的特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練情緒分類模型。步驟404，刪除所述測(cè)試集合中各個(gè)測(cè)試情緒特征集同一維度的特征，并利用所述情緒分類模型對(duì)刪除所述特征的測(cè)試情緒特征集進(jìn)行分類。在利用刪除任一維度的特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練完情緒分類模型之后，即可以刪除測(cè)試集合中各個(gè)測(cè)試情緒特征集同一維度的特征，并利用情緒分類模型對(duì)刪除該特征的測(cè)試情緒特征集進(jìn)行分類。例如，在利用刪除第一維度的特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練情緒分類模型之后，刪除測(cè)試集合中各個(gè)測(cè)試情緒特征集中第一維度的特征，并利用此時(shí)訓(xùn)練后的情緒分類模型對(duì)刪除第一維度特征的測(cè)試情緒特征集進(jìn)行分類。在本發(fā)明實(shí)施例中，可以按照一定順序，從指定維度開(kāi)始執(zhí)行依次執(zhí)行步驟403-404直至最后一個(gè)維度，從而可以得到各維度缺失時(shí)情緒分類模型的準(zhǔn)確率。步驟405，計(jì)算所述分類的分類結(jié)果準(zhǔn)確率即為所述維度的特征缺失時(shí)所述情緒分類模型的準(zhǔn)確率。例如，計(jì)算利用刪除第一維度的特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練后的情緒分類模型，對(duì)刪除第一維度的特征的測(cè)試情緒特征集進(jìn)行分類的準(zhǔn)確度即為第一維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率。步驟406，根據(jù)所述準(zhǔn)確率計(jì)算各維度的權(quán)重，并判斷所述權(quán)重是否大于預(yù)設(shè)權(quán)重閾值。步驟407，如果所述權(quán)重大于預(yù)設(shè)權(quán)重閾值，則確定所述權(quán)重對(duì)應(yīng)的維度為指定維度。步驟408，將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集。步驟409，將各個(gè)測(cè)試情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)測(cè)試情緒特征集。在本發(fā)明實(shí)施例中，在利用情緒分類模型對(duì)用戶的精簡(jiǎn)情緒特征集進(jìn)行識(shí)別以確定用戶的情緒標(biāo)簽之前，可以利用步驟402中構(gòu)建的測(cè)試集合中的各個(gè)測(cè)試情緒特征集訓(xùn)練所述。但是用戶的精簡(jiǎn)情緒特征集是只保留特定維度的初始情緒特征集，因此在本發(fā)明實(shí)施例中，為了訓(xùn)練的準(zhǔn)確性可以先將各個(gè)測(cè)試情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)測(cè)試情緒特征集。步驟410，以所述精簡(jiǎn)測(cè)試情緒特征集中各維度的特征作為輸入，所述精簡(jiǎn)測(cè)試情緒特征集對(duì)應(yīng)的情緒標(biāo)簽作為輸出，訓(xùn)練所述情緒分類模型。其中，所述精簡(jiǎn)測(cè)試情緒特征集對(duì)應(yīng)的情緒標(biāo)簽即為該精簡(jiǎn)測(cè)試情緒特征集對(duì)應(yīng)的測(cè)試情緒特征集的情緒標(biāo)簽。步驟411，利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。另外，在本發(fā)明實(shí)施例中，可以構(gòu)建情緒分類模型相對(duì)應(yīng)的訓(xùn)練集合和測(cè)試集合，并且利用訓(xùn)練集合中的各個(gè)訓(xùn)練情緒特征集和測(cè)試集合中的各個(gè)測(cè)試情緒特征集計(jì)算各個(gè)維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率，而且可以在利用情緒分類模型對(duì)精簡(jiǎn)情緒特征集進(jìn)行識(shí)別以確定用戶的情緒標(biāo)簽之前，利用測(cè)試集合中的各個(gè)測(cè)試情緒特征集對(duì)情緒分類模型進(jìn)行訓(xùn)練，從而可以進(jìn)一步提高情緒識(shí)別的準(zhǔn)確性。實(shí)施例五詳細(xì)介紹本發(fā)明實(shí)施例提供的一種移動(dòng)終端。參照?qǐng)D5，示出了本發(fā)明實(shí)施例中一種移動(dòng)終端的結(jié)構(gòu)示意圖。本發(fā)明實(shí)施例的移動(dòng)終端500包括：初始情緒特征集獲取模塊501、精簡(jiǎn)情緒特征集獲取模塊502和情緒標(biāo)簽確定模塊503。下面分別詳細(xì)介紹各模塊的功能以及各模塊之間的交互關(guān)系。初始情緒特征集獲取模塊501，用于獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征。精簡(jiǎn)情緒特征集獲取模塊502，用于將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集。情緒標(biāo)簽確定模塊503，用于利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。實(shí)施例六詳細(xì)介紹本發(fā)明實(shí)施例提供的一種移動(dòng)終端。參照?qǐng)D6，示出了本發(fā)明實(shí)施例中一種移動(dòng)終端的結(jié)構(gòu)示意圖。本發(fā)明實(shí)施例的移動(dòng)終端600包括：初始情緒特征集獲取模塊601、指定維度確定模塊602、精簡(jiǎn)情緒特征集獲取模塊603、情緒分類模型優(yōu)化訓(xùn)練模塊604、情緒標(biāo)簽確定模塊605和控制操作模塊606。下面分別詳細(xì)介紹各模塊的功能以及各模塊之間的交互關(guān)系。初始情緒特征集獲取模塊601，用于獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征?？蛇x地，在本發(fā)明實(shí)施例中，所述初始情緒特征集獲取模塊601，進(jìn)一步可以包括：特征集獲取子模塊6011，用于獲取所述用戶的面部表情特征集以及語(yǔ)音數(shù)據(jù)特征集。初始情緒特征集生成子模塊6012，用于按照預(yù)設(shè)規(guī)則將所述面部表情特征集和語(yǔ)音數(shù)據(jù)特征集合并得到初始情緒特征集。指定維度確定模塊602，用于利用包含各維度特征的樣本數(shù)據(jù)，計(jì)算各維度的特征的重要性，以確定指定維度?？蛇x地，在本發(fā)明實(shí)施例中，所述指定維度確定模602，進(jìn)一步可以包括：準(zhǔn)確率計(jì)算子模塊6021，用于利用包含各維度特征的樣本數(shù)據(jù)，在各維度的特征缺失時(shí)，分別計(jì)算所述情緒分類模型的準(zhǔn)確率?？蛇x地，在本發(fā)明實(shí)施例中，所述準(zhǔn)確率計(jì)算子模塊6021，進(jìn)一步可以包括：集合創(chuàng)建單元60211，用于構(gòu)建與所述情緒分類模型相對(duì)應(yīng)的訓(xùn)練集合和測(cè)試集合；所述訓(xùn)練集合中包含至少一個(gè)已知情緒標(biāo)簽的訓(xùn)練情緒特征集，所述測(cè)試集合中包含至少一個(gè)已知情緒標(biāo)簽的測(cè)試情緒特征集。情緒分類模型訓(xùn)練單元60212，用于刪除所述訓(xùn)練集合中各個(gè)訓(xùn)練情緒特征集任一維度的特征，并利用刪除所述特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練所述情緒分類模型。分類單元60213，用于刪除所述測(cè)試集合中各個(gè)測(cè)試情緒特征集同一維度的特征，并利用所述情緒分類模型對(duì)刪除所述特征的測(cè)試情緒特征集進(jìn)行分類。準(zhǔn)確率計(jì)算單元60214，用于計(jì)算所述分類的分類結(jié)果準(zhǔn)確率即為所述維度的特征缺失時(shí)所述情緒分類模型的準(zhǔn)確率?？蛇x地，在本發(fā)明實(shí)施例中，所述準(zhǔn)確率計(jì)算單元60214，還可以用于：根據(jù)所述準(zhǔn)確率，利用層次分析算法計(jì)算各維度的權(quán)重。權(quán)重計(jì)算判斷子模塊6022，用于根據(jù)所述準(zhǔn)確率計(jì)算各維度的權(quán)重，并判斷所述權(quán)重是否大于預(yù)設(shè)權(quán)重閾值。指定維度確定子模塊6023，用于如果所述權(quán)重大于預(yù)設(shè)權(quán)重閾值，則確定所述權(quán)重對(duì)應(yīng)的維度為指定維度。精簡(jiǎn)情緒特征集獲取模塊603，用于將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集。情緒分類模型優(yōu)化訓(xùn)練模塊604，用于利用至少一個(gè)已知情緒標(biāo)簽的情緒特征集優(yōu)化訓(xùn)練所述情緒分類模型?？蛇x地，在本發(fā)明實(shí)施例中，所述情緒分類模型優(yōu)化訓(xùn)練模塊604，進(jìn)一步可以包括：精簡(jiǎn)測(cè)試情緒特征集生成子模塊6041，用于將各個(gè)測(cè)試情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)測(cè)試情緒特征集。情緒分類模型優(yōu)化訓(xùn)練子模塊6042，用于以所述精簡(jiǎn)測(cè)試情緒特征集中各維度的特征作為輸入，所述精簡(jiǎn)測(cè)試情緒特征集對(duì)應(yīng)的情緒標(biāo)簽作為輸出，訓(xùn)練所述情緒分類模型。情緒標(biāo)簽確定模塊605，用于利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。控制操作模塊606，用于根據(jù)所述情緒標(biāo)簽控制所述移動(dòng)終端執(zhí)行對(duì)應(yīng)所述情緒標(biāo)簽的操作。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。而且，在本發(fā)明實(shí)施例中，根據(jù)各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率計(jì)算各維度的權(quán)重，并且根據(jù)各維度的權(quán)重確定指定維度，從而可以體高精簡(jiǎn)情緒特征集的準(zhǔn)確性，進(jìn)而提高情緒識(shí)別的準(zhǔn)確率。另外，在本發(fā)明實(shí)施例中，可以構(gòu)建情緒分類模型對(duì)相應(yīng)的訓(xùn)練集合和測(cè)試集合，并且利用訓(xùn)練集合中的各個(gè)訓(xùn)練情緒特征集和測(cè)試集合中的各個(gè)測(cè)試情緒特征集計(jì)算各個(gè)維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率，而且可以在利用情緒分類模型對(duì)精簡(jiǎn)情緒特征集進(jìn)行識(shí)別以確定用戶的情緒標(biāo)簽之前，利用測(cè)試集合中的各個(gè)測(cè)試情緒特征集對(duì)情緒分類模型進(jìn)行訓(xùn)練，從而可以進(jìn)一步提高情緒識(shí)別的準(zhǔn)確性。實(shí)施例七詳細(xì)介紹本發(fā)明實(shí)施例提供的一種移動(dòng)終端。參照?qǐng)D7，示出了本發(fā)明實(shí)施例中一種移動(dòng)終端的框圖。圖7所示的移動(dòng)終端700包括：至少一個(gè)處理器701、存儲(chǔ)器702、至少一個(gè)網(wǎng)絡(luò)接口704和用戶接口703。移動(dòng)終端700中的各個(gè)組件通過(guò)總線系統(tǒng)705耦合在一起。可理解，總線系統(tǒng)705用于實(shí)現(xiàn)這些組件之間的連接通信。總線系統(tǒng)705除包括數(shù)據(jù)總線之外，還包括電源總線、控制總線和狀態(tài)信號(hào)總線。但是為了清楚說(shuō)明起見(jiàn)，在圖7中將各種總線都標(biāo)為總線系統(tǒng)705。其中，用戶接口703可以包括顯示器、鍵盤(pán)或者點(diǎn)擊設(shè)備(例如，鼠標(biāo)，軌跡球(trackball)、觸感板或者觸摸屏等?？梢岳斫?，本發(fā)明實(shí)施例中的存儲(chǔ)器702可以是易失性存儲(chǔ)器或非易失性存儲(chǔ)器，或可包括易失性和非易失性存儲(chǔ)器兩者。其中，非易失性存儲(chǔ)器可以是只讀存儲(chǔ)器(Read-OnlyMemory，ROM)、可編程只讀存儲(chǔ)器(ProgrammableROM，PROM)、可擦除可編程只讀存儲(chǔ)器(ErasablePROM，EPROM)、電可擦除可編程只讀存儲(chǔ)器(ElectricallyEPROM，EEPROM)或閃存。易失性存儲(chǔ)器可以是隨機(jī)存取存儲(chǔ)器(RandomAccessMemory，RAM)，其用作外部高速緩存。通過(guò)示例性但不是限制性說(shuō)明，許多形式的RAM可用，例如靜態(tài)隨機(jī)存取存儲(chǔ)器(StaticRAM，SRAM)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(DynamicRAM，DRAM)、同步動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(SynchronousDRAM，SDRAM)、雙倍數(shù)據(jù)速率同步動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(DoubleDataRateSDRAM，DDRSDRAM)、增強(qiáng)型同步動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(EnhancedSDRAM，ESDRAM)、同步連接動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(SynchlinkDRAM，SLDRAM)和直接內(nèi)存總線隨機(jī)存取存儲(chǔ)器(DirectRambusRAM，DRRAM)。本發(fā)明實(shí)施例描述的系統(tǒng)和方法的存儲(chǔ)器702旨在包括但不限于這些和任意其它適合類型的存儲(chǔ)器。在一些實(shí)施方式中，存儲(chǔ)器702存儲(chǔ)了如下的元素，可執(zhí)行模塊或者數(shù)據(jù)結(jié)構(gòu)，或者他們的子集，或者他們的擴(kuò)展集：操作系統(tǒng)7021和應(yīng)用程序7022。其中，操作系統(tǒng)7021，包含各種系統(tǒng)程序，例如框架層、核心庫(kù)層、驅(qū)動(dòng)層等，用于實(shí)現(xiàn)各種基礎(chǔ)業(yè)務(wù)以及處理基于硬件的任務(wù)。應(yīng)用程序7022，包含各種應(yīng)用程序，例如媒體播放器(MediaPlayer)、瀏覽器(Browser)等，用于實(shí)現(xiàn)各種應(yīng)用業(yè)務(wù)。實(shí)現(xiàn)本發(fā)明實(shí)施例方法的程序可以包含在應(yīng)用程序7022中。在本發(fā)明實(shí)施例中，通過(guò)調(diào)用存儲(chǔ)器702存儲(chǔ)的程序或指令，具體的，可以是應(yīng)用程序7022中存儲(chǔ)的程序或指令，處理器701用于獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。上述本發(fā)明實(shí)施例揭示的方法可以應(yīng)用于處理器701中，或者由處理器701實(shí)現(xiàn)。處理器701可能是一種集成電路芯片，具有信號(hào)的處理能力。在實(shí)現(xiàn)過(guò)程中，上述方法的各步驟可以通過(guò)處理器701中的硬件的集成邏輯電路或者軟件形式的指令完成。上述的處理器701可以是通用處理器、數(shù)字信號(hào)處理器(DigitalSignalProcessor，DSP)、專用集成電路(ApplicationSpecificIntegratedCircuit，ASIC)、現(xiàn)成可編程門(mén)陣列(FieldProgrammableGateArray，F(xiàn)PGA)或者其他可編程邏輯器件、分立門(mén)或者晶體管邏輯器件、分立硬件組件?？梢詫?shí)現(xiàn)或者執(zhí)行本發(fā)明實(shí)施例中的公開(kāi)的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。結(jié)合本發(fā)明實(shí)施例所公開(kāi)的方法的步驟可以直接體現(xiàn)為硬件譯碼處理器執(zhí)行完成，或者用譯碼處理器中的硬件及軟件模塊組合執(zhí)行完成。軟件模塊可以位于隨機(jī)存儲(chǔ)器，閃存、只讀存儲(chǔ)器，可編程只讀存儲(chǔ)器或者電可擦寫(xiě)可編程存儲(chǔ)器、寄存器等本領(lǐng)域成熟的存儲(chǔ)介質(zhì)中。該存儲(chǔ)介質(zhì)位于存儲(chǔ)器702，處理器701讀取存儲(chǔ)器702中的信息，結(jié)合其硬件完成上述方法的步驟?？梢岳斫獾氖?，本發(fā)明實(shí)施例描述的這些實(shí)施例可以用硬件、軟件、固件、中間件、微碼或其組合來(lái)實(shí)現(xiàn)。對(duì)于硬件實(shí)現(xiàn)，處理單元可以實(shí)現(xiàn)在一個(gè)或多個(gè)專用集成電路(ApplicationSpecificIntegratedCircuits，ASIC)、數(shù)字信號(hào)處理器(DigitalSignalProcessing，DSP)、數(shù)字信號(hào)處理設(shè)備(DSPDevice，DSPD)、可編程邏輯設(shè)備(ProgrammableLogicDevice，PLD)、現(xiàn)場(chǎng)可編程門(mén)陣列(Field-ProgrammableGateArray，F(xiàn)PGA)、通用處理器、控制器、微控制器、微處理器、用于執(zhí)行本申請(qǐng)所述功能的其它電子單元或其組合中。對(duì)于軟件實(shí)現(xiàn)，可通過(guò)執(zhí)行本發(fā)明實(shí)施例所述功能的模塊(例如過(guò)程、函數(shù)等)來(lái)實(shí)現(xiàn)本發(fā)明實(shí)施例所述的技術(shù)。軟件代碼可存儲(chǔ)在存儲(chǔ)器中并通過(guò)處理器執(zhí)行。存儲(chǔ)器可以在處理器中或在處理器外部實(shí)現(xiàn)?？蛇x地，作為另一個(gè)實(shí)施例，處理器701還用于：利用包含各維度特征的樣本數(shù)據(jù)，計(jì)算各維度的特征的重要性，以確定指定維度?？蛇x地，作為另一個(gè)實(shí)施例，處理器701還用于：利用包含各維度特征的樣本數(shù)據(jù)，在各維度的特征缺失時(shí)，分別計(jì)算所述情緒分類模型的準(zhǔn)確率；根據(jù)所述準(zhǔn)確率計(jì)算各維度的權(quán)重，并判斷所述權(quán)重是否大于預(yù)設(shè)權(quán)重閾值；如果所述權(quán)重大于預(yù)設(shè)權(quán)重閾值，則確定所述權(quán)重對(duì)應(yīng)的維度為指定維度。可選地，處理器701還用于：構(gòu)建與所述情緒分類模型相對(duì)應(yīng)的訓(xùn)練集合和測(cè)試集合；所述訓(xùn)練集合中包含至少一個(gè)已知情緒標(biāo)簽的訓(xùn)練情緒特征集，所述測(cè)試集合中包含至少一個(gè)已知情緒標(biāo)簽的測(cè)試情緒特征集；刪除所述訓(xùn)練集合中各個(gè)訓(xùn)練情緒特征集任一維度的特征，并利用刪除所述特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練所述情緒分類模型；刪除所述測(cè)試集合中各個(gè)測(cè)試情緒特征集同一維度的特征，并利用所述情緒分類模型對(duì)刪除所述特征的測(cè)試情緒特征集進(jìn)行分類；計(jì)算所述分類的分類結(jié)果準(zhǔn)確率即為所述維度的特征缺失時(shí)所述情緒分類模型的準(zhǔn)確率。可選地，處理器701還用于：根據(jù)所述準(zhǔn)確率，利用層次分析算法計(jì)算各維度的權(quán)重?？蛇x地，處理器701還用于：利用至少一個(gè)已知情緒標(biāo)簽的情緒特征集優(yōu)化訓(xùn)練所述情緒分類模型?？蛇x地，處理器701還用于：將各個(gè)測(cè)試情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)測(cè)試情緒特征集；以所述精簡(jiǎn)測(cè)試情緒特征集中各維度的特征作為輸入，所述精簡(jiǎn)測(cè)試情緒特征集對(duì)應(yīng)的情緒標(biāo)簽作為輸出，訓(xùn)練所述情緒分類模型。可選地，處理器701還用于：獲取所述用戶的面部表情特征集以及語(yǔ)音數(shù)據(jù)特征集；按照預(yù)設(shè)規(guī)則將所述面部表情特征集和語(yǔ)音數(shù)據(jù)特征集合并得到初始情緒特征集?？蛇x地，處理器701還用于：根據(jù)所述情緒標(biāo)簽控制所述移動(dòng)終端執(zhí)行對(duì)應(yīng)所述情緒標(biāo)簽的操作。移動(dòng)終端700能夠?qū)崿F(xiàn)前述實(shí)施例中移動(dòng)終端實(shí)現(xiàn)的各個(gè)過(guò)程，為避免重復(fù)，這里不再贅述。實(shí)施例八圖8是本發(fā)明另一個(gè)實(shí)施例的移動(dòng)終端的結(jié)構(gòu)示意圖。具體地，圖8中的移動(dòng)終端可以為手機(jī)、平板電腦、個(gè)人數(shù)字助理(PersonalDigitalAssistant，PDA)、或車載電腦等。圖8中的移動(dòng)終端包括射頻(RadioFrequency，RF)電路810、存儲(chǔ)器820、輸入單元830、顯示單元840、處理器860、音頻電路870、WiFi(WirelessFidelity)模塊880和電源890。其中，輸入單元830可用于接收用戶輸入的數(shù)字或字符信息，以及產(chǎn)生與移動(dòng)終端的用戶設(shè)置以及功能控制有關(guān)的信號(hào)輸入。具體地，本發(fā)明實(shí)施例中，該輸入單元830可以包括觸控面板831。觸控面板831，也稱為觸摸屏，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸控面板831上的操作)，并根據(jù)預(yù)先設(shè)定的程式驅(qū)動(dòng)相應(yīng)的連接裝置。可選的，觸控面板831可包括觸摸檢測(cè)裝置和觸摸控制器兩個(gè)部分。其中，觸摸檢測(cè)裝置檢測(cè)用戶的觸摸方位，并檢測(cè)觸摸操作帶來(lái)的信號(hào)，將信號(hào)傳送給觸摸控制器；觸摸控制器從觸摸檢測(cè)裝置上接收觸摸信息，并將它轉(zhuǎn)換成觸點(diǎn)坐標(biāo)，再送給該處理器860，并能接收處理器860發(fā)來(lái)的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實(shí)現(xiàn)觸控面板831。除了觸控面板831，輸入單元830還可以包括其他輸入設(shè)備832，其他輸入設(shè)備832可以包括但不限于物理鍵盤(pán)、功能鍵(比如音量控制按鍵、開(kāi)關(guān)按鍵等)、軌跡球、鼠標(biāo)、操作桿等中的一種或多種。其中，顯示單元840可用于顯示由用戶輸入的信息或提供給用戶的信息以及移動(dòng)終端的各種菜單界面。顯示單元840可包括顯示面板841，可選的，可以采用LCD或有機(jī)發(fā)光二極管(OrganicLight-EmittingDiode，OLED)等形式來(lái)配置顯示面板841。應(yīng)注意，觸控面板831可以覆蓋顯示面板841，形成觸摸顯示屏，當(dāng)該觸摸顯示屏檢測(cè)到在其上或附近的觸摸操作后，傳送給處理器860以確定觸摸事件的類型，隨后處理器860根據(jù)觸摸事件的類型在觸摸顯示屏上提供相應(yīng)的視覺(jué)輸出。觸摸顯示屏包括應(yīng)用程序界面顯示區(qū)及常用控件顯示區(qū)。該應(yīng)用程序界面顯示區(qū)及該常用控件顯示區(qū)的排列方式并不限定，可以為上下排列、左右排列等可以區(qū)分兩個(gè)顯示區(qū)的排列方式。該應(yīng)用程序界面顯示區(qū)可以用于顯示應(yīng)用程序的界面。每一個(gè)界面可以包含至少一個(gè)應(yīng)用程序的圖標(biāo)和/或widget桌面控件等界面元素。該應(yīng)用程序界面顯示區(qū)也可以為不包含任何內(nèi)容的空界面。該常用控件顯示區(qū)用于顯示使用率較高的控件，例如，設(shè)置按鈕、界面編號(hào)、滾動(dòng)條、電話本圖標(biāo)等應(yīng)用程序圖標(biāo)等。其中，處理器860是移動(dòng)終端的控制中心，利用各種接口和線路連接整個(gè)手機(jī)的各個(gè)部分，通過(guò)運(yùn)行或執(zhí)行存儲(chǔ)在第一存儲(chǔ)器821內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲(chǔ)在第二存儲(chǔ)器822內(nèi)的數(shù)據(jù)，執(zhí)行移動(dòng)終端的各種功能和處理數(shù)據(jù)，從而對(duì)移動(dòng)終端進(jìn)行整體監(jiān)控?？蛇x的，處理器860可包括一個(gè)或多個(gè)處理單元。在本發(fā)明實(shí)施例中，通過(guò)調(diào)用存儲(chǔ)該第一存儲(chǔ)器821內(nèi)的軟件程序和/或模塊和/或該第二存儲(chǔ)器822內(nèi)的數(shù)據(jù)，處理器860用于獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽?？蛇x地，作為另一個(gè)實(shí)施例，處理器860還用于：利用包含各維度特征的樣本數(shù)據(jù)，計(jì)算各維度的特征的重要性，以確定指定維度?？蛇x地，作為另一個(gè)實(shí)施例，處理器860還用于：利用包含各維度特征的樣本數(shù)據(jù)，在各維度的特征缺失時(shí)，分別計(jì)算所述情緒分類模型的準(zhǔn)確率；根據(jù)所述準(zhǔn)確率計(jì)算各維度的權(quán)重，并判斷所述權(quán)重是否大于預(yù)設(shè)權(quán)重閾值；如果所述權(quán)重大于預(yù)設(shè)權(quán)重閾值，則確定所述權(quán)重對(duì)應(yīng)的維度為指定維度。可選地，處理器860還用于：構(gòu)建與所述情緒分類模型相對(duì)應(yīng)的訓(xùn)練集合和測(cè)試集合；所述訓(xùn)練集合中包含至少一個(gè)已知情緒標(biāo)簽的訓(xùn)練情緒特征集，所述測(cè)試集合中包含至少一個(gè)已知情緒標(biāo)簽的測(cè)試情緒特征集；刪除所述訓(xùn)練集合中各個(gè)訓(xùn)練情緒特征集任一維度的特征，并利用刪除所述特征的各個(gè)訓(xùn)練情緒特征集訓(xùn)練所述情緒分類模型；刪除所述測(cè)試集合中各個(gè)測(cè)試情緒特征集同一維度的特征，并利用所述情緒分類模型對(duì)刪除所述特征的測(cè)試情緒特征集進(jìn)行分類；計(jì)算所述分類的分類結(jié)果準(zhǔn)確率即為所述維度的特征缺失時(shí)所述情緒分類模型的準(zhǔn)確率?？蛇x地，處理器860還用于：根據(jù)所述準(zhǔn)確率，利用層次分析算法計(jì)算各維度的權(quán)重?？蛇x地，處理器860還用于：利用至少一個(gè)已知情緒標(biāo)簽的情緒特征集優(yōu)化訓(xùn)練所述情緒分類模型?？蛇x地，處理器860還用于：將各個(gè)測(cè)試情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)測(cè)試情緒特征集；以所述精簡(jiǎn)測(cè)試情緒特征集中各維度的特征作為輸入，所述精簡(jiǎn)測(cè)試情緒特征集對(duì)應(yīng)的情緒標(biāo)簽作為輸出，訓(xùn)練所述情緒分類模型?？蛇x地，處理器860還用于：獲取所述用戶的面部表情特征集以及語(yǔ)音數(shù)據(jù)特征集；按照預(yù)設(shè)規(guī)則將所述面部表情特征集和語(yǔ)音數(shù)據(jù)特征集合并得到初始情緒特征集。可選地，處理器860還用于：根據(jù)所述情緒標(biāo)簽控制所述移動(dòng)終端執(zhí)行對(duì)應(yīng)所述情緒標(biāo)簽的操作。在本發(fā)明實(shí)施例中，通過(guò)獲取移動(dòng)終端用戶的初始情緒特征集；所述初始情緒特征集包括N維特征；將所述初始情緒特征集中非指定的維度特征刪除，得到精簡(jiǎn)情緒特征集；利用情緒分類模型對(duì)所述精簡(jiǎn)情緒特征集進(jìn)行識(shí)別，并確定所述用戶的情緒標(biāo)簽。從而可以對(duì)用戶的情緒特征信息進(jìn)行篩選，保留其中比較重要的特征，在保證情緒識(shí)別準(zhǔn)確性的同時(shí)減少了計(jì)算量，提高了情緒識(shí)別的效率以及適用性。而且，在本發(fā)明實(shí)施例中，根據(jù)各維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率計(jì)算各維度的權(quán)重，并且根據(jù)各維度的權(quán)重確定指定維度，從而可以體高精簡(jiǎn)情緒特征集的準(zhǔn)確性，進(jìn)而提高情緒識(shí)別的準(zhǔn)確率。另外，在本發(fā)明實(shí)施例中，可以構(gòu)建對(duì)應(yīng)情緒分類模型的訓(xùn)練集合和測(cè)試集合，并且利用訓(xùn)練集合中的各個(gè)訓(xùn)練情緒特征集和測(cè)試集合中的各個(gè)測(cè)試情緒特征集計(jì)算各個(gè)維度的特征缺失時(shí)情緒分類模型的準(zhǔn)確率，而且可以在利用情緒分類模型對(duì)精簡(jiǎn)情緒特征集進(jìn)行識(shí)別以確定用戶的情緒標(biāo)簽之前，利用測(cè)試集合中的各個(gè)測(cè)試情緒特征集對(duì)情緒分類模型進(jìn)行訓(xùn)練，從而可以進(jìn)一步提高情緒識(shí)別的準(zhǔn)確性。本領(lǐng)域普通技術(shù)人員可以意識(shí)到，結(jié)合本發(fā)明實(shí)施例中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、或者計(jì)算機(jī)軟件和電子硬件的結(jié)合來(lái)實(shí)現(xiàn)。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)、裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。在本申請(qǐng)所提供的實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、ROM、RAM、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。當(dāng)前第1頁(yè)1 2 3