0] 102C、从多个独立分量中去除所述噪声分量，得到降噪后的脑电信号。
[0041] 102D、根据降噪处理后的脑电信号的空间结构信息，对降噪处理后的脑电信号利 用共空间模式算法进行投影，得到降维后的脑电信号。
[0042]脑电信号的空间结构信息的介绍可以参照本实施例的步骤101Α中对位点的描述。 由于脑电信号采集自人类头皮的多个位点，这些采集位点都是根据某种规则在头皮上的一 些固定位置设置的，例如图2中的分布规则。人类在进行不同的认知活动时，不同位点上的 电位具有明显的差异，因此可以根据这些不同空间位置上的电位分布差异就构成了脑电信 号的空间结构。
[0043] 103、将情感分析的特征向量输入至分类模型中，预测得到文本的情感的标注结 果。
[0044] 其中，分类模型包括：四类频段上的频谱功率均值与情感标签的对应模型，所述对 应模型通过训练样本进行预训练得到。
[0045] 在本实施例中，预先通过大量的已经作出准确标注的文本展示给测试人员进行阅 读，然后依照本例方法，获取测试人员阅读的脑电信号，计算脑电信号在四类频段上的功率 均值。即可获得四类频段上的频谱功率均值与情感标签的对应模型。
[0046] 在对未知的文本进行分类时，我们可以将提取得到的文本的情感分析的特征向量 输入到这个分类模型，利用机器学习的方法，即可以准确学习出最终的情感标注结果，如 喜、怒、哀、乐和批评、赞扬等。
[0047] 实施例二：
[0048] 请参考图4，本例提供一种文本情感标注装置，包括：
[0049] 获取单元30,用于获取传感器输出的文本阅读者的脑电信号。
[0050] 计算单元31，用于分别计算去噪后的脑电信号在四类频段上的功率均值，作为情 感分析的特征向量，所述四类频段为s波、Θ波、α波以及β波。
[0051] 预测单元32,用于将所述情感分析的特征向量输入至分类模型中，预测得到文本 的情感的标注结果。
[0052] 其中，所述分类模型包括：四类频段上的频谱功率均值与情感标签的对应模型，所 述对应模型通过训练样本进行预训练得到。
[0053] 如图5所示，一个实施例中，还包括：
[0054]投影单元33,用于将传感器输出的文本阅读者的脑电信号通过独立分量分析法进 行投影，得到多个独立分量。
[0055]识别单元34,用于从所述多个独立分量中识别出噪声分量。
[0056]去除单元35,用于从所述多个独立分量中去除所述噪声分量，得到降噪后的脑电 信号。
[0057]降维单元36,用于根据降噪处理后的脑电信号的空间结构信息，对降噪处理后的 脑电信号利用共空间模式算法进行投影，得到降维后的脑电信号。
[0058] 一个实施例中，还包括：
[0059] 组块分析单元37，用于将待标注文本通过组块分析技术转换为多个词组的形式， 并呈现给文本阅读者。
[0060] 一个实施例中，获取单元30具体用于：获取传感器从文本阅读者头皮上11个位点 采集到的电平信号，所述11个位点按照预设规则设置在文本阅读者头皮上。
[0061] 实施例三：
[0062] 请参考图6，本例提供一种文本情感标注系统，包括：
[0063] 传感器50及处理器51。
[0064]传感器50,用于采集文本阅读者的脑电信号并输出至处理器51。
[0065]处理器51，用于获取传感器50输出的文本阅读者的脑电信号，并分别计算去噪后 的脑电信号在四类频段上的功率均值，作为情感分析的特征向量，其中，所述四类频段为S 波、Θ波、α波以及β波；以及，将所述情感分析的特征向量输入至分类模型中，预测得到文本 的情感的标注结果。
[0066]以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限 制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单 推演、变形或替换。
【主权项】
1. 一种文本情感标注方法，其特征在于，包括： 获取传感器输出的文本阅读者的脑电信号； 分别计算去噪后的脑电信号在四类频段上的功率均值，作为情感分析的特征向量，所 述四类频段为s波、Θ波、α波以及β波； 将所述情感分析的特征向量输入至分类模型中，预测得到文本的情感的标注结果。2. 如权利要求1所述的文本情感标注方法，其特征在于，所述别计算去噪后的脑电信号 在四类频段上的功率均值前还包括： 将传感器输出的文本阅读者的脑电信号通过独立分量分析法进行投影，得到多个独立 分量； 从所述多个独立分量中识别出噪声分量； 从所述多个独立分量中去除所述噪声分量，得到降噪后的脑电信号； 根据降噪处理后的脑电信号的空间结构信息，对降噪处理后的脑电信号利用共空间模 式算法进行投影，得到降维后的脑电信号。3. 如权利要求1或2所述的文本情感标注方法，其特征在于，所述分类模型包括： 四类频段上的频谱功率均值与情感标签的对应模型，所述对应模型通过训练样本进行 预训练得到。4. 如权利要求1或2所述的文本情感标注方法，其特征在于，获取传感器输出的文本阅 读者的脑电信号前，还包括： 将待标注文本通过组块分析技术转换为多个词组的形式，并呈现给文本阅读者。5. 如权利要求1或2所述的文本情感标注方法，其特征在于，所述获取传感器输出的文 本阅读者的脑电信号包括： 获取传感器从文本阅读者头皮上多个位点采集到的电平信号，所述多个位点按照预设 规则设置在文本阅读者头皮上。6. -种文本情感标注装置，其特征在于，包括： 获取单元，用于获取传感器输出的文本阅读者的脑电信号； 计算单元，用于分别计算去噪后的脑电信号在四类频段上的功率均值，作为情感分析 的特征向量，所述四类频段为S波、Θ波、α波以及β波； 预测单元，用于将所述情感分析的特征向量输入至分类模型中，预测得到文本的情感 的标注结果。7. 如权利要求6所述的文本情感标注装置，其特征在于，还包括： 投影单元，用于将传感器输出的文本阅读者的脑电信号通过独立分量分析法进行投 影，得到多个独立分量； 识别单元，用于从所述多个独立分量中识别出噪声分量； 去除单元，用于从所述多个独立分量中去除所述噪声分量，得到降噪后的脑电信号； 降维单元，用于根据降噪处理后的脑电信号的空间结构信息，对降噪处理后的脑电信 号利用共空间模式算法进行投影，得到降维后的脑电信号。8. 如权利要求6或7所述的文本情感标注装置，其特征在于，还包括： 组块分析单元，用于将待标注文本通过组块分析技术转换为多个词组的形式，并呈现 给文本阅读者。9. 如权利要求6或7所述的文本情感标注装置，其特征在于，所述获取单元具体用于:获 取传感器从文本阅读者头皮上多个位点采集到的电平信号，所述多个位点按照预设规则设 置在文本阅读者头皮上。10. -种文本情感标注系统，其特征在于，包括:传感器及处理器； 所述传感器，用于采集文本阅读者的脑电信号并输出至所述处理器； 所述处理器，用于获取所述传感器输出的文本阅读者的脑电信号，并分别计算去噪后 的脑电信号在四类频段上的功率均值，作为情感分析的特征向量，其中，所述四类频段为S 波、Θ波、α波以及β波；以及，将所述情感分析的特征向量输入至分类模型中，预测得到文本 的情感的标注结果。
【专利摘要】本申请提供一种文本情感标注方法、装置及系统，由测试者阅读待分类的文本，采集文本阅读者的脑电信号，再根据脑电信号对该文本进行情感标注，能够从认知神经科学角度真实反映标注者的情绪，具有很高的准确性。并且，本申请不需要对标注人员进行长时间的培训，在开发文本情感分析系统时，能节约大量的时间与资金。
【IPC分类】G06K9/62, G06K9/00
【公开号】CN105678325
【申请号】CN201511031284
【发明人】徐睿峰, 杜嘉晨, 桂林, 黄锦辉
【申请人】哈尔滨工业大学深圳研究生院
【公开日】2016年6月15日
【申请日】2015年12月31日