CN115862675A - 一种情感识别方法、装置、设备及存储介质 - Google Patents
一种情感识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115862675A CN115862675A CN202310140971.5A CN202310140971A CN115862675A CN 115862675 A CN115862675 A CN 115862675A CN 202310140971 A CN202310140971 A CN 202310140971A CN 115862675 A CN115862675 A CN 115862675A
- Authority
- CN
- China
- Prior art keywords
- recognition
- recognition result
- recognized
- voice data
- emotion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本说明书公开了一种情感识别方法、装置、设备及存储介质，以通过将各识别模型针对待识别语音数据的识别结果进行融合更新，并且在更新后识别结果的基础上进行优化，进而可以有效的提升通过识别模型识别出的待识别语音数据中包含的情感的准确率。
Description
技术领域
本说明书涉及人工智能技术领域，尤其涉及一种情感识别方法、装置、设备及存储介质。
背景技术
随着人工智能技术的发展，语音情感识别作为人机交互的一个重要的组成部分，受到了广泛的关注。
目前，通常使用很多不同类型的神经网络模型对采集到的语音中包含的情感进行识别，但是，用户对识别出的情感的准确性的要求的不断提高，而每个神经网络模型的识别性能都具有一定的局限，从而使得识别出的情感的准确率不能满足用户的需求。
因此，如何进一步地提升神经网络模型的识别出的语音中包含的情感的准确率，则是一个亟待解决的问题。
发明内容
本说明书提供一种情感识别方法、装置、设备及存储介质，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种情感识别方法，包括：
获取待识别语音数据；
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型对所述待识别语音数据进行识别的识别结果；
针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的所述相似度，确定该识别结果对应的权重；
根据每个识别结果对应的权重，对各识别结果进行加权平均，得到更新后识别结果；
通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，根据所述优化后的识别结果，确定出所述待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
可选地，获取待识别语音数据，具体包括：
获取采集到的原始语音数据；
对所述原始语音数据进行预处理，得到待识别语音数据，所述预处理用于将所述原始语音数据中所包含的干扰语音数据清除，所述干扰语音数据包括：环境噪音、静音片段中的至少一种。
可选地，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出所述待识别语音数据对应的识别结果，具体包括：
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，作为所述待识别语音数据对应的识别结果。
可选地，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值之前，所述方法还包括：
获取预设的辨识框架，所述辨识框架中包含待识别语音数据对应的各候选情感类别；
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，具体包括：
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于所述辨识框架中包含的每种候选情感类别的概率值。
可选地，针对每个识别结果，确定该识别结果中包含的和每个其他识别结果之间的相似度，具体包括：
针对每个识别结果，确定该识别结果与其他识别结果之间的冲突值，所述冲突值用于表征该识别结果与其他识别结果之间的差异程度；
根据所述冲突值，确定该识别结果与其他识别结果之间的相似度。
可选地，针对每个识别结果，确定该识别结果与其他识别结果之间的冲突值，具体包括：
针对每个识别结果，确定该识别结果与其他识别结果之间的相似性度量矩阵；
根据所述相似性度量矩阵，确定该识别结果与其他识别结果之间的冲突值。
可选地，根据确定出的所述相似度，确定该识别结果对应的权重，具体包括：
根据该识别结果与每个其他识别结果之间的相似度，以及所有识别结果中的每两个识别结果之间的相似度，确定该识别结果对应的可信度；
根据该识别结果对应的可信度，确定该识别结果对应的权重。
可选地，根据该识别结果对应的可信度，确定该识别结果对应的权重，具体包括：
根据该识别结果对应的可信度以及每个识别结果对应的可信度，确定该识别结果对应的权重。
可选地，通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，具体包括：
通过预设的优化规则，对所述更新后识别结果进行若干轮优化，得到优化后的识别结果；其中
针对每轮优化，确定该轮优化中的待优化识别结果，并确定所述待优化识别结果中包含的每个概率值和在所述更新后识别结果中包含的各概率值中对应的概率值的积，作为所述待优化识别结果中包含的每个概率值对应的第一优化参数；以及
确定所述待优化识别结果中包含的每个概率值和在所述更新后识别结果中包含的各概率值中的每个其他概率值的积，作为各第二优化参数；
根据所述待优化识别结果中包含的每个概率值对应的第一优化参数，以及各第二优化参数，对所述待优化识别结果中包含的每个概率值进行优化，得到该轮优化后的识别结果，所述概率值是指所述待识别语音数据属于每种情感类别的概率值，所述待优化识别结果是将所述更新后识别结果作为第一轮优化的待优化识别结果优化至上一轮后得到的。
本说明书提供了一种情感识别装置，包括：
获取模块，用于获取待识别语音数据；
识别模块，用于通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型对所述待识别语音数据进行识别的识别结果；
确定模块，用于针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的所述相似度，确定该识别结果对应的权重；
融合模块，用于根据每个识别结果对应的权重，对各识别结果进行加权平均，得到更新后识别结果；
优化模块，用于通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，根据所述优化后的识别结果，确定出所述待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
可选地，所述获取模块具体用于，获取采集到的原始语音数据；对所述原始语音数据进行预处理，得到待识别语音数据，所述预处理用于将所述原始语音数据中所包含的干扰语音数据清除，所述干扰语音数据包括：环境噪音、静音片段中的至少一种。
可选地，所述识别模块具体用于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，作为所述待识别语音数据对应的识别结果。
可选地，所述获取模块具体用于，获取预设的辨识框架，所述辨识框架中包含待识别语音数据对应的各候选情感类别；
所述识别模块具体用于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于所述辨识框架中包含的每种候选情感类别的概率值。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述情感识别方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述情感识别方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的情感识别方法，首先获取待识别语音数据，通过预设的各识别模型，对待识别语音数据对应的情感类别进行识别，得到各识别模型对待识别语音数据进行识别的识别结果，针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的相似度，确定该识别结果对应的权重，根据每个识别结果对应的权重，对各识别结果进行加权平均，得到更新后识别结果，通过预设的优化规则，对更新后识别结果进行优化，得到优化后的识别结果，根据提取后的识别结果，确定出待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
从上述方法中可以看出，可以通过将各识别模型针对待识别语音数据的识别结果进行融合更新，并且在更新后识别结果的基础上进行优化，进而可以有效的提升通过识别模型识别出的待识别语音数据中包含的情感的准确率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种情感识别方法的流程示意图；
图2为本说明书中提供的通过多个识别模型进行情感识别的示意图；
图3为本说明书中提供的对待识别语音数据进行识别的过程示意图；
图4为本说明书提供的一种情感识别装置的示意图；
图5为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种情感识别方法的流程示意图，包括以下步骤：
S101：获取待识别语音数据。
随着互联网技术的发展，对用户输入的语音数据进行情感识别作为人机交互的一个主要的模块，对人机交互有着极其重要的作用，本说明书中提供了一种情感识别的方法，服务器可以获取用户输入的语音数据，并通过预设的多个识别模型，对获取到的语音数据进行识别，以确定出获取到的语音数据对应的情感类别。
上述的识别模型可以包括：CMP、GoogleNet、ResNet、VGG、DenseNet等语音识别神经网络模型。
具体地，服务器可以将获取到的用户的语音数据，作为原始语音数据，并对原始语音数据进行预处理，得到待识别语音数据，这里的预处理用于将原始语音数据中所包含的干扰语音数据清除，这里的干扰语音数据包括：环境噪音、静音片段中的至少一种。
在本说明书中，用于实现情感识别方法的执行主体，可以是指服务器等设置于业务平台的指定设备，也可以是指诸如台式电脑、笔记本电脑等指定设备，为了便于描述，下面仅以服务器是执行主体为例，对本说明书提供的情感识别方法进行说明。
S102：通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型对所述待识别语音数据进行识别的识别结果。
进一步地，服务器在获取到待识别语音数据后，可以将待识别语音数据输入到预设的各识别模型中，以通过各识别模型，对待识别语音数据对应的情感类别进行识别，得到各识别结果，具体如图2所示。
图2为本说明书中提供的通过多个识别模型进行情感识别的示意图。
从图2中可以看出，服务器可以通过待识别语音数据输入到各识别模型中，以通过各识别模型，对待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的待识别语音数据属于每种情感类别的概率值，作为待识别语音数据对应的识别结果。
上述的每种情感类别可以通过预先构建的辨识框架确定出，其中，辨识框架
，这里的/>
,/>
, ......,/>
即为根据实际需求确定出的不同的情感类别，这里的每种情感类别之间相互独立，这里的情感类别可以包括：开心、忧伤、愤怒、恐惧、中性等情感类别。
进一步地，服务器可以通过预设的各识别模型，对待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的待识别语音数据属于辨识框架中包含的每种候选情感类别的概率值，例如：假设辨识框架中包含的情感类别为：开心、忧伤、愤怒、恐惧、中性五种，则识别模型可以识别出待识别语音数据属于这五种情感类别中的每种情感类别的概率值，即（0.1、0.4、0.2、0.1、0.2）。
S103：针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的所述相似度，确定该识别结果对应的权重。
在本说明书中，服务器在通过各识别模型得到各识别结果后，可以针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，以根据该识别结果和每个其他识别结果之间的相似度，确定出该识别结果对应的权重。
具体地，服务器可以针对每个识别结果，确定该识别结果与其他识别结果之间的相似性度量矩阵，并根据确定出的相似性度量矩阵，确定该识别结果与其他识别结果之间的冲突值，进而可以根据该识别结果与其他识别结果之间的冲突值，确定该识别结果与其他识别结果之间的相似度，具体可以参考以下公式：
上述公式中，公式一为该识别结果与其他识别结果之间的冲突值的计算公式，其中，
即为该识别结果与其他识别结果之间的冲突值，/>
即为该识别结果，/>
即为任意一个其他识别结果，D即为相似性度量矩阵。
公式二为该识别结果与其他识别结果之间的相似度的计算公式，其中，
即为该识别结果与其他识别结果之间的相似度。
上述公式中的相似性度量矩阵D是根据各识别结果中包含的各情感类别的概率值确定出的，具体可以参考如下公式：
上述公式中，A即为一条识别结果中包含的所有情感类别的集合，当一个识别结果中有n个情感类别时，则D为一个n*n的矩阵，其中，相似性度量矩阵是根据识别结果
和识别结果/>
之间的所包含的情感类别确定的，以下结合实例对上述内容进行说明。
例如：假设识别结果
中包含的情感类别为：开心、忧伤、愤怒三种，识别结果
为（0.3、0.5、0.2），识别结果/>
中包含的情感类别为：开心、忧伤、愤怒三种，识别结果/>
为（0.2、0.7、0.1），则相似性度量矩阵D为/>
，其中，a代表情感类别开心，b代表情感类别忧伤，c代表情感类别愤怒。
进一步地，服务器可以根据该识别结果与每个其他识别结果之间的相似度，以及所有识别结果中的每两个识别结果之间的相似度，确定该识别结果对应的可信度，具体可以参考以下公式：
在上述公式中C（
）即为识别结果/>
对应的可信度，/>
即为该识别结果与其他识别结果之间的相似度。
进一步地，服务器可以根据该识别结果对应的可信度以及每个识别结果对应的可信度，确定该识别结果对应的权重确定该识别结果对应的权重，具体可以参考以下公式：
S104：根据每个识别结果对应的权重，对各识别结果进行更新，得到更新后识别结果。
服务器在确定出每个识别结果对应的权重后，可以对各识别结果进行加权平均，得到更新后识别结果，具体可以参考如下公式：
在上述公式中，
即为更新后识别结果，/>
即为第i个识别结果对应的权重，
即为第i个识别结果。
从上述公式中可以看出，服务器可以通过对不同识别模型的识别结果进行加权平均的方式，对每个识别模型输出的识别结果进行修正，以得到准确性更高的更新后识别结果。
S105：通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，根据所述优化后的识别结果，确定出所述待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
进一步地，服务器还可以通过预设的优化规则，对更新后识别结果进行优化，得到优化后的识别结果，根据优化后的识别结果，确定出待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
具体地，服务器可以通过预设的优化规则，对更新后识别结果进行若干轮优化，得到优化后的识别结果。
其中，针对每轮优化，确定该轮优化中的待优化识别结果，并确定待优化识别结果中包含的每个概率值和在更新后识别结果中包含的各概率值中对应的概率值的积，作为待优化识别结果中包含的每个概率值对应的第一优化参数，以及确定待优化识别结果中包含的每个概率值和在更新后识别结果中包含的各概率值中的每个其他概率值的积，作为各第二优化参数，根据待优化识别结果中包含的每个概率值对应的第一优化参数，以及各第二优化参数，对待优化识别结果中包含的每个概率值进行优化，得到该轮优化后的识别结果，概率值是指待识别语音数据属于每种情感类别的概率值，待优化识别结果是将更新后识别结果优化至上一轮后得到的。
例如：假设更新后识别结果为（0、0.5、0.2、0.3、0），在第一轮优化中，将更新后识别结果作为第一轮优化中的待优化识别结果，进而可以确定作为第一轮的待优化识别结果的更新后识别结果中包含的每个概率值和在更新后识别结果中包含的各概率值中对应的概率值（如：作为第一轮的待优化识别结果的更新后识别结果中包含的第一个概率值0，在更新后识别结果中包含的各概率值中对应的概率值即为第一个概率值，也就是0）的积，作为待优化识别结果中包含的每个概率值对应的第一优化参数。
以及确定作为待优化识别结果的更新后识别结果中包含的每个概率值和在更新后识别结果中包含的各概率值中的每个其他概率值的积（如：作为第一轮的待优化识别结果的更新后识别结果中包含的第一个概率值0，和在更新后识别结果中包含的每个其他概率值的积，作为各第二优化参数，也就是.0和0.5的积，即为一个第二优化参数，0和0.2的积即为一个第二优化参数，0和0.3的积即为一个第二优化参数，0和0的积即为一个第二优化参数。
进而可以根据待优化识别结果中包含的每个概率值对应的第一优化参数，以及各第二优化参数，对待优化识别结果中包含的每个概率值进行优化，得到第一轮优化后的识别结果，并将第一轮优化后的识别结果作为第二轮的待优化识别结果。
上述内容中，服务器根据待优化识别结果中包含的每个概率值对应的第一优化参数，以及各第二优化参数，对待优化识别结果中包含的每个概率值进行优化方法可以是，针对待优化识别结果中包含的每个概率值，确定该概率值对应的各第二优化参数的和值，进而可以根据该概率值对应的第一优化参数与1减去该概率值对应的各第二优化参数的和值后的值之间比值，确定该概率值对应的优化后的概率值，具体可以参考以下公式：
通过上述公式可以看出，服务器可以通过上述公式对更新后识别结果进行上述内容中的多轮优化，针对每轮优化，可以将更新后识别结果作为该轮优化的输入，如：在第一轮优化中，可以将更新后识别结果
进行复制，并将两个更新后识别结果/>
作为输入，并通过上述公式进行融合，得到识别结果/>
，进而在第二轮优化中，再次将更新后识别结果
作为输入，使第二轮输入的/>
与/>
通过上述公式进行融合，得到/>
，以此类推，直到满足预设的终止条件为止。
其中，终止条件可以为满足指定优化轮数后终止，这里的指定优化轮数可以为更新后识别结果中包含的所有情感类别的数量n减1。
除此之外，在实际的业务场景中，服务器可以根据确定出的待识别语音数据对应的情感类别，进行任务执行。例如：在提供给用户的智能语音服务的场景中，可以根据识别出的待识别语音数据对应的情感类别，确定智能语音客服的答复策略等。
为了对上述内容进行进一步地的详细说明，下面对服务器对待识别语音数据进行识别的整体过程的示意图，如图3所示。
图3为本说明书中提供的对待识别语音数据进行识别的过程示意图。
从图3中可以看出，服务器可以通过语音采集模块，采集用户输入的原始语音数据，并对采集到的原始语音数据进行预处理，以得到待识别语音数据，从而可以通过识别模块，通过多个识别模型，得到待识别语音数据对应的各识别结果，进而可以通过融合模块，对各识别结果进行加权平均，得到更新后识别结果，最终可以通过情感识别模块，对更新后识别结果进行优化，并根据优化后的识别结果，确定待识别语音数据对应的情感类别。
从上述内容中可以看出，可以通过确定每个识别模型针对待识别语音数据的识别结果的权重，将各识别模型针对待识别语音数据的识别结果进行更新，并且在更新后识别结果的基础上进行优化，以使更新后识别结果中包含的待识别语音数据属于不同情感类别的概率值中较大的概率值更大，较小的概率值更小，进而可以有效的提升通过识别模型识别出的待识别语音数据中包含的情感的准确率。
以上为本说明书的一个或多个实施例提供的情感识别方法，基于同样的思路，本说明书还提供了相应的情感识别装置，如图4所示。
图4为本说明书提供的一种情感识别装置的示意图，包括：
获取模块401，用于获取待识别语音数据；
识别模块402，用于通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型对所述待识别语音数据进行识别的识别结果；
确定模块403，用于针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的所述相似度，确定该识别结果对应的权重；
融合模块404，用于根据每个识别结果对应的权重，对各识别结果进行加权平均，得到更新后识别结果；
优化模块405，用于通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，根据所述优化后的识别结果，确定出所述待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
可选地，所述获取模块401具体用于，获取采集到的原始语音数据；对所述原始语音数据进行预处理，得到待识别语音数据，所述预处理用于将所述原始语音数据中所包含的干扰语音数据清除，所述干扰语音数据包括：环境噪音、静音片段中的至少一种。
可选地，所述识别模块402具体用于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，作为所述待识别语音数据对应的识别结果。
可选地，所述获取模块401具体用于，获取预设的辨识框架，所述辨识框架中包含待识别语音数据对应的各候选情感类别；
所述识别模块402具体用于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于所述辨识框架中包含的每种候选情感类别的概率值。
可选地，所述确定模块403具体用于，针对每个识别结果，确定该识别结果与其他识别结果之间的冲突值，所述冲突值用于表征该识别结果与其他识别结果之间的差异程度；根据所述冲突值，确定该识别结果与其他识别结果之间的相似度。
可选地，所述确定模块403具体用于，针对每个识别结果，确定该识别结果与其他识别结果之间的相似性度量矩阵；根据所述相似性度量矩阵，确定该识别结果与其他识别结果之间的冲突值。
可选地，所述确定模块403具体用于，根据该识别结果与每个其他识别结果之间的相似度，以及所有识别结果中的每两个识别结果之间的相似度，确定该识别结果对应的可信度；根据该识别结果对应的可信度，确定该识别结果对应的权重。
可选地，所述确定模块403具体用于，根据该识别结果对应的可信度以及每个识别结果对应的可信度，确定该识别结果对应的权重。
可选地，所述优化模块405具体用于，通过预设的优化规则，对所述更新后识别结果进行若干轮优化，得到优化后的识别结果；其中针对每轮优化，确定该轮优化中的待优化识别结果，并确定所述待优化识别结果中包含的每个概率值和在所述更新后识别结果中包含的各概率值中对应的概率值的积，作为所述待优化识别结果中包含的每个概率值对应的第一优化参数；以及确定所述待优化识别结果中包含的每个概率值和在所述更新后识别结果中包含的各概率值中的每个其他概率值的积，作为各第二优化参数；根据所述待优化识别结果中包含的每个概率值对应的第一优化参数，以及各第二优化参数，对所述待优化识别结果中包含的每个概率值进行优化，得到该轮优化后的识别结果，所述概率值是指所述待识别语音数据属于每种情感类别的概率值，所述待优化识别结果是将所述更新后识别结果作为第一轮优化的待优化识别结果优化至上一轮后得到的。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种的方法。
本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所示，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (15)
1.一种情感识别方法，其特征在于，包括：
获取待识别语音数据；
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型对所述待识别语音数据进行识别的识别结果；
针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的所述相似度，确定该识别结果对应的权重；
根据每个识别结果对应的权重，对各识别结果进行加权平均，得到更新后识别结果；
通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，根据所述优化后的识别结果，确定出所述待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
2.如权利要求1所述的方法，其特征在于，获取待识别语音数据，具体包括：
获取采集到的原始语音数据；
对所述原始语音数据进行预处理，得到待识别语音数据，所述预处理用于将所述原始语音数据中所包含的干扰语音数据清除，所述干扰语音数据包括：环境噪音、静音片段中的至少一种。
3.如权利要求1所述的方法，其特征在于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出所述待识别语音数据对应的识别结果，具体包括：
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，作为所述待识别语音数据对应的识别结果。
4.如权利要求1所述的方法，其特征在于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值之前，所述方法还包括：
获取预设的辨识框架，所述辨识框架中包含待识别语音数据对应的各候选情感类别；
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，具体包括：
通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于所述辨识框架中包含的每种候选情感类别的概率值。
5.如权利要求1所述的方法，其特征在于，针对每个识别结果，确定该识别结果中包含的和每个其他识别结果之间的相似度，具体包括：
针对每个识别结果，确定该识别结果与其他识别结果之间的冲突值，所述冲突值用于表征该识别结果与其他识别结果之间的差异程度；
根据所述冲突值，确定该识别结果与其他识别结果之间的相似度。
6.如权利要求5所述的方法，其特征在于，针对每个识别结果，确定该识别结果与其他识别结果之间的冲突值，具体包括：
针对每个识别结果，确定该识别结果与其他识别结果之间的相似性度量矩阵；
根据所述相似性度量矩阵，确定该识别结果与其他识别结果之间的冲突值。
7.如权利要求1所述的方法，其特征在于，根据确定出的所述相似度，确定该识别结果对应的权重，具体包括：
根据该识别结果与每个其他识别结果之间的相似度，以及所有识别结果中的每两个识别结果之间的相似度，确定该识别结果对应的可信度；
根据该识别结果对应的可信度，确定该识别结果对应的权重。
8.如权利要求7所述的方法，其特征在于，根据该识别结果对应的可信度，确定该识别结果对应的权重，具体包括：
根据该识别结果对应的可信度以及每个识别结果对应的可信度，确定该识别结果对应的权重。
9.如权利要求1所述的方法，其特征在于，通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，具体包括：
通过预设的优化规则，对所述更新后识别结果进行若干轮优化，得到优化后的识别结果；其中
针对每轮优化，确定该轮优化中的待优化识别结果，并确定所述待优化识别结果中包含的每个概率值和在所述更新后识别结果中包含的各概率值中对应的概率值的积，作为所述待优化识别结果中包含的每个概率值对应的第一优化参数；以及
确定所述待优化识别结果中包含的每个概率值和在所述更新后识别结果中包含的各概率值中的每个其他概率值的积，作为各第二优化参数；
根据所述待优化识别结果中包含的每个概率值对应的第一优化参数，以及各第二优化参数，对所述待优化识别结果中包含的每个概率值进行优化，得到该轮优化后的识别结果，所述概率值是指所述待识别语音数据属于每种情感类别的概率值，所述待优化识别结果是将所述更新后识别结果作为第一轮优化的待优化识别结果优化至上一轮后得到的。
10.一种情感识别装置，其特征在于，包括：
获取模块，用于获取待识别语音数据；
识别模块，用于通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型对所述待识别语音数据进行识别的识别结果；
确定模块，用于针对每个识别结果，确定该识别结果和每个其他识别结果之间的相似度，并根据确定出的所述相似度，确定该识别结果对应的权重；
融合模块，用于根据每个识别结果对应的权重，对各识别结果进行加权平均，得到更新后识别结果；
优化模块，用于通过预设的优化规则，对所述更新后识别结果进行优化，得到优化后的识别结果，根据所述优化后的识别结果，确定出所述待识别语音数据对应的情感类别，并根据确定出的待识别语音数据对应的情感类别，进行任务执行。
11.如权利要求10所述的装置，其特征在于，所述获取模块具体用于，获取采集到的原始语音数据；对所述原始语音数据进行预处理，得到待识别语音数据，所述预处理用于将所述原始语音数据中所包含的干扰语音数据清除，所述干扰语音数据包括：环境噪音、静音片段中的至少一种。
12.如权利要求10所述的装置，其特征在于，所述识别模块具体用于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于每种情感类别的概率值，作为所述待识别语音数据对应的识别结果。
13.如权利要求10所述的装置，其特征在于，所述获取模块具体用于，获取预设的辨识框架，所述辨识框架中包含待识别语音数据对应的各候选情感类别；
所述识别模块具体用于，通过预设的各识别模型，对所述待识别语音数据对应的情感类别进行识别，得到各识别模型识别出的所述待识别语音数据属于所述辨识框架中包含的每种候选情感类别的概率值。
14.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
15.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310140971.5A CN115862675B (zh) | 2023-02-10 | 2023-02-10 | 一种情感识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310140971.5A CN115862675B (zh) | 2023-02-10 | 2023-02-10 | 一种情感识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115862675A true CN115862675A (zh) | 2023-03-28 |
| CN115862675B CN115862675B (zh) | 2023-05-05 |
Family
ID=85658545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310140971.5A Active CN115862675B (zh) | 2023-02-10 | 2023-02-10 | 一种情感识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115862675B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008204193A (ja) * | 2007-02-20 | 2008-09-04 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ検索・推薦方法、コンテンツ検索・推薦装置およびコンテンツ検索・推薦プログラム |
| CN106297826A (zh) * | 2016-08-18 | 2017-01-04 | 竹间智能科技（上海）有限公司 | 语音情感辨识系统及方法 |
| US20170270922A1 (en) * | 2015-11-18 | 2017-09-21 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Smart home control method based on emotion recognition and the system thereof |
| CN109003624A (zh) * | 2018-06-29 | 2018-12-14 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
| US20200302953A1 (en) * | 2017-11-12 | 2020-09-24 | Nippon Telegraph And Telephone Corporation | Label generation device, model learning device, emotion recognition apparatus, methods therefor, program, and recording medium |
| US20210074261A1 (en) * | 2019-09-06 | 2021-03-11 | Lg Electronics Inc. | Method for synthesized speech generation using emotion information correction and apparatus |
| US20220383880A1 (en) * | 2020-02-25 | 2022-12-01 | Panasonic Intellectual Property Corporation Of America | Speaker identification apparatus, speaker identification method, and recording medium |
-
2023
- 2023-02-10 CN CN202310140971.5A patent/CN115862675B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008204193A (ja) * | 2007-02-20 | 2008-09-04 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ検索・推薦方法、コンテンツ検索・推薦装置およびコンテンツ検索・推薦プログラム |
| US20170270922A1 (en) * | 2015-11-18 | 2017-09-21 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Smart home control method based on emotion recognition and the system thereof |
| CN106297826A (zh) * | 2016-08-18 | 2017-01-04 | 竹间智能科技（上海）有限公司 | 语音情感辨识系统及方法 |
| US20200302953A1 (en) * | 2017-11-12 | 2020-09-24 | Nippon Telegraph And Telephone Corporation | Label generation device, model learning device, emotion recognition apparatus, methods therefor, program, and recording medium |
| CN109003624A (zh) * | 2018-06-29 | 2018-12-14 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
| US20210074261A1 (en) * | 2019-09-06 | 2021-03-11 | Lg Electronics Inc. | Method for synthesized speech generation using emotion information correction and apparatus |
| US20220383880A1 (en) * | 2020-02-25 | 2022-12-01 | Panasonic Intellectual Property Corporation Of America | Speaker identification apparatus, speaker identification method, and recording medium |
Non-Patent Citations (2)
| Title |
|---|
| SUNG-LIN YEH ET AL.: "A Dialogical Emotion Decoder for Speech Emotion Recognition in Spoken Dialog", ICASSP 2020 - 2020 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP) * |
| 李太豪等: "情感计算：让机器拥有"情商"", 张江科技评论 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115862675B (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115203394A (zh) | 一种模型训练的方法、业务执行的方法及装置 | |
| CN115828162B (zh) | 一种分类模型训练的方法、装置、存储介质及电子设备 | |
| CN110414572B (zh) | 一种图像识别的方法及装置 | |
| CN116343314A (zh) | 一种表情识别方法、装置、存储介质及电子设备 | |
| CN116578877B (zh) | 一种模型训练及二次优化打标的风险识别的方法及装置 | |
| CN116186330B (zh) | 一种基于多模态学习的视频去重方法及装置 | |
| CN116308738B (zh) | 一种模型训练的方法、业务风控的方法及装置 | |
| CN115545572B (zh) | 一种业务风控的方法、装置、设备及存储介质 | |
| CN116757278A (zh) | 一种预测模型的训练方法、装置、存储介质及电子设备 | |
| CN114676257A (zh) | 一种对话主题确定方法及装置 | |
| CN115862675B (zh) | 一种情感识别方法、装置、设备及存储介质 | |
| CN109325127B (zh) | 一种风险识别方法和装置 | |
| CN111539520A (zh) | 增强深度学习模型鲁棒性的方法及装置 | |
| CN116434787B (zh) | 一种语音情感识别的方法、装置、存储介质及电子设备 | |
| CN111598092A (zh) | 图像中目标区域的确定方法、目标识别方法及装置 | |
| CN111539962A (zh) | 一种目标图像分类方法、装置以及介质 | |
| CN115423485B (zh) | 数据处理方法、装置及设备 | |
| CN116384515B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN112115952B (zh) | 一种基于全卷积神经网络的图像分类方法、设备及介质 | |
| CN114861665B (zh) | 一种强化学习模型训练以及确定数据关系的方法及装置 | |
| CN116070916B (zh) | 数据处理方法、装置及设备 | |
| CN114792256B (zh) | 基于模型选择的人群扩量方法及装置 | |
| CN111461352B (zh) | 模型训练、业务节点识别方法、装置及电子设备 | |
| CN115545938B (zh) | 一种执行风险识别业务的方法、装置、存储介质及设备 | |
| CN115017915A (zh) | 一种模型训练、任务执行的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |