技術(shù)特征：

1.基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，包括步驟：基于ai與用戶進(jìn)行自然語言對話或語音交互，獲取自然語言對話或語音交互過程中“被動(dòng)數(shù)據(jù)”，該“被動(dòng)數(shù)據(jù)”指大語音模型基于預(yù)設(shè)的算法和訓(xùn)練數(shù)據(jù)與用戶交互過程中的數(shù)據(jù)；通過情緒識別模型識別并且獲取用戶的情緒；

2.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，計(jì)算判別閾值為，通過softmax函數(shù)生成候選情緒類別概率分布，獲取最大概率值、次大概率值、類別區(qū)分度，判別閾值即加權(quán)融合概率值與區(qū)分度的綜合置信度。

3.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，基于ai與用戶進(jìn)行自然語言對話或語音交互，獲取自然語言對話或語音交互過程中“被動(dòng)數(shù)據(jù)”具體的包括，同步采集用戶的基礎(chǔ)屬性、交互元數(shù)據(jù)、實(shí)時(shí)行為特征；

4.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，通過情緒識別模型識別并且獲取用戶的情緒包括：

5.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，在與用戶進(jìn)行自然語言對話或語音交互過程中增加第一層次情緒誘導(dǎo)數(shù)據(jù)包括：

6.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，觸發(fā)對用戶的第二層次情緒誘導(dǎo)，在與用戶進(jìn)行自然語言對話或語音交互過程中增加第二層次情緒誘導(dǎo)數(shù)據(jù)包括：

7.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，觸發(fā)對用戶的第三層次情緒誘導(dǎo)，進(jìn)行多模態(tài)輔助分析包括：

8.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，觸發(fā)對用戶的第三層次情緒誘導(dǎo)，進(jìn)行多模態(tài)輔助分析包括：

9.根據(jù)權(quán)利要求1所述的基于ai和語音數(shù)據(jù)的用戶情緒識別方法，其特征在于，在主動(dòng)誘導(dǎo)后完成情緒識別模型對用戶情緒識別包括：

10.一種電子設(shè)備，包括：

技術(shù)總結(jié)
本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體公開基于AI和語音數(shù)據(jù)的用戶情緒識別方法，本發(fā)明通過自然語言對話或語音交互獲取用戶"被動(dòng)數(shù)據(jù)"，結(jié)合情緒識別模型動(dòng)態(tài)分析情緒狀態(tài)。當(dāng)模型檢測到情緒未達(dá)判別閾值時(shí)，依次觸發(fā)三級情緒誘導(dǎo)機(jī)制：初級階段采用通用引導(dǎo)話術(shù)補(bǔ)充基礎(chǔ)情緒數(shù)據(jù)；中級階段基于用戶畫像特征適配個(gè)性化誘導(dǎo)策略；高級階段啟動(dòng)多模態(tài)輔助分析。該技術(shù)通過遞進(jìn)式數(shù)據(jù)增強(qiáng)策略有效挖掘隱性情緒，在客服、心理咨詢等場景中使有效情緒樣本占比提升，特別針對用戶主動(dòng)隱藏情緒的場景，通過三層數(shù)據(jù)補(bǔ)償機(jī)制將情緒識別準(zhǔn)確率提高，實(shí)現(xiàn)深度情緒交互與精準(zhǔn)識別。

技術(shù)研發(fā)人員：余東先,魯守瑋,李錚,黃向前,董亮亮
受保護(hù)的技術(shù)使用者：河南職業(yè)技術(shù)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/12