本技術(shù)涉及心理測評與心理健康，尤其涉及一種情緒監(jiān)測模型生成方法、情緒監(jiān)測方法及情緒干預(yù)方法。

背景技術(shù)：

1、本部分旨在為權(quán)利要求書中陳述的本技術(shù)的實(shí)施方式提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯捅徽J(rèn)為是現(xiàn)有技術(shù)。

2、情緒狀態(tài)評估可了解個體情緒狀況，為心理干預(yù)、健康管理等提供依據(jù)，現(xiàn)行的情緒狀態(tài)的評估和干預(yù)長期以來依賴于傳統(tǒng)的主觀評價方法，如量表和問卷。這些工具主要通過個體自我報告的形式收集數(shù)據(jù)，旨在量化個人的情緒體驗(yàn)。然而，隨著技術(shù)的發(fā)展，特別是傳感器技術(shù)和機(jī)器學(xué)習(xí)的進(jìn)步，開始出現(xiàn)利用生理信號（如腦電、近紅外）、行為指標(biāo)（如面部表情、語音、眼動）等進(jìn)行更客觀的情緒狀態(tài)評估的方法。這些新興技術(shù)試圖通過捕捉非侵入性的生物標(biāo)志物來提供更加客觀、連續(xù)且動態(tài)的情緒狀態(tài)評估。

3、盡管上述技術(shù)為情緒狀態(tài)的測評帶來了不同的視角，但它們各自存在明顯的局限性；一方面，傳統(tǒng)采用量表和問卷的主觀評價方法依賴于用戶個體的自我感知和報告，這使得測評結(jié)果極易受到個人情緒認(rèn)知偏差的影響，存在主觀性較高的問題，導(dǎo)致測評的準(zhǔn)確性較低；另一方面，基于生物信號和技術(shù)的測評方法存在數(shù)據(jù)連續(xù)性和動態(tài)性缺乏的問題，雖然使用腦電、近紅外、面部表情、語音、眼動等信息進(jìn)行情緒測評能夠提供比傳統(tǒng)方法更為客觀的數(shù)據(jù)，但這類方法往往難以實(shí)現(xiàn)真正的連續(xù)監(jiān)測，這意味著它們無法全面反映情緒狀態(tài)隨時間的變化情況，從而限制了對情緒狀態(tài)的動態(tài)變化分析和個體化理解能力；再一方面，上述方法存在穩(wěn)定性和適用性不足的問題，由于上述原因，基于這些技術(shù)的情緒測評結(jié)果可能不夠穩(wěn)定，難以廣泛適用于不同用戶在不同場景下的情緒評估需求。

4、基于此，亟需提出一種能夠解決上述技術(shù)問題的情緒監(jiān)測模型生成方法、情緒監(jiān)測方法和情緒干預(yù)方法。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的多個方面提供一種情緒監(jiān)測模型生成方法、情緒監(jiān)測方法和情緒干預(yù)方法，以用于解決現(xiàn)有技術(shù)中存在情緒監(jiān)測準(zhǔn)確度不高、動態(tài)性不強(qiáng)和個體化程度不高及情緒干預(yù)不及時、干預(yù)策略個性化程度不高的技術(shù)弊端。

2、本技術(shù)的一方面，提供一種情緒監(jiān)測模型生成方法，所述方法包括：

3、響應(yīng)于情緒監(jiān)測模型生成請求，獲取多個用戶的第一特征數(shù)據(jù)和第二特征數(shù)據(jù)，第一特征數(shù)據(jù)包括生理特征數(shù)據(jù)和環(huán)境特征數(shù)據(jù)；

4、基于所述第一特征數(shù)據(jù)的生理特征數(shù)據(jù)確定初始模態(tài)特征數(shù)據(jù)；

5、基于所述第一特征數(shù)據(jù)的環(huán)境特征數(shù)據(jù)對所述初始模態(tài)特征數(shù)據(jù)進(jìn)行修正確定修正后模態(tài)特征數(shù)據(jù)，并基于所述修正后模態(tài)特征數(shù)據(jù)和所述第二特征數(shù)據(jù)確定關(guān)聯(lián)數(shù)據(jù)集；

6、基于多個用戶的所述關(guān)聯(lián)數(shù)據(jù)集訓(xùn)練預(yù)構(gòu)建的初始情緒監(jiān)測模型，直至所述初始情緒監(jiān)測模型滿足預(yù)設(shè)要求，確定通用情緒監(jiān)測模型。

7、進(jìn)一步地，所述第一特征數(shù)據(jù)還包括電子設(shè)備使用數(shù)據(jù)；當(dāng)?shù)谝惶卣鲾?shù)據(jù)包括所述電子設(shè)備使用數(shù)據(jù)時，所述方法還包括：基于所述電子設(shè)備使用數(shù)據(jù)對所述修正后的模態(tài)特征數(shù)據(jù)進(jìn)行補(bǔ)充，獲取補(bǔ)充后的所述修正后模態(tài)特征數(shù)據(jù)。

8、進(jìn)一步地，所述獲取多個用戶的第一特征數(shù)據(jù)和第二特征數(shù)據(jù)，包括：獲取多個用戶的第一特征數(shù)據(jù)，并在預(yù)設(shè)時長內(nèi)提醒多個用戶進(jìn)行情緒自評和/或在預(yù)設(shè)時長內(nèi)對多個用戶進(jìn)行情緒他評，獲取多個用戶的第二特征數(shù)據(jù)，所述第二特征數(shù)據(jù)包括情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度。

9、進(jìn)一步地，所述方法還包括：響應(yīng)于個體化情緒監(jiān)測模型生成請求，獲取單個用戶的關(guān)聯(lián)數(shù)據(jù)集；基于單個用戶的關(guān)聯(lián)數(shù)據(jù)集構(gòu)建所述單個用戶的縱向關(guān)聯(lián)數(shù)據(jù)集；基于所述縱向關(guān)聯(lián)數(shù)據(jù)集，按照預(yù)設(shè)的優(yōu)化算法對所述通用情緒監(jiān)測模型進(jìn)行優(yōu)化直至所述通用情緒監(jiān)測模型符合預(yù)設(shè)要求，確定個體化情緒監(jiān)測模型；其中，所述預(yù)設(shè)的優(yōu)化算法包括如梯度下降法、adam優(yōu)化算法、學(xué)習(xí)率衰減策略、權(quán)重衰減法和批量歸一化中的至少一項(xiàng)。

10、進(jìn)一步地，基于所述第一特征數(shù)據(jù)的生理特征數(shù)據(jù)確定初始模態(tài)特征數(shù)據(jù)，所述方法還包括：獲取所述第二特征數(shù)據(jù)和所述第一特征數(shù)據(jù)的生理特征數(shù)據(jù)的模態(tài)特征；基于所述第二特征數(shù)據(jù)和所述模態(tài)特征確定相似度；基于所述相似度確定任一所述模態(tài)特征的權(quán)重；基于任一所述模態(tài)特征及其權(quán)重確定初始模態(tài)特征數(shù)據(jù)。

11、進(jìn)一步地，響應(yīng)于情緒監(jiān)測模型生成請求，獲取用戶的第一特征數(shù)據(jù)和第二特征數(shù)據(jù)時，所述方法還包括：響應(yīng)于情緒監(jiān)測模型生成請求，獲取用戶的生理數(shù)據(jù)信息、環(huán)境數(shù)據(jù)信息和電子設(shè)備使用數(shù)據(jù)信息；按照預(yù)設(shè)的數(shù)據(jù)處理規(guī)則對所述生理數(shù)據(jù)信息、所述環(huán)境數(shù)據(jù)信息和所述電子設(shè)備使用數(shù)據(jù)信息進(jìn)行處理，獲取生理特征數(shù)據(jù)、環(huán)境特征數(shù)據(jù)和電子設(shè)備使用特征數(shù)據(jù)；其中，所述預(yù)設(shè)的數(shù)據(jù)處理規(guī)則包括數(shù)據(jù)信息審查、數(shù)據(jù)信息降采樣、數(shù)據(jù)信息降噪、缺失數(shù)據(jù)信息補(bǔ)齊、數(shù)據(jù)信息對齊同步、數(shù)據(jù)信息歸一化和數(shù)據(jù)信息矯正中的一項(xiàng)或多項(xiàng)直至所述生理數(shù)據(jù)信息、所述環(huán)境數(shù)據(jù)信息和所述電子設(shè)備使用數(shù)據(jù)信息滿足預(yù)設(shè)要求。

12、進(jìn)一步地，所述生理特征數(shù)據(jù)包括心率、心電、血氧飽和度、體溫、血壓、血糖、乳酸、步數(shù)、活動量、運(yùn)動強(qiáng)度與模式、肌肉活動、體脂率、睡眠周期、腦電波、壓力水平、呼吸頻率、肺功能、女性健康數(shù)據(jù)和汗液成分中的一項(xiàng)或多項(xiàng)；所述環(huán)境特征數(shù)據(jù)包括地理位置信息、行動軌跡數(shù)據(jù)、光照數(shù)據(jù)、氣候數(shù)據(jù)、環(huán)境的空間特征數(shù)據(jù)、環(huán)境噪音數(shù)據(jù)、紫外線強(qiáng)度、紫外線暴露數(shù)據(jù)中的一項(xiàng)或多項(xiàng)；所述電子設(shè)備使用特征數(shù)據(jù)包括電子設(shè)備使用一般特征數(shù)據(jù)和電子設(shè)備應(yīng)用使用特征數(shù)據(jù)，所述電子設(shè)備使用一般特征數(shù)據(jù)包括電子設(shè)備的使用時長、時段和頻次中的一項(xiàng)或多項(xiàng)；所述電子設(shè)備應(yīng)用使用特征數(shù)據(jù)包括電子設(shè)備軟件應(yīng)用的使用類型、使用時長、時段和頻次中的一項(xiàng)或多項(xiàng)。

13、進(jìn)一步地，預(yù)構(gòu)建的所述初始情緒監(jiān)測模型包括：深度學(xué)習(xí)子模型和多任務(wù)學(xué)習(xí)子模型；所述深度學(xué)習(xí)子模型包括長短期記憶網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、圖卷積網(wǎng)絡(luò)、cnn-lstm混合結(jié)構(gòu)和多模態(tài)transformer架構(gòu)中的一個或多個；所述多任務(wù)學(xué)習(xí)子模型包括跨個人活動lstm多任務(wù)自動編碼器、分指標(biāo)多任務(wù)網(wǎng)絡(luò)和個性化多任務(wù)網(wǎng)絡(luò)中的一個或多個。

14、本技術(shù)的另一方面，提供一種情緒監(jiān)測方法，所述情緒監(jiān)測方法包括：

15、響應(yīng)于情緒監(jiān)測請求，獲取用戶的多模態(tài)特征數(shù)據(jù)，所述多模態(tài)特征數(shù)據(jù)包括生理特征數(shù)據(jù)、環(huán)境特征數(shù)據(jù)和電子設(shè)備使用特征數(shù)據(jù)；

16、將所述多模態(tài)特征數(shù)據(jù)輸入至所述個體化情緒監(jiān)測模型，以獲取所述用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；

17、其中，所述個體化情緒監(jiān)測模型基于如上所述的情緒監(jiān)測模型生成方法生成。

18、進(jìn)一步地，將所述多模態(tài)特征數(shù)據(jù)輸入至所述個體化情緒監(jiān)測模型后，獲取所述用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度前，所述方法還包括：基于蒙特卡洛dropout輸出置信區(qū)間確定所述個體化情緒監(jiān)測模型的量化值；當(dāng)所述量化值低于預(yù)設(shè)值時，則觸發(fā)動態(tài)生態(tài)瞬時評估驗(yàn)證以優(yōu)化所述個體化情緒監(jiān)測模型。

19、進(jìn)一步地，獲取所述用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度前，所述方法還包括：基于所述用戶的第一特征數(shù)據(jù)和第二特征數(shù)據(jù)，獲取所述個體化情緒監(jiān)測模型的量化值；當(dāng)所述量化值低于預(yù)設(shè)值時，則獲取用戶在預(yù)設(shè)時間段內(nèi)的多模態(tài)特征數(shù)據(jù)；基于所述多模態(tài)特征數(shù)據(jù)對所述個體化情緒監(jiān)測模型進(jìn)行迭代訓(xùn)練直至所述量化值不低于所述預(yù)設(shè)值，更新所述個體化情緒監(jiān)測模型。

20、進(jìn)一步地，所述方法還包括：將所述多模態(tài)特征數(shù)據(jù)緩存至存儲空間，按照預(yù)設(shè)時間從存儲空間獲取所述多模態(tài)特征數(shù)據(jù)并輸入至所述個體化情緒監(jiān)測模型，以獲取所述用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；和/或，將所述多模態(tài)特征數(shù)據(jù)實(shí)時發(fā)送至所述個體化情緒監(jiān)測模型，所述個體化情緒監(jiān)測模型按照預(yù)設(shè)時間反饋所述用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度。

21、本技術(shù)的再一方面，還提供一種情緒干預(yù)方法，所述方法用于對用戶的負(fù)面情緒狀態(tài)類型進(jìn)行干預(yù)，所述負(fù)面的情緒狀態(tài)類型基于如上所述的情緒監(jiān)測方法監(jiān)測得到，所述方法包括：

22、按照預(yù)設(shè)時間周期獲取用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；

23、當(dāng)監(jiān)測到用戶的情緒狀態(tài)類型為負(fù)面時，實(shí)時輸入所述情緒狀態(tài)類型和所述情緒狀態(tài)強(qiáng)度至預(yù)訓(xùn)練的情緒干預(yù)模型，以生成情緒干預(yù)方案；

24、基于所述情緒干預(yù)方案對用戶的情緒狀態(tài)進(jìn)行干預(yù)。

25、進(jìn)一步地，所述方法還包括：當(dāng)監(jiān)測到用戶的情緒類型為負(fù)面時，實(shí)時輸入所述情緒狀態(tài)類型和所述情緒狀態(tài)強(qiáng)度至預(yù)訓(xùn)練的情緒干預(yù)模型，生成初始情緒干預(yù)方案；基于所述用戶獲取對應(yīng)所述情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度，獲取歷史情緒干預(yù)方案；基于所述歷史情緒干預(yù)方案和當(dāng)前情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度對所述初始情緒干預(yù)方案進(jìn)行修正，以生成情緒干預(yù)方案。

26、進(jìn)一步地，所述方法還包括：基于所述情緒干預(yù)方案對用戶的情緒狀態(tài)進(jìn)行干預(yù)后，獲取用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；當(dāng)所述用戶的情緒狀態(tài)類型為正面，和/或，情緒狀態(tài)強(qiáng)度變?nèi)鯐r，則基于所述情緒干預(yù)方案對所述情緒干預(yù)模型進(jìn)行迭代，更新所述情緒干預(yù)模型。

27、進(jìn)一步地，所述實(shí)時輸入所述情緒狀態(tài)類型和所述情緒狀態(tài)強(qiáng)度至預(yù)訓(xùn)練的情緒干預(yù)模型，以生成情緒干預(yù)方法，包括：根據(jù)所述情緒狀態(tài)類型生成情緒干預(yù)內(nèi)容；基于所述情緒狀態(tài)強(qiáng)度生成情緒干預(yù)頻次；基于所述情緒干預(yù)內(nèi)容和所述情緒干預(yù)頻次，生成情緒干預(yù)方案。

28、本技術(shù)的再一方面，提供了一種情緒監(jiān)測模型生成系統(tǒng)，所述系統(tǒng)包括：

29、電子設(shè)備，以用于響應(yīng)于情緒監(jiān)測模型生成請求，獲取多個用戶的第一特征數(shù)據(jù)和第二特征數(shù)據(jù)，第一特征數(shù)據(jù)包括生理特征數(shù)據(jù)和環(huán)境特征數(shù)據(jù)；

30、數(shù)據(jù)處理單元，以用于基于所述第一特征數(shù)據(jù)的生理特征數(shù)據(jù)確定初始模態(tài)特征數(shù)據(jù)；還用于基于所述第一特征數(shù)據(jù)的環(huán)境特征數(shù)據(jù)對所述初始模態(tài)特征數(shù)據(jù)進(jìn)行修正確定模態(tài)特征數(shù)據(jù)，并基于所述模態(tài)特征數(shù)據(jù)和所述第二特征數(shù)據(jù)確定關(guān)聯(lián)數(shù)據(jù)集；

31、模型生成單元，以用于基于所述關(guān)聯(lián)數(shù)據(jù)集訓(xùn)練預(yù)構(gòu)建的初始情緒監(jiān)測模型直至所述初始情緒監(jiān)測模型滿足預(yù)設(shè)要求，確定通用情緒監(jiān)測模型。

32、本技術(shù)的再一方面，提供了一種情緒監(jiān)測系統(tǒng)，所述系統(tǒng)包括：

33、電子設(shè)備，以用于響應(yīng)于情緒監(jiān)測請求，獲取用戶的多模態(tài)特征數(shù)據(jù)，所述多模態(tài)特征數(shù)據(jù)包括生理特征數(shù)據(jù)、環(huán)境特征數(shù)據(jù)和電子設(shè)備使用特征數(shù)據(jù)；

34、獲取單元，以用于將所述多模態(tài)特征數(shù)據(jù)輸入至所述個體化情緒監(jiān)測模型，以獲取所述用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；

35、其中，所述個體化情緒監(jiān)測模型基于如上所述的情緒監(jiān)測模型生成系統(tǒng)生成。

36、本技術(shù)的再一方面，提供了一種情緒干預(yù)系統(tǒng)，所述系統(tǒng)包括：

37、獲取單元，以用于按照預(yù)設(shè)時間周期獲取用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；

38、干預(yù)方案生成單元，以用于當(dāng)監(jiān)測到用戶的情緒狀態(tài)類型為負(fù)面時，實(shí)時輸入所述情緒狀態(tài)類型和所述情緒狀態(tài)強(qiáng)度至預(yù)訓(xùn)練的情緒干預(yù)模型，以生成情緒干預(yù)方案；

39、干預(yù)方案執(zhí)行單元，以用于基于所述情緒干預(yù)方案對用戶的情緒狀態(tài)進(jìn)行干預(yù)；

40、其中，所述情緒狀態(tài)基于如上所述的情緒監(jiān)測系統(tǒng)監(jiān)測得到。

41、本技術(shù)的再一方面，提供了一種電子裝置系統(tǒng)，所述電子裝置系統(tǒng)包括：

42、至少一個處理器；以及

43、與所述至少一個處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行如上所述的方法。

44、本技術(shù)的再一方面，提供了一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序指令，所述計算機(jī)程序指令可被處理器執(zhí)行以實(shí)現(xiàn)如上所述的方法。

45、本技術(shù)的再一方面，提供了一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如上所述的方法。

46、本技術(shù)提出了一種情緒監(jiān)測模型生成方法，該方法包括：響應(yīng)于情緒監(jiān)測模型生成請求，獲取用戶的特征數(shù)據(jù)，所述特征數(shù)據(jù)包括第一特征數(shù)據(jù)和第二特征數(shù)據(jù)；基于所述第一特征數(shù)據(jù)的生理特征數(shù)據(jù)確定初始模態(tài)特征數(shù)據(jù)；基于所述第一特征數(shù)據(jù)的環(huán)境特征數(shù)據(jù)對所述初始模態(tài)特征數(shù)據(jù)進(jìn)行修正確定模態(tài)特征數(shù)據(jù)，并基于所述模態(tài)特征數(shù)據(jù)和所述第二特征數(shù)據(jù)確定關(guān)聯(lián)數(shù)據(jù)集；基于所述關(guān)聯(lián)數(shù)據(jù)集訓(xùn)練預(yù)構(gòu)建的初始情緒監(jiān)測模型直至所述初始情緒監(jiān)測模型滿足預(yù)設(shè)要求，確定通用情緒監(jiān)測模型；

47、基于如上所述的情緒監(jiān)測模型生成方法具有如下有益效果：一方面，本技術(shù)提出的基于情緒監(jiān)測模型生成方法生成的情緒監(jiān)測模型不僅能夠識別用戶的情緒狀態(tài)還能夠確定用戶的情緒狀態(tài)的情緒強(qiáng)度；另一方面，在對情緒監(jiān)測模型進(jìn)行訓(xùn)練、生成的過程中，本技術(shù)考慮到了環(huán)境特征數(shù)據(jù)對用戶的生理特征數(shù)據(jù)的影響，即考慮到了兩者之間的關(guān)聯(lián)性，使得生成的情緒監(jiān)測模型的情緒狀態(tài)的預(yù)測的準(zhǔn)確性更高；再一方面，在對情緒監(jiān)測模型進(jìn)行訓(xùn)練的過程中，本技術(shù)創(chuàng)造性的提出了分別基于實(shí)驗(yàn)室場景和生態(tài)化場景獲取用戶的特征數(shù)據(jù)，基于兩種不同場景的數(shù)據(jù)的互補(bǔ)性，顯著提升了模型的性能和適用性；另一方面，在對初始情緒監(jiān)測模型進(jìn)行訓(xùn)練的過程中，預(yù)獲取的用戶的特征數(shù)據(jù)均通過電子設(shè)備采集，其一是提高了用戶的情緒狀態(tài)的及時性和實(shí)時性，其二是簡化了情緒監(jiān)測的復(fù)雜性；其中，本技術(shù)所述的情緒監(jiān)測模型包括通用情緒監(jiān)測模型和/或個體化情緒監(jiān)測模型。

48、具體地，本技術(shù)所述的情緒監(jiān)測模型生成方法還包括：響應(yīng)于個體化情緒監(jiān)測模型生成請求，獲取單個用戶的關(guān)聯(lián)數(shù)據(jù)集；基于單個用戶的關(guān)聯(lián)數(shù)據(jù)集構(gòu)建所述單個用戶的縱向關(guān)聯(lián)數(shù)據(jù)集；基于所述縱向關(guān)聯(lián)數(shù)據(jù)集，按照預(yù)設(shè)的優(yōu)化算法對所述通用情緒監(jiān)測模型進(jìn)行優(yōu)化直至所述通用情緒監(jiān)測模型符合預(yù)設(shè)要求，確定個體化情緒監(jiān)測模型；其中，所述預(yù)設(shè)的優(yōu)化算法包括如梯度下降法、adam優(yōu)化算法、學(xué)習(xí)率衰減策略、權(quán)重衰減法和批量歸一化中的至少一項(xiàng)。基于單個用戶的關(guān)聯(lián)數(shù)據(jù)集構(gòu)建單個用戶的縱向關(guān)聯(lián)數(shù)據(jù)集進(jìn)而對通用情緒監(jiān)測模型進(jìn)行優(yōu)化直至其符合預(yù)設(shè)要求后，確定個體化情緒監(jiān)測模型，以使得確定的個體化情緒監(jiān)測模型能夠高效地識別單個用戶的個體化差異和適配個體用戶的個體化特征，進(jìn)而更好地監(jiān)測單個用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；也就是說，基于本技術(shù)確定的個體化情緒監(jiān)測模型可以根據(jù)單個用戶的個體化特征準(zhǔn)確、高效地獲取單個用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度，以更好地實(shí)現(xiàn)個體化情緒監(jiān)測的目的。

49、本技術(shù)還提出了一種情緒干預(yù)方法，該方法包括：按照預(yù)設(shè)時間周期獲取用戶的情緒狀態(tài)類型和情緒狀態(tài)強(qiáng)度；當(dāng)監(jiān)測到用戶的情緒狀態(tài)類型為負(fù)面時，實(shí)時輸入所述情緒狀態(tài)類型和所述情緒狀態(tài)強(qiáng)度至預(yù)訓(xùn)練的情緒干預(yù)模型，以生成情緒干預(yù)方案；基于所述情緒干預(yù)方案對用戶的情緒狀態(tài)進(jìn)行干預(yù)。基于如上所述的情緒干預(yù)方法具有以下有益效果：一方面，基于本技術(shù)所述的情緒干預(yù)方法對用戶的情緒狀態(tài)進(jìn)行個性化干預(yù)，確保了情緒干預(yù)的效果；另一方面，通過電子設(shè)備及時獲取用戶的情緒狀態(tài)后在通過電子設(shè)備對用戶的情緒狀態(tài)進(jìn)行實(shí)時干預(yù)，提高了情緒干預(yù)的時效性；再一方面，通過對用戶的情緒狀態(tài)的追蹤式監(jiān)測，有助于避免輕微的情緒問題演變?yōu)閲?yán)重的障礙，同時根據(jù)用戶的個體特征形成個性化的情緒干預(yù)方案能夠有效促進(jìn)用戶的身心健康；又一方面，傳統(tǒng)的情緒干預(yù)往往需要專業(yè)心理咨詢師或治療師的參與，而基于大模型的個性化干預(yù)方案可以在很大程度上自動化這一過程，減少了對人力資源的依賴，降低了成本；再一方面，在線平臺和移動應(yīng)用使得情緒干預(yù)服務(wù)不再受限于地理位置，讓更多的用戶能夠方便地獲得必要的幫助和支持。