老年防跌倒穿戴式产品的情感特征分析的开发与创新研究

徐嫣然 阮俊斌 郑瑞州 马佳秀

（上海健康医学院 上海 201318）

近几年，独居老人的问题备受关注。但更多的人仅仅关注到了老年人独处的安全性问题，但心理问题却很少有人提及，老人在独处时很难进行不良情绪的调理与化解。现有的智慧养老模式又大多都存在智慧化程度不高、情感关怀缺失等问题。[1]基于此，我们在开发设计防跌倒设备保障独居老人的安全性问题后，又在此设备的基础上，加入新的算法，通过采集老年人纯净的语音信号与相关生理性参数指标综合分析进行语音情感分析、身心压力等分析对老年人所处的压力环境进行情感反馈设计，进一步研判由于不同的情感特征所衍生出的产品增值服务。并随之对不同的用户所产生的不同结果给予调理建议，在必要时可有专业心理医师辅助进行心理沟通与疏导。以此实现为老年人心理健康全方位的呵护，以期为老年人提供优质、个性化的养老关怀。

1 防跌倒设备的情感反馈设计

设备实现软硬件结合，其中硬件根据目前老年人对于智能监护产品的需求，包括有：身体指标监测模块、跌倒监测模块、独立定位模块、核心处理模块、供电模块、智能搭扣模块、输出模块等。可实现对信号的采集与显示、信号的提取与处理等。

软件方面旨在将硬件产品使用过程中所收集和处理的数据上传到云端，再由云端将数据传输至配套的软件平台。用户可以使用固定配套的软件进行数据的查看和其他拓展功能与服务的使用。对一个硬件设备进行编号，并将生成一个独立的账号，使得该账号可以实现与设备绑定形成独立的用户肖像模型并建立相应健康档案。而其他的用户可以通过与该账号绑定来查看设备使用者的数据情况，将适用于如老年用户的子女、签约医务工作者、社区工作者等使用。在实际的开发中我们需要多方面考虑，进行相关的安卓平台、IOS平台以及WINDOWS平台的程序开发，开发的程序将分别面向产品的使用者与服务提供者两个群体。

该设备是实现具有监测、报警、定位、联络、收集数据的智能可穿戴式设备。并利用软件算法进行分析，保障老年人的安全。在1.0代产品的问世后，我们进行了初步的临床试验结果验证。老年人在使用产品后，可以很直观的观测到使用者的一些生理参数指标。用户经过长时间佩戴，可对其进行全流程的监测观察。老人独自在家可对其进行跌倒监测与报警。在后期，我们会继续开展相关临床试验，对所获得的测试者结果进行评估，完善产品功能信息。在保证临床试验结果安全可靠的情况下，我们将把产品逐渐投入市场，养老院等老年人健康管理机构。这能让更多的老年人能够使用我们的产品，为更多的家庭健康保驾护航。[2]

基于此，该软件的情感反馈设计就是基于人机交互效率与老年用户各项指标等不同体验，改观APP现状及情感识别技术交互的可行性技术方案，并利用python技术构建情感图式与用户身体性指标，实现个性化研判，提供2.0版本的创意设计。

2 防跌倒设备的情感特征分析原理

我们在对防跌倒设备的不断更新与迭代的同时还十分重视老年人的心理健康。现在，智慧养老已成为大众的焦点；而在其中，老年人的心理问题成为重要议题。因此我们在原有防跌倒设备的基础上，增添了为老年人进行情感特征分析的功能。在通过不同指标所得的分析结果中得出相关的情感指数，对其进行评估。被认定为情感特征有障碍的老人会有专业医师进行心理疏导。

在情感识别中准确度不高的问题，本设计思路是语音指标结合生理性指标的方法进行情感识别。在人们的日常生活中，例如与家人和朋友对话，在社交媒体中发表评价等行为都会产生大量的文本信息数据，这些数据中蕴含了很多有价值的信息。文本的情感分析就旨在分析出文本中针对某个对象的评价的正负面，比如“今天天气非常好”就是一个正面评价。情感分析主要有五个要素，（entity/实体，aspect/属性，sentiment/观点，holder/观点持有者，time/时间），其中实体和属性合并称为评价对象(target)。情感分析的目标就是从非结构化的文本中提取出能够替代这五个要素的关键词，结合语境语义对其作出情感特征判断，从而分析出关键词包含的情感。

现今，常见的情感分析方法主要有词级别情感分析、句子/篇章级情感分析、目标级情感分析。词级别情感分析需要构建情感词库，即给大量的关键词赋予正面、负面或中性的情感，词库所涵盖的关键词越多，数据分析越准确。情感词库的构建一方面采用人工标注的方法，准确性高，但成本太大，需耗费大量的人力与时间。

其次，该整体设计采用自动标注的方法，自动化方法中，都是先有人工标注一些种子词，然后通过不同的方法把种子词的标签信息扩展到其他词。基于点互信息的方法会基于大规模语料库统计新词和种子词之间的统计信息，然后基于该信息对种子词做加权求和得到信息的情感标签。基于标签传播的方法会先构建词和种子词的一个图，图上的边是基于词和词之间的统计信息获得。然后用标签传播的算法获得新词的情感信息。基于回归的方法先构建词的特征向量表示，基于种子词的标签信息训练一个回归或分类模型，得到该模型后再对新词做预测，获得新词的情感标签信息。句子级和篇章级文本情感分析旨在整个句子或文章表达的情感倾向性，而目标级的情感分析为对固定实体下的给定属性集合的评价正负面的预测，可以用于区分评价的具体对象。[3]

3 老年防跌倒产品的情感特征分析案例

3.1 原始数据采集

基于产品在开发过程中已具备语音情感识别、人体生理指标监测识别等功能，利用Python数据抓取工具，获取大量原始数据语料库。利用语音识别系统抓取用户与亲友对话过程中所提及有关情感的关键词。利用身体指标监测模块，测定佩戴者的心率、体温、血压，睡眠时间及深度等指标数据，间接进行情感特征分析。

3.2 原始数据预处理

（1）利用Python自然语言处理工具nltk结合中文语料分析器jieba对所识别的文本数据进行文本分句和分词。

（2）进行文本降噪处理。识别并剔除无意义的词句，删除停用词及标点符号。

（3）选取特征词并进行词性标注，统计词频获取信息量最高的特征，为特征文本赋值，例如为积极文本赋予“pos”，为消极文本赋予“neg”。用不同的特征选取方式获得相应的训练模型。

对数据集语料库预处理后，下一步需要创建情感词典列表，包括构建词汇表和情感标签的索引。[4]完成后即可导入模型进行特征情感分析得出结果。

3.3 在设备记录相关特征结果后，利用Python对其进行分析

查量表知：分析值越接近0表现为消极情绪，分析值接近1表现为积极情绪。不同文本数据所蕴含的情感有差异，有些偏向积极，有些偏向消极。因此，可以通过此方法来衡量老年人在某段时间内总体情感特征的差异变换，由此来观察老年人的心理健康状况，并及时采取干预措施。

4 结语

本文从情感反馈设计与分析情感特征入手，力图通过检测生理性指标、话语特征预判老年人的心理健康，是对于1.0产品的改进版，亦是在保障防跌倒的安全下，还要关心其心理的健康。但该研究由于受到科研条件、隐私关注等限制，尚不能完全做到精准测评。

但是，随着5G技术、AI技术、虚拟现实技术等高端技术逐渐进入医疗领域、进入我们普通人的日常生活中，高端技术与传统医疗的相互冲击与交流必定能够开辟出一条现代化、符合中国国情的全新医疗服务模式，更科学地利用有限的资源，为更多的人带去健康的美好生活。与此同时，该设备将不断更新迭代，将不断贴近老年人生活，用智慧养老的心态改变老年人的健康生活方式。