技术特征：
1.一种基于交互验证的用户情绪分析方法，其特征在于，包括以下步骤：s10：获取当前用户交互验证数据，并对所述当前用户交互验证数据进行预处理；s20：对当前用户交互验证数据进行计算，得到当前用户情绪指数；s30：根据当前用户情绪指数微调后更新当前用户画像。2.根据权利要求1所述的一种基于交互验证的用户情绪分析方法，其特征在于，所述步骤s20具体包括：第一步：多次采集多个测试用户交互验证数据，并对测试用户交互验证数据进行人工标签标记；第二步：建立深度学习网络模型，以所述多个测试用户交互验证数为输入层，以与所述采集多个测试用户交互验证数的人工标签为输出层，对所述深度学习网络模型进行训练，得到用户情绪分析模型；第三步：采用迁移学习算法，利用所述多个测试用户交互验证时的实际情绪指数对用户情绪分析模型进行更新和优化，形成适用于交互验证的用户情绪分析模型；第四步：利用适用于交互验证的用户情绪分析模型对当前用户交互验证数据进行计算，得到当前用户情绪指数。3.根据权利要求1所述的一种基于交互验证的用户情绪分析方法，其特征在于，所述步骤s30具体包括：第一步：获取当前用户画像，所述当前用户画像包括当前用户情绪指数历史数据集；第二步：若当前用户情绪指数历史数据集的数据个数大于1，则根据当前用户情绪指数历史数据集对所得到的当前用户情绪指数进行微调；若当前用户情绪指数历史数据集的数据个数小于等于1，则直接以当前用户情绪指数作为微调后的当前用户情绪指数；第三步：将微调后的当前用户情绪指数添加到所述当前用户情绪指数历史数据集中。4.根据权利要求3所述的一种基于交互验证的用户情绪分析方法，其特征在于，所述步骤根据当前用户情绪指数历史数据集对所得到的当前用户情绪指数进行微调具体为：第一步：以当前用户情绪指数历史数据集为待聚类样本集；第二步：使用近邻传播聚类算法将待聚类样本集中多个待聚类样本聚为一类，并计算得到该类的聚类中心作为参考情绪指数；第三步：计算当前用户情绪指数与参考情绪指数的差值，作为情绪变动值；第四步：若情绪变动值小于情绪变动阈值，则将当前用户情绪作为微调后的当前用户情绪指数；若情绪变动值大于情绪变动阈值，则将参考情绪指数与当前用户情绪指数的平均数作为微调后的当前用户情绪指数。5.根据权利要求1所述的一种基于交互验证的用户情绪分析方法，其特征在于，所述对当前用户交互验证数据进行预处理的方法为余弦归一处理法。6.根据权利要求4所述的一种基于交互验证的用户情绪分析方法，其特征在于，所述情绪变动阈值的计算步骤为：第一步：将多次采集的每个测试用户的实际情绪指数作为情绪变动数据集；第二步：将情绪变动数据集中的每个元素按照从大到小的顺序进行排序；第三步：以排序完成的情绪变动数据集中序号等于第5%总数的情绪指数作为情绪变动阈值。
7.根据权利要求2所述的一种基于交互验证的用户情绪分析方法，其特征在于，所述深度学习网络模型包含1个输入层，3个卷积层，3个relu非线性激活层层，3个池化层，1个全连接层以及1个输出层。8.根据权利要求1所述的一种基于交互验证的用户情绪分析方法，所述用户交互验证数据为用户在智能手机上的操作行为，具体包括：点击次数、点击频率、拉动次数、拉动频率、按压次数、按压时长。9.一种计算机可读存储介质，其特征在于，存储有程序指令，所述程序指令用于执行如权利要求1所述的基于交互验证的用户情绪分析方法。10.一种基于交互验证的用户情绪分析系统，其特征在于，包括权利要求9所述的计算机可读存储介质。
技术总结
本发明提供了一种基于交互验证的用户情绪分析方法、介质及系统，属于情绪分析技术领域，该基于交互验证的用户情绪分析方法包括获取当前用户交互验证数据，并对所述当前用户交互验证数据进行预处理；对当前用户交互验证数据进行计算，得到当前用户情绪指数；获取当前用户画像，所述当前用户画像包括当前用户情绪指数历史数据集；根据当前用户情绪指数历史数据集对所得到的当前用户情绪指数进行微调；将微调后的当前用户情绪指数添加到所述当前用户情绪指数历史数据集中。本方法在线上营销小活动根据用户情绪波动匹配营销时间短，采集手段有限的前提下，能够解决不能在交互验证过程中根据用户操作得到用户情绪分析的技术问题。中根据用户操作得到用户情绪分析的技术问题。中根据用户操作得到用户情绪分析的技术问题。
技术研发人员：周书田 于海洋
受保护的技术使用者：青岛网信信息科技有限公司
技术研发日：2022.11.11
技术公布日：2022/12/9