一种基于AIGC的情感关怀方法及系统与流程

本发明涉及aigc，特别指一种基于aigc的情感关怀方法及系统。

背景技术：

1、学生情感关怀在教育领域中具有重要的意义，情感关怀不仅关乎学生的心理健康和幸福感，还对学习效果和学业发展产生深远影响。然而，在当前的在线教育平台中，对学生情感关注的不足是一个普遍存在的问题，许多在线教育平台在追求高效率和大规模覆盖的同时，往往忽视了学生的情感需求。常见的做法是将学习过程简化为信息传递和知识灌输，忽略了学生的情感体验和个体差异，这种单向的教学模式往往缺乏互动性和个性化的关怀，导致学生缺乏积极性、参与度下降，甚至出现情感问题和学习厌恶情绪。

2、因此，如何提供一种基于aigc的情感关怀方法及系统，实现提升情感的感知度、理解度以及响应效率，成为一个亟待解决的技术问题。

技术实现思路

1、本发明要解决的技术问题，在于提供一种基于aigc的情感关怀方法及系统，实现提升情感的感知度、理解度以及响应效率。

2、第一方面，本发明提供了一种基于aigc的情感关怀方法，包括如下步骤：

3、步骤s10、采集至少包括语音、面部表情以及行为特征的情感历史数据；

4、步骤s20、基于aigc创建一情感变化模型、一情感认知模型、一情感分类模型、一兴趣识别模型、一情感预测模型以及一情感回应生成模型，利用所述情感历史数据分别对情感变化模型、情感认知模型、情感分类模型、兴趣识别模型、情感预测模型以及情感回应生成模型进行训练；

5、步骤s30、实时获取情感数据，将所述情感数据分别输入情感变化模型、情感认知模型、情感分类模型、兴趣识别模型以及情感预测模型以获取情感分析报告；

6、步骤s40、将所述情感分析报告输入情感回应生成模型，得到多模情感回应数据，通过聊天机器人实时反馈所述多模情感回应数据。

7、进一步地，所述步骤s10具体为：

8、分别通过麦克风、摄像头以及行为传感器的设备组，采集至少包括语音、面部表情以及行为特征的情感历史数据。

9、进一步地，所述步骤s20中，所述情感变化模型用于分析情感状态变化，以识别潜在的情感问题和危机情况；

10、所述情感认知模型用于分析情感背后的认知和思维过程，以理解情感表达需求；

11、所述情感分类模型用于对情感数据的情感类别进行分类，所述情感类别至少包括积极、消极以及中性；

12、所述兴趣识别模型用于分析兴趣指向，以进行个性化资源推荐；

13、所述情感预测模型用于进行情感状态预测，以进行早期干预和预警；

14、所述情感回应生成模型用于生成情感回应，提供情感支持。

15、进一步地，所述步骤s30具体为：

16、通过麦克风、摄像头、行为传感器或者聊天机器人实时获取情感数据，将所述情感数据分别输入情感变化模型、情感认知模型、情感分类模型、兴趣识别模型以及情感预测模型，以获取包括情感状态变化、情感表达需求、情感类别、兴趣指向以及情感状态预测的情感分析报告。

17、进一步地，所述步骤s40中，所述多模情感回应数据为文本、图片、视频或者声音；所述文本通过情感修饰技术进行至少包含情感词汇以及语气的情感修饰。

18、第二方面，本发明提供了一种基于aigc的情感关怀系统，包括如下模块：

19、情感历史数据采集模块，用于采集至少包括语音、面部表情以及行为特征的情感历史数据；

20、模型训练模块，用于基于aigc创建一情感变化模型、一情感认知模型、一情感分类模型、一兴趣识别模型、一情感预测模型以及一情感回应生成模型，利用所述情感历史数据分别对情感变化模型、情感认知模型、情感分类模型、兴趣识别模型、情感预测模型以及情感回应生成模型进行训练；

21、情感分析报告获取模块，用于实时获取情感数据，将所述情感数据分别输入情感变化模型、情感认知模型、情感分类模型、兴趣识别模型以及情感预测模型以获取情感分析报告；

22、情感回应模块，用于将所述情感分析报告输入情感回应生成模型，得到多模情感回应数据，通过聊天机器人实时反馈所述多模情感回应数据。

23、进一步地，所述情感历史数据采集模块具体用于：

24、分别通过麦克风、摄像头以及行为传感器的设备组，采集至少包括语音、面部表情以及行为特征的情感历史数据。

25、进一步地，所述模型训练模块中，所述情感变化模型用于分析情感状态变化，以识别潜在的情感问题和危机情况；

26、所述情感认知模型用于分析情感背后的认知和思维过程，以理解情感表达需求；

27、所述情感分类模型用于对情感数据的情感类别进行分类，所述情感类别至少包括积极、消极以及中性；

28、所述兴趣识别模型用于分析兴趣指向，以进行个性化资源推荐；

29、所述情感预测模型用于进行情感状态预测，以进行早期干预和预警；

30、所述情感回应生成模型用于生成情感回应，提供情感支持。

31、进一步地，所述情感分析报告获取模块具体用于：

32、通过麦克风、摄像头、行为传感器或者聊天机器人实时获取情感数据，将所述情感数据分别输入情感变化模型、情感认知模型、情感分类模型、兴趣识别模型以及情感预测模型，以获取包括情感状态变化、情感表达需求、情感类别、兴趣指向以及情感状态预测的情感分析报告。

33、进一步地，所述情感回应模块中，所述多模情感回应数据为文本、图片、视频或者声音；所述文本通过情感修饰技术进行至少包含情感词汇以及语气的情感修饰。

34、本发明的优点在于：

35、1、通过采集至少包括语音、面部表情以及行为特征的情感历史数据，利用情感历史数据分别对基于aigc创建的情感变化模型、情感认知模型、情感分类模型、兴趣识别模型、情感预测模型以及情感回应生成模型进行训练；将获取的情感数据分别输入情感变化模型、情感认知模型、情感分类模型、兴趣识别模型以及情感预测模型以获取情感分析报告；将情感分析报告输入情感回应生成模型，得到多模情感回应数据，通过聊天机器人实时反馈多模情感回应数据；即通过情感变化模型、情感认知模型、情感分类模型、兴趣识别模型以及情感预测模型对情感数据进行多维的分析和预测，通过情感回应生成模型进行多模态情感表达，以增强互动性，且各模型可对获取的情感数据进行即时响应，最终极大的提升了情感的感知度、理解度以及响应效率。

36、2、自动化情感生成：aigc技术可以自动生成情感内容，为学生情感关怀系统提供大量、个性化的情感支持和建议，可以通过算法和模型分析学生的情感数据和需求，快速生成适当的情感回应，可以为大量学生提供即时、高效的情感支持，实现规模化的服务；此外，aigc可以根据学生的个性化特点和情感需求，定制生成内容，使得情感支持更加贴近学生的实际情况。

37、3、多模态情感表达：aigc技术支持多种形式的情感表达，包括文本、图像、声音等多模态内容。传统的情感支持主要依靠文字表达，但文字的表达方式有时难以准确传达情感信息，通过aigc可以生成情感相关的图像、声音等多种媒体内容，使情感支持更加多样化、丰富化。例如，在情感回应中加入情感表情的图像、真实声音的语音消息等，可以更直观地传达情感支持和理解，这种多模态情感表达的优势可以提升学生对情感支持的感知和参与度，增强情感交流的效果。

38、4、智能个性化推荐：aigc技术可以分析学生的情感数据和学习行为，基于个性化算法和推荐系统，智能地为学生推荐适合其情感需求和学习进度的内容；通过学习分析和情感识别，aigc可以了解学生的情感变化和需求，并根据这些信息调整生成的情感内容；例如，根据学生的情感变化预测学习状态，为学生提供相应的情感支持和学习建议，这种个性化推荐的优势可以使学生在情感关怀系统中获得更加贴心、有效的服务，提高学生参与度和学习成效。