CN112270168A - 对白情感风格预测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了对白情感风格预测方法、装置、电子设备及存储介质，涉及自然语言处理、智能语音及深度学习等人工智能领域，其中的方法可包括：从待处理的对白所在的文本中获取对白的上下文；获取对白的角色信息，角色为对白的说话人；根据获取到的上下文及角色信息预测出对白的情感风格。应用本申请所述方案，可提升预测结果的准确性等。

Description

对白情感风格预测方法、装置、电子设备及存储介质

技术领域

本申请涉及人工智能领域，特别涉及自然语言处理、智能语音及深度学习领域的对白情感风格预测方法、装置、电子设备及存储介质。

背景技术

多情感风格有声小说在市场上越来越受到关注，相应地，则需要标注(即预测)出小说中的每句对白的情感风格。

目前，通常采用从对白的上下文中直接提取情感风格的方式，准确性较差。

比如，对于以下文本：

「…

“我也很难过。”

张三不怀好意地安慰着悲伤的李四。

…」

按照目前的处理方式，很容易错误地直接从“我也很难过”、“安慰”、或是“悲伤的李四”中提取情感风格，从而导致预测结果不准确。

发明内容

本申请提供了对白情感风格预测方法、装置、电子设备及存储介质。

一种对白情感风格预测方法，包括：

从待处理的对白所在的文本中获取所述对白的上下文；

获取所述对白的角色信息，所述角色为所述对白的说话人；

根据所述上下文及所述角色信息预测出所述对白的情感风格。

一种对白情感风格预测装置，包括：

第一获取模块，用于从待处理的对白所在的文本中获取所述对白的上下文；

第二获取模块，用于获取所述对白的角色信息，所述角色为所述对白的说话人；

预测模块，用于根据所述上下文及所述角色信息预测出所述对白的情感风格。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如以上所述的方法。

上述申请中的一个实施例具有如下优点或有益效果：可结合对白的上下文以及对白的角色信息等来预测对白的情感风格，从而提升了预测结果的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请所述对白情感风格预测方法第一实施例的流程图；

图2为本申请所述对白情感风格预测方法第二实施例的流程图；

图3为本申请所述对白情感风格预测装置30实施例的组成结构示意图；

图4为根据本申请实施例所述方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本申请所述对白情感风格预测方法第一实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，从待处理的对白所在的文本中获取对白的上下文。

在步骤102中，获取对白的角色信息，角色为对白的说话人。

在步骤103中，根据获取到的上下文及角色信息预测出对白的情感风格。

可以看出，上述方法实施例中，可结合对白的上下文以及对白的角色信息等来预测对白的情感风格，从而相比于现有方式提升了预测结果的准确性。另外，所述文本可为任意形式的文本，如可为小说、新闻、剧本等，具有普遍适用性。

在实际应用中，针对待处理的文本，即待处理的对白所在的文本，可遍历文本中的对白，并将遍历到的每句对白分别作为待处理的对白。所述遍历具体采用何种顺序不作限制，比如，可按照从头到尾的顺序进行遍历。

另外，可采用以下方式来识别出文本中的对白：将被引号包围的文本内容作为对白，和/或，针对任一句文本内容，利用预先训练得到的分类模型确定该文本内容是否为对白。

上述两种识别对白的方式可分别单独使用，也可结合使用，如针对被引号包围的某一句文本内容，可进一步利用分类模型来确定该文本内容是否为对白，通过双重识别，提升了识别结果的准确性等。

以上识别对白的方式仅为举例说明，并不用于限制本申请的技术方案，在实际应用中，可采用任意可行的实现方式。比如，所述引号可以为表示对白的其它形式的符号等。

针对待处理的对白，可从对白所在的文本中获取对白的上下文。如何获取对白的上下文同样不作限制。比如，可将对白之前的M句文本内容(M句话)和对白之后的N句文本内容分别作为对白的上文和下文，从而得到对白的上下文，M和N均为正整数，取值可以相同，也可以不同，具体取值均可根据实际需要而定。对白的上文、对白及对白的下文组成的是一段内容连续的文本内容。

除获取对白的上下文外，还可获取对白的角色信息，即对白的说话人信息。比如，可获取人工标注的对白的角色信息，或者，利用预先训练得到的角色预测模型，得到预测出的对白的角色信息。具体采用哪种方式可根据实际需要而定，灵活方便。但为了节省人力成本等，优选地，可采用后一种方式。

比如，对于以下文本：

「…

“我也很难过。”

张三不怀好意地安慰着悲伤的李四。

…」

针对其中的对白“我也很难过”，对应的角色信息即为“张三”。

角色预测模型可为预先训练得到的，利用该模型，可预测出不同的对白分别对应的角色信息。

无论通过哪种方式，在获取到对白的角色信息后，可进一步根据获取到的上下文及角色信息预测出对白的情感风格。

具体地，可构建包含对白的上下文、对白的角色信息及对白的输入信息，并将输入信息输入预先训练得到的情感风格预测模型，从而得到预测出的对白的情感风格。

输入信息的具体形式不作限制。比如，对于上述“我也很难过”的对白，可获取由对白的上文、对白及对白的下文组成的文本内容，并可按照预定方式对其中的角色信息(通常出现在对白的上下文中)“张三”进行标识，从而得到包含对白的上下文、对白的角色信息及对白的输入信息。

所述预定方式具体为何种方式同样不作限制。比如，可对“张三”所在位置进行特定标记，或者，在“张三”前后分别插入一个特定字符等。

在得到输入信息后，可将其输入情感风格预测模型，从而得到预测出的对白的情感风格。情感风格预测模型可分别计算出对白属于各不同情感风格的概率值，并可将取值最大的概率值对应的情感风格作为预测出的对白的情感风格。

相比于现有方式，本申请所述方式可让模型获取到更多的信息，比如，当明确说话人为“张三”后，模型可以更专注于“张三”附近的上下文，以便有更大概率倾向于从“不怀好意”中提取情感风格，从而提升了预测出的情感风格的准确性等。

如前所述，情感风格预测模型可为预先训练得到的。具体地，可构建训练样本，每条训练样本可分别对应于文本中的一句对白，其中可包括：对白对应的输入信息及标签，标签为对白的情感风格，对白对应的输入信息即指前述的包括对白的上下文、对白的角色信息以及对白的输入信息，进而可利用训练样本训练得到情感风格预测模型。

基于上述介绍，图2为本申请所述对白情感风格预测方法第二实施例的流程图。如图2所示，包括以下具体实现方式。

在步骤201中，按照从头到尾的顺序遍历小说中的对白。

本实施例中，假设待处理文本为小说。

另外，可将被引号包围的文本内容作为对白，和/或，针对任一句文本内容，可利用预先训练得到的分类模型确定该文本内容是否为对白。

在步骤202中，针对遍历到的每句对白，分别进行202-207所示处理。

在步骤203中，获取对白的上下文。

比如，可将对白之前的M句文本内容和对白之后的N句文本内容分别作为对白的上文和下文，从而得到对白的上下文，M和N均为正整数，取值可以相同，也可以不同。

在步骤204中，获取对白的角色信息，角色为对白的说话人。

比如，可获取人工标注的对白的角色信息，或者，利用预先训练得到的角色预测模型，得到预测出的对白的角色信息。

在步骤205中，构建包含对白的上下文、对白的角色信息及对白的输入信息。

假设角色信息出现在对白的上下文中，那么可获取由对白的上文、对白及对白的下文组成的文本内容，并可按照预定方式对其中的角色信息进行标识，从而得到包含对白的上下文、对白的角色信息及对白的输入信息。

在步骤206中，将输入信息输入预先训练得到的情感风格预测模型，得到预测出的对白的情感风格。

可预先构建训练样本，每条训练样本可分别对应于文本中的一句对白，其中可包括：对白对应的输入信息及标签，标签为对白的情感风格，进而可利用训练样本训练得到情感风格预测模型。

在步骤207中，为对白标注预测出的情感风格。

在步骤208中，确定是否存在下一对白，若是，则针对下一对白，重复执行步骤203，否则，执行步骤209。

在步骤209中，输出标注后的小说，结束流程。

上述方法实施例中，针对每句对白，分别获取其角色信息，与上下文一起构建输入信息，即将对白的角色信息加入模型的输入，从而提升了预测结果的准确性，而且，非常的快速高效，通常只需要几分钟即可完成上千章的小说的标注，是一种工业化的对白情感风格预测方案。

需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。另外，某个实施例中没有详述的部分，可以参见其它实施例中的相关说明。

以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。

图3为本申请所述对白情感风格预测装置30实施例的组成结构示意图。如图3所示，包括：第一获取模块301、第二获取模块302以及预测模块303。

第一获取模块301，用于从待处理的对白所在的文本中获取对白的上下文。

第二获取模块302，用于获取对白的角色信息，角色为对白的说话人。

预测模块303，用于根据获取到的上下文及角色信息预测出对白的情感风格。

其中，第一获取模块301可遍历文本中的对白，并将遍历到的每句对白分别作为待处理的对白。所述遍历具体采用何种顺序不作限制，比如，可按照从头到尾的顺序进行遍历。

第一获取模块301还可采用以下方式来识别出文本中的对白：将被引号包围的文本内容作为对白，和/或，针对任一文本内容，利用预先训练得到的分类模型确定该文本内容是否为对白。上述两种识别对白的方式可分别单独使用，也可结合使用，如针对被引号包围的某一段文本内容，可进一步利用分类模型来确定该文本内容是否为对白。

另外，针对待处理的对白，第一获取模块301可将对白之前的M句文本内容和对白之后的N句文本内容分别作为对白的上文和下文，从而得到对白的上下文，M和N均为正整数，取值可以相同，也可以不同。

在获取对白的角色信息时，第二获取模块301可获取人工标注的对白的角色信息，或者，利用预先训练得到的角色预测模型，得到预测出的对白的角色信息。

进一步地，在获取到对白的上下文和角色信息后，预测模块303可根据对白的上下文及角色信息预测出对白的情感风格。具体地，可构建包含对白的上下文、对白的角色信息及对白的输入信息，并将输入信息输入预先训练得到的情感风格预测模型，从而得到预测出的对白的情感风格。

比如，假设角色信息出现在对白的上下文中，那么可获取由对白的上文、对白及对白的下文组成的文本内容，并可按照预定方式对其中的角色信息进行标识，从而得到包含对白的上下文、对白的角色信息及对白的输入信息。

相应地，图3所示装置中还可包括：预处理模块300，用于构建训练样本，每条训练样本可分别对应于文本中的一句对白，其中可包括：对白对应的输入信息及标签，标签为对白的情感风格，利用训练样本训练得到情感风格预测模型。

图3所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本申请装置实施例所述方案，可结合对白的上下文以及对白的角色信息等来预测对白的情感风格，从而提升了预测结果的准确性等。

本申请所述方案可应用于人工智能领域，特别涉及自然语言处理、智能语音及深度学习等领域。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图4所示，是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图4所示，该电子设备包括：一个或多个处理器Y01、存储器Y02，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器Y01为例。

存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的方法。

存储器Y02作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的方法对应的程序指令/模块。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器Y02可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器Y02可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器Y02可选包括相对于处理器Y01远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。

电子设备还可以包括：输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置Y03可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，阴极射线管或者液晶显示器监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网、广域网、区块链网络和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种对白情感风格预测方法，包括：

从待处理的对白所在的文本中获取所述对白的上下文；

获取所述对白的角色信息，所述角色为所述对白的说话人；

根据所述上下文及所述角色信息预测出所述对白的情感风格。

2.根据权利要求1所述的方法，还包括：

遍历所述文本中的对白，将遍历到的每句对白分别作为所述待处理的对白。

3.根据权利要求1所述的方法，还包括：

将被引号包围的文本内容作为对白；

和/或，针对任一句文本内容，利用预先训练得到的分类模型确定所述文本内容是否为对白。

4.根据权利要求1所述的方法，其中，所述获取所述对白的角色信息包括：

获取人工标注的所述对白的角色信息；

或者，利用预先训练得到的角色预测模型，得到预测出的所述对白的角色信息。

5.根据权利要求1所述的方法，其中，所述根据所述上下文及所述角色信息预测出所述对白的情感风格包括：

构建包含所述上下文、所述角色信息及所述对白的输入信息；

将所述输入信息输入预先训练得到的情感风格预测模型，得到预测出的所述对白的情感风格。

6.根据权利要求5所述的方法，还包括：

构建训练样本，每条训练样本分别对应于文本中的一句对白，其中包括：所述对白对应的所述输入信息及标签，所述标签为所述对白的情感风格；

利用所述训练样本训练得到所述情感风格预测模型。

7.一种对白情感风格预测装置，包括：

第一获取模块，用于从待处理的对白所在的文本中获取所述对白的上下文；

第二获取模块，用于获取所述对白的角色信息，所述角色为所述对白的说话人；

预测模块，用于根据所述上下文及所述角色信息预测出所述对白的情感风格。

8.根据权利要求7所述的装置，其中，

所述第一获取模块遍历所述文本中的对白，将遍历到的每句对白分别作为所述待处理的对白。

9.根据权利要求7所述的装置，其中，

所述第一获取模块进一步用于，将被引号包围的文本内容作为对白，和/或，针对任一句文本内容，利用预先训练得到的分类模型确定所述文本内容是否为对白。

10.根据权利要求7所述的装置，其中，

所述第二获取模块获取人工标注的所述对白的角色信息，或者，利用预先训练得到的角色预测模型，得到预测出的所述对白的角色信息。

11.根据权利要求7所述的装置，其中，

所述预测模块构建包含所述上下文、所述角色信息及所述对白的输入信息，将所述输入信息输入预先训练得到的情感风格预测模型，得到预测出的所述对白的情感风格。

12.根据权利要求11所述的装置，还包括：

预处理模块，用于构建训练样本，每条训练样本分别对应于文本中的一句对白，其中包括：所述对白对应的所述输入信息及标签，所述标签为所述对白的情感风格，利用所述训练样本训练得到所述情感风格预测模型。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。

Images