CN116543798A - 基于多分类器的情感识别方法和装置、电子设备、介质 - Google Patents
基于多分类器的情感识别方法和装置、电子设备、介质 Download PDFInfo
- Publication number
- CN116543798A CN116543798A CN202310722561.1A CN202310722561A CN116543798A CN 116543798 A CN116543798 A CN 116543798A CN 202310722561 A CN202310722561 A CN 202310722561A CN 116543798 A CN116543798 A CN 116543798A
- Authority
- CN
- China
- Prior art keywords
- classifier
- tag
- data set
- training
- target
- 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.)
- Pending
Links
- 230000008909 emotion recognition Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012549 training Methods 0.000 claims abstract description 129
- 230000008451 emotion Effects 0.000 claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000012795 verification Methods 0.000 claims description 74
- 230000002452 interceptive effect Effects 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000004891 communication Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000003058 natural language processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 230000036506 anxiety Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种基于多分类器的情感识别方法和装置、电子设备、介质,属于人工智能和金融科技技术领域。该方法包括:获取不带标签的第一语音数据集和带有原始标签的第二语音数据集,根据第一语音数据集对第一、二、三分类器进行预测得到第一、二、三预测标签,根据第一、二、三预测标签、原始标签构建目标标签数据,根据目标标签数据和第一语音数据集构建训练语音数据集,根据训练语音数据集对第一、二、三分类器进行训练,根据第二语音数据集对第一、二、三初步分类器进行分类器筛选,得到分类能力最强的目标分类器,将目标语音数据输入至目标分类器进行情感识别得到的目标情感类别更加准确。本申请实施例能够提高情感识别的准确率。
Description
技术领域
本申请涉及人工智能和金融科技技术领域,尤其涉及一种基于多分类器的情感识别方法和装置、电子设备、介质。
背景技术
语音情感识别(Speech emotion recognition,SER):语音情感识别是一种用于自动识别出说话人的情感状态的技术;语音情感识别广泛应用于语音情感识别技术,在银行系统、保险系统、呼叫中心、社交机器人和医疗保健等领域。传统的语音情感识别方法主要基于深度学习,提取音频中的频谱,并根据提取到的频谱进行特征提取,以根据提取到的特征进行情感识别。目前,用于深度学习的语音情感识别的数据集相比于计算机视觉和自然领域处理等领域较少,且在实际应用中,同样的一句话在不同场景下所表达的情感并不是恒定不变的;当前通过给一句话标赋予一个或多个标签的方式识别情感,其准确率不高。因此,如何提高情感识别的准确率,成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种基于多分类器的情感识别方法和装置、电子设备、介质,旨在提高情感识别的准确率。
为实现上述目的,本申请实施例的第一方面提出了一种基于多分类器的情感识别方法,所述方法包括:
获取样本语音数据;其中,所述样本语音数据包括不带标签的第一语音数据集和带有原始标签的第二语音数据集;
根据所述第一语音数据集对第一分类器进行预测得到第一预测标签,根据所述第一语音数据集对第二分类器进行预测得到第二预测标签,根据所述第一语音数据集对第三分类器进行预测得到第三预测标签;
根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据;
根据所述目标标签数据和所述第一语音数据集构建训练语音数据集;
根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器;
根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到目标分类器;
将获取到的目标语音数据输入至所述目标分类器进行情感识别,得到目标情感类别。
在一些实施例,所述根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据,包括:
获取所述原始标签的维度,得到标签维度;
根据所述第一预测标签、所述第二预测标签、所述第三预测标签计算标签概率,得到交互标签;
根据所述交互标签和所述标签维度构建所述目标标签数据。
在一些实施例,所述根据所述交互标签和所述标签维度构建所述目标标签数据,包括:
根据所述交互标签获取标签类别的数量,得到标签类别量;
比对所述标签类别量和所述标签维度;
若所述标签类别量和所述标签维度相等,则将所述交互标签作为所述目标标签数据;
若所述标签类别量小于所述标签维度,则根据所述交互标签和预设数量的原始标签构建所述目标标签数据;其中所述预设数量等于所述标签维度和所述标签类别量之间的差值。
在一些实施例,所述根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到目标分类器,包括:
所述根据所述第二语音数据集对所述第一初步分类器进行验证,得到第一验证标签;
所述根据所述第二语音数据集对所述第二初步分类器进行验证,得到第二验证标签;
所述根据所述第二语音数据集对所述第三初步分类器进行验证,得到第三验证标签;
从所述第一验证标签、所述第二验证标签、所述第三验证标签筛选出目标验证标签;
根据所述目标验证标签从所述第一初步分类器、所述第二初步分类器、所述第三初步分类器筛选出所述目标分类器。
在一些实施例,所述从所述第一验证标签、所述第二验证标签、所述第三验证标签筛选出目标验证标签,包括:
获取所述第一验证标签的准确度得到第一准确数据,获取所述第二验证标签的准确度得到第二准确数据,获取所述第三验证标签的准确度得到第三准确数据;
从所述第一准确数据、所述第二准确数据、所述第三准确数据中筛选一个数据作为目标准确数据;
根据所述目标准确数据从所述第一验证标签、所述第二验证标签、所述第三验证标签中筛选一个验证标签作为所述目标验证标签。
在一些实施例,所述样本语音数据还包括带有所述原始标签的第三语音数据集,所述方法还包括:根据所述第三语音数据集对预设数量的原始分类器进行训练,具体包括:
获取所述第三语音数据集的样本数量,得到初步样本参数;
将所述第三语音数据集输入至所述原始分类器进行预测,得到原始输出;
根据所述原始标签、所述初步样本参数、所述原始输出构建交叉熵损失数据;
根据所述交叉熵损失数据对所述预设数量的原始分类器进行训练,得到所述第一分类器、所述第二分类器、所述第三分类器。
在一些实施例,所述根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器,包括:
获取所述训练语音数据集的样本数量,得到训练样本参数;
将所述训练语音数据集输入至所述第一分类器进行预测得到第一预测数据,将所述训练语音数据集输入至所述第二分类器进行预测得到第二预测数据,将所述训练语音数据集输入至所述第三分类器进行预测得到第三预测数据;
根据所述目标标签数据、所述训练样本参数、所述第一预测数据、所述第二预测数据、所述第三预测数据构建相对熵损失数据;
根据所述相对熵损失数据对所述第一分类器进行训练得到所述第一初步分类器,根据所述相对熵损失数据对所述第二分类器进行训练得到所述第二初步分类器,根据所述相对熵损失数据对所述第三分类器进行训练得到所述第三初步分类器。
为实现上述目的,本申请实施例的第二方面提出了一种基于多分类器的情感识别装置,所述装置包括:
样本语音数据获取模块,用于获取样本语音数据;其中,所述样本语音数据包括不带标签的第一语音数据集和带有原始标签的第二语音数据集;
第一分类器训练模块,用于:根据所述第一语音数据集对第一分类器进行预测得到第一预测标签,根据所述第一语音数据集对第二分类器进行预测得到第二预测标签,根据所述第一语音数据集对第三分类器进行预测得到第三预测标签;
目标标签构建模块,用于根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据;
训练数据集构建模块,用于根据所述目标标签数据和所述第一语音数据集构建训练语音数据集;
第二分类器训练模块,用于:根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器;
分类器筛选模块,用于根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到目标分类器;
情感识别模块,用于将获取到的目标语音数据输入至所述目标分类器进行情感识别,得到目标情感类别。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为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第一方面所述的方法。
本申请提出的基于多分类器的情感识别方法和装置、电子设备、介质,其通过获取不带标签的第一语音数据集和带有原始标签的第二语音数据集,并根据所述第一语音数据集对第一分类器进行预测得到第一预测标签,根据所述第一语音数据集对第二分类器进行预测得到第二预测标签,根据所述第一语音数据集对第三分类器进行预测得到第三预测标签,从而可以根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据,并根据所述目标标签数据和所述第一语音数据集构建训练语音数据集,以根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器,再根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到分类能力较强的目标分类器,从而将获取到的目标语音数据输入至所述目标分类器进行情感识别得到目标情感类别,从而可以提高情感识别的准确率。
附图说明
图1是本申请实施例提供的基于多分类器的情感识别方法的流程图;
图2是本申请实施例提供的基于多分类器的情感识别方法的另一流程图;
图3是图1中的步骤103的流程图;
图4是图3中的步骤303的流程图;
图5是图1中的步骤105的流程图;
图6是图1中的步骤106的流程图;
图7是是图6中的步骤604的流程图;
图8是本申请实施例提供的基于多分类器的情感识别装置的结构示意图;
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
首先,对本申请中涉及的若干名词进行解析:
人工智能(artificial intelligence,AI):是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
自然语言处理(natural language processing,NLP):NLP用计算机来处理、理解以及运用人类语言(如中文、英文等),NLP属于人工智能的一个分支,是计算机科学与语言学的交叉学科,又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域,它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。
语音情感识别(SER):语音情感识别是一种用于自动识别出说话人的情感状态的技术;语音情感识别广泛应用于语音情感识别技术,在银行系统、保险系统、呼叫中心、社交机器人和医疗保健等领域。传统的语音情感识别方法主要基于深度学习,提取音频中的频谱,并根据提取到的频谱进行特征提取,以根据提取到的特征进行情感识别。目前,用于深度学习的语音情感识别的数据集相比于计算机视觉和自然领域处理等领域较少,且在实际应用中,同样的一句话在不同场景下所表达的情感并不是恒定不变的;当前通过给一句话标赋予一个或多个标签的方式识别情感,其准确率不高。
基于此,本申请实施例提供了一种基于多分类器的情感识别方法和装置、电子设备、介质,旨在提高情感识别的准确率。
本申请实施例提供的基于多分类器的情感识别方法和装置、电子设备、介质,具体通过如下实施例进行说明,首先描述本申请实施例中的基于多分类器的情感识别方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的基于多分类器的情感识别方法,涉及人工智能技术领域。本申请实施例提供的基于多分类器的情感识别方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现基于多分类器的情感识别方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请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申请,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。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据用户信息、用户语音数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的基于多分类器的情感识别方法的一个可选的流程图,图1中的方法可以包括但不限于包括步骤101至步骤107。
步骤101,获取样本语音数据;其中,样本语音数据包括不带标签的第一语音数据集和带有原始标签的第二语音数据集;
步骤102,根据第一语音数据集对第一分类器进行预测得到第一预测标签,根据第一语音数据集对第二分类器进行预测得到第二预测标签,根据第一语音数据集对第三分类器进行预测得到第三预测标签;
步骤103,根据第一预测标签、第二预测标签、第三预测标签、原始标签构建目标标签数据;
步骤104,根据目标标签数据和第一语音数据集构建训练语音数据集;
步骤105,根据训练语音数据集对第一分类器进行训练得到第一初步分类器,根据训练语音数据集对第二分类器进行训练得到第二初步分类器,根据训练语音数据集对第三分类器进行训练得到第三初步分类器;
步骤106,根据第二语音数据集对第一初步分类器、第二初步分类器、第三初步分类器进行分类器筛选,得到目标分类器;
步骤107,将获取到的目标语音数据输入至目标分类器进行情感识别,得到目标情感类别。
本申请实施例所示意的步骤101至步骤107,通过获取不带标签的第一语音数据集和带有原始标签的第二语音数据集,根据第一语音数据集对第一分类器进行预测得到第一预测标签,根据第一语音数据集对第二分类器进行预测得到第二预测标签,根据第一语音数据集对第三分类器进行预测得到第三预测标签,根据第一预测标签、第二预测标签、第三预测标签、原始标签构建目标标签数据,根据目标标签数据和第一语音数据集构建训练语音数据集,根据训练语音数据集对第一分类器进行训练得到第一初步分类器,根据训练语音数据集对第二分类器进行训练得到第二初步分类器,根据训练语音数据集对第三分类器进行训练得到第三初步分类器,根据第二语音数据集对第一初步分类器、第二初步分类器、第三初步分类器进行分类器筛选,得到的目标分类器是分类能力最强的分类器,将获取到的目标语音数据输入至目标分类器进行情感识别,得到目标情感类别,可以提高情感识别的准确性。
在一些实施例的步骤101中,样本语音数据可以是从现有的语音数据集进行获取,例如IEMOCAP数据,或者CAISA数据等等,语音数据集是带有精确单标签的数据集,其中,IEMOCAP数据,例如可以是10位演员的12小时视听数据,可以包括五种类情感类别:快乐、愤怒、悲伤、沮丧、中性。在金融科技场景,样本语音数据可以是投保人在进行投保咨询的语音数据,也可以是用户咨询理财的语音数据;在医疗领域,样本语音数据还可以是患者问诊时的语音数据。原始标签是精确标签,例如是上述的五类情感类别:快乐、愤怒、悲伤、沮丧、中性的至少一种。样本语音数据的第一语音数据集是不带有情感类别标签的数据集,可以通过对现有带原始标签的数据集抹去标签后得到。样本语音数据的第二语音数据集是带有原始标签的数据集,该原始标签可以用于表示情感类别,例如上述五种情感类别的至少一种:快乐、愤怒、悲伤、沮丧、中性;该原始标签还可以表示其他情感类别,例如焦虑、热情等等,本申请实施例不做限定。
在一些实施例中,样本语音数据还包括带有原始标签的第三语音数据集;请参阅图2,在一些实施例,执行步骤102之前,基于多分类器的情感识别方法还包括:根据第三语音数据集对预设数量的原始分类器进行训练,具体包括但不限于包括步骤201至步骤204:
步骤201,获取第三语音数据集的样本数量,得到初步样本参数;
步骤202,将第三语音数据集输入至原始分类器进行预测,得到原始输出;
步骤203,根据原始标签、初步样本参数、原始输出构建交叉熵损失数据;
步骤204,根据交叉熵损失数据对预设数量的原始分类器进行训练,得到第一分类器、第二分类器、第三分类器。
在一应用场景中,第三语音数据集也是带有精确标签的数据集,第三语音数据集所带有的原始标签可以与第二语音数据集所带有的原始标签相同,第三语音数据集所带有的原始标签可以用于表示前述五种情感类别的至少一种:快乐、愤怒、悲伤、沮丧、中性;第三语音数据集所带有的原始标签还可以表示其他情感类别,例如焦虑、热情等等,本申请实施例不做限定。
在一些实施例,第一语音数据集、第二语音数据集、第三语音数据集的比例可以为1:3:1。
在一些实施例,预设数量至少为三个,本申请实施例以预设数量为三个进行说明,三个原始分类器分别是:第一原始分类器、第二原始分类器、第三原始分类器。其中,第一原始分类器是在AudioSet 60M上预训练的L3 Net,L3 Net是一种可以通过视听对应辅助任务学习embedding的方法,L3 Net可以确定视频图像帧和1s音频片段是否来自同一视频并在时间上重叠。L3 Net的网络架构分为三个部分:第一部分是用于提取视觉特征的视觉子网络,第二部分是用于提取音频特征的音频子网络,第三部分是使用视频音频两种模态预测对应关系的融合层。由于图像和音频对是否匹配,可以从训练数据中自动生成,例如可以通过分别从相同视频或不同视频中获取图像和音频,因此不需要手动标记以训练模型。其中,第二原始分类器是在YouTube-8M上预训练的VGGish模型。AudioSet是一个由200万个人标记的10秒YouTube视频音轨组成的数据集,其标签来自600多个音频事件类的本体,在大量的YouTube数据集上训练得到VGGish模型,生成128维的embedding。其中,第三原始分类器是在LibriSpeech上预训练的wav2vec 2.0,wav2vec 2.0可以使用大量无标注数据进行无监督学习。
在一些实施例的步骤201,获取第三语音数据集的样本数量得到的目标样本参数可以表示为m。
在一些实施例的步骤202,原始输出可以表示为以三个原始分类器为为例进行说明,则得到的原始输出也为三个,分别是:第一原始输出、第二原始输出、第三原始输出。
在一些实施例的步骤203,根据原始标签、初步样本参数、原始输出构建的交叉熵损失数据为交叉熵损失函数,如下式(1)所示:
其中,m表示第三语音数据集的样本数量,即初步样本参数;j表示第三语音数据集的样本的序号,例如j=2表示第三语音数据集的第2个样本;i是原始分类器的序号,例如i=1表示第一原始分类器,i=2表示第二原始分类器,i=3表示第三原始分类器;yj是原始标签,表示对应原始分类器的输出,例如,/>表示第一原始分类器的输出,/>表示第三语音数据集的第2个样本输入到第一原始分类器产生的输出,/>表示第二原始分类器的输出,/>表示第三语音数据集的第2个样本输入到第二原始分类器产生的输出,/>表示第三原始分类器的输出,/>表示第三语音数据集的第3个样本输入到第三原始分类器产生的输出。
在一些实施例的步骤204,根据交叉熵损失数据对第一原始分类器、第二原始分类器、第三原始分类器进行训练,直到交叉熵损失函数收敛,得到第一分类器、第二分类器、第三分类器。
在一些实施例的步骤102中,根据不带标签的第一语音数据集对第一分类器进行预测并进行投票得到第一预测标签,对第二分类器进行预测并进行投票得到第二预测标签,对第三分类器进行预测并进行投票得到第三预测标签。在一应用场景,原始标签为:快乐、平静、悲伤、愤怒;得到的第一预测标签为快乐,得到的第二预测标签为快乐,得到的第三预测标签为平静。则根据步骤103得到的目标标签数据表示为(2/3,1/3,0,0),具体地,请参对步骤103的详细说明。
请参阅图3,在一些实施例,步骤103可以包括但不限于包括步骤301至步骤303:
步骤301,获取原始标签的维度,得到标签维度;
步骤302,根据第一预测标签、第二预测标签、第三预测标签计算标签概率,得到交互标签;
步骤303,根据交互标签和标签维度构建目标标签数据。
在一些实施例的步骤301中,以原始标签为:快乐、平静、悲伤、愤怒,为例进行说明,则原始标签的维度为四维,即标签维度为四维。
在一些实施例的步骤302中,以上述步骤102中“第一预测标签为快乐、第二预测标签为快乐、第三预测标签为平静”为例进行说明,由于第一预测标签和第二预测标签均为快乐,则标签为“快乐”的频数为2,由于第三预测标签为平静,则标签为“平静”的频数为1,所有预测标签的总频数为2+1=3,则计算“快乐”的标签概率为2/3,则计算“平静”的标签概率为1/3,得到的交互标签为2/3(表示快乐)、1/3(表示平静)。根据步骤303得到的目标标签数据为模糊标签。
请参阅图4,在一些实施例,步骤303可以包括但不限于包括步骤401至步骤404:
步骤401,根据交互标签获取标签类别的数量,得到标签类别量;
步骤402,比对标签类别量和标签维度;
步骤403,若标签类别量和标签维度相等,则将交互标签作为目标标签数据;
步骤404,若标签类别量小于标签维度,则根据交互标签和预设数量的原始标签构建目标标签数据;其中预设数量等于标签维度和标签类别量之间的差值。
在一些实施例的步骤401,结合上述步骤301至步骤302的示例,标签类别量2,标签维度为4。步骤402中,比对标签类别量2和标签维度4,由于标签类别量2小于标签维度4,因此执行步骤104,预设数量=标签维度4-标签类别量2=2,交互标签中只涉及到“快乐”和“平静”,相比于原始标签“快乐、平静、悲伤、愤怒”,少了2个标签:悲伤、愤怒,则根据0进行填充,得到的目标标签数据表示为(2/3,1/3,0,0),该目标标签数据为模糊标签。在其他的实施例,若原始标签“快乐、平静、悲伤”(即标签维度为3),第一预测标签为快乐、第二预测标签为悲伤、第三预测标签为平静,则标签类别量和标签维度相等,执行步骤403,得到的目标标签数据为(1/3,1/3,1/3)。
在另一应用场景,原始标签为:快乐、平静、悲伤、愤怒;得到的第一预测标签为快乐,得到的第二预测标签为悲伤,得到的第三预测标签为平静。则根据步骤103得到的目标标签数据表示为(1/3,1/3,1/3,0),该目标标签数据为模糊标签。在又一应用场景,原始标签为:快乐、平静、悲伤、愤怒;得到的第一预测标签为愤怒,得到的第二预测标签为平静,得到的第三预测标签为悲伤。则根据步骤103得到的目标标签数据表示为(0,1/3,1/3,1/3),该目标标签数据为模糊标签。在一应用场景,目标标签数据可以表示为Y=(ya,yb,yc,yd|ya+yb+yc+yd=1),其中,ya,yb,yc,yd的取值范围为[0,1],ya表示快乐,yb表示平静,yc表示忧伤,yd表示愤怒。
在一些实施例的步骤104,根据目标标签数据和第一语音数据集构建训练语音数据集,得到的训练语音数据集包括第一语音数据集和目标标签数据,即训练语音数据集为在第一语音数据集上加上目标标签数据作为标签而得到。
请参阅图5,在一些实施例的步骤105可以包括但不限于包括步骤501至步骤504:
步骤501,获取训练语音数据集的样本数量,得到训练样本参数;
步骤502,将训练语音数据集输入至第一分类器进行预测得到第一预测数据,将训练语音数据集输入至第二分类器进行预测得到第二预测数据,将训练语音数据集输入至第三分类器进行预测得到第三预测数据;
步骤503,根据目标标签数据、训练样本参数、第一预测数据、第二预测数据、第三预测数据构建相对熵损失数据;
步骤504,根据相对熵损失数据对第一分类器进行训练得到第一初步分类器,根据相对熵损失数据对第二分类器进行训练得到第二初步分类器,根据相对熵损失数据对第三分类器进行训练得到第三初步分类器。
在一些实施例的步骤501,获取训练语音数据集的样本数量得到的训练样本参数可以表示为n。
在一些实施例的步骤502,第一预测数据、第二预测数据、第三预测数据可以表示为
在一些实施例的步骤503,目标标签数据是训练语音数据集的标签数据,根据目标标签数据、训练样本参数、第一预测数据、第二预测数据、第三预测数据构建的相对熵损失数据为相对熵损失函数,即为KL散度,如下式(2)所示:
其中,n表示第二语音数据集的样本数量;b表示第二语音数据集的样本的序号,例如b=1表示第二语音数据集的第1个样本;a是初步分类器的序号,例如a=1表示第一初步分类器,a=2表示第二初步分类器,a=3表示第三初步分类器;表示交互标签,/>表示对应初步分类器的输出,例如,/>表示第一初步分类器的输出,/>表示第二语音数据集的第1个样本输入到第一初步分类器产生的输出,/>表示第二初步分类器的输出,/>表示第二语音数据集的第1个样本输入到第二初步分类器产生的输出,/>表示第三初步分类器的输出,/>表示第二语音数据集的第1个样本输入到第三初步分类器产生的输出。
在一些实施例的步骤504,根据相对熵损失函数对第一分类器进行训练得到第一初步分类器,根据相对熵损失函数对第二分类器进行训练得到第二初步分类器,根据相对熵损失函数对第三分类器进行训练得到第三初步分类器。
通过步骤501至步骤504,模仿人的交互,以对第一分类器、第二分类器、第三分类器进行训练。
请参阅图6,在一些实施例,步骤106可以包括但不限于包括步骤601至步骤605:
步骤601,根据第二语音数据集对第一初步分类器进行验证,得到第一验证标签;
步骤602,根据第二语音数据集对第二初步分类器进行验证,得到第二验证标签;
步骤603,根据第二语音数据集对第三初步分类器进行验证,得到第三验证标签;
步骤604,从第一验证标签、第二验证标签、第三验证标签筛选出目标验证标签;
步骤605,根据目标验证标签从第一初步分类器、第二初步分类器、第三初步分类器筛选出目标分类器。
在一些实施例的步骤601,第二语音数据集用于对第一初步分类器进行验证,具体地,将第二语音数据集输入至第一初步分类器进行预测,第一初步分类器输出第一验证标签。
在一些实施例的步骤602,第二语音数据集用于对第二初步分类器进行验证,具体地,将第二语音数据集输入至第二初步分类器进行预测,第二初步分类器输出第一验证标签。
在一些实施例的步骤603,第二语音数据集用于对第三初步分类器进行验证,具体地,将第二语音数据集输入至第三初步分类器进行预测,第三初步分类器输出第一验证标签。
在一些实施例的步骤604,从第一验证标签、第二验证标签、第三验证标签中筛选出一个验证标签作为目标验证标签,目标验证标签所对应的初步分类器是三个初步分类器中分类能力最强的分类器。
在一些实施例的步骤605,根据目标验证标签从第一初步分类器、第二初步分类器、第三初步分类器筛选出一个初步分类器作为目标分类器,具体地,目标验证标签所对应的初步分类器作为目标分类器。
本申请实施例,首先通过第三语音数据集对第一原始分类器进行训练得到第一分类器,再通过训练语音数据集对第一分类器进行训练得到第一初步分类器;同理,首先通过第三语音数据集对第二原始分类器进行训练得到第二分类器,再通过训练语音数据集对第二分类器进行训练得到第二初步分类器;同理,首先通过第三语音数据集对第三原始分类器进行训练得到第三分类器,再通过训练语音数据集对第三分类器进行训练得到第三初步分类器;然后根据第二语音数据集分别对第一初步分类器、第二初步分类器、第三初步分类器进行验证,根据验证结果筛选出目标分类器,该目标分类器是三个分类器中分类能力最强的分类器。相比于传统从多个分类器的输出结果取均值的方式,本申请实施例,可以提高情感识别的准确性。
根据最优交互理论可知,群体很少会超过其最佳成员,因此,本申请实施例中不采用3个分类器输出均值的方式,而是选择分类能力最强的分类器作为目标分类器,从而可以提高情感识别的准确性。
请参阅图7,在一些实施例,步骤604可以包括但不限于包括步骤701至703:
步骤701,获取第一验证标签的准确度得到第一准确数据,获取第二验证标签的准确度得到第二准确数据,获取第三验证标签的准确度得到第三准确数据;
步骤702,从第一准确数据、第二准确数据、第三准确数据中筛选一个数据作为目标准确数据;
步骤703,根据目标准确数据从第一验证标签、第二验证标签、第三验证标签中筛选一个验证标签作为目标验证标签。
在一些实施例的步骤701,将第一验证标签与实际的标签进行比对以判断第一验证标签的准确度,得到第一准确数据;同理,将第一验证标签与实际的标签进行比对以判断第二验证标签的准确度,得到第二准确数据,并将第三验证标签与实际的标签进行比对以判断第三验证标签的准确度,得到第三准确数据。第一准确数据可以用于表示第一初步分类器对于情感识别的准确性,第二准确数据可以用于表示第二初步分类器对于情感识别的准确性,第三准确数据可以用于表示第三初步分类器对于情感识别的准确性。
在一些实施例的步骤702,从第一准确数据、第二准确数据、第三准确数据中筛选一个数据作为目标准确数据,该目标准确数据代表了三个准确数据中准确性最高的数据。
在一些实施例的步骤703,根据目标准确数据从第一验证标签、第二验证标签、第三验证标签中筛选一个验证标签作为目标验证标签,即选择目标准确数据所对应的验证标签作为目标验证标签,从而目标验证标签所对应的初步分类器是三个初步分类器中分类能力最强的分类器。
举例来说,若第一准确数据的准确率高于第二准确数据,第二准确数据的准确率高于第三准确数据签,则说明第一准确数据的准确率最高,则第一准确数据对应的第一验证标签作为目标验证标签,用于输出第一验证标签的第一初步分类器作为目标分类器。
步骤107,将获取到的目标语音数据输入至目标分类器进行情感识别,目标分类器根据目标语音数据进行情感分类,得到目标情感标签,该目标情感标签即为目标情感类别。例如,目标语音数据输入至目标分类器进行情感识别后得到的目标情感标签为快乐。
情感是人重要的状态,正确识别情感可以大幅度提高人机交互的用户体验,例如,在金融场景中,智能语音客服可以根据客户的情感状态,来更改等待音乐,或升级客服服务;又如,智能家具可以根据住户的情感状态调节背景音乐,甚至直接提供情绪价值;又如,在保险销售或者理财销售过程中,了解用户对保险产品或者理财产品的满意度,可以帮助平台制定更好的销售策略;在医疗场景中,智能问诊系统可以根据患者的情感状态,对患者进行相应的问诊应答,可以提高患者的就诊体验;又如,在影视行业,了解观众对节目的喜怒哀乐,能帮助制定更精彩的剧情以及安排特定节目的上线时间等等。在人机对话中,掌握人的情感状态可以帮助智能机器人做出恰当的回复,并适时地表达安抚和谅解,提升用户体验。
实际应用中,常用的语音情感数据集例如IEMOCAP,CAISA等,其标签为精确的单标签,例如,[0,1,2,3]分别代表高兴、愤怒、悲伤、平静。目前没有相应的模糊标签,但是真实世界中,情感之间总有一些模糊数据,在一些场景下,情感是复杂的,例如既有快乐又有忧伤。通过本申请实施例提供的技术方案,可以获得模糊标签,例如目标标签数据(2/3,1/3,0,0)。
受最佳交互理论的启发,具有相似认知能力的人在互动过程中表现更好,多个个体可以通过相互共享信息来提高个体性能。本申请实施例,提出一种基于多分类器交互学习的方法来提高情感识别的准确性。使用N个不同的分类器来模仿N个对模糊情感认知不一致的个体,并构建新的软标签(情感的概率分布),例如目标标签数据(2/3,1/3,0,0),然后用该新的软标签(目标标签数据)重新训练,以与其他的分类器进行认知互动。这一过程使每个分类器能够从其他分类器学习模糊数据更好的表示,并进一步提高情感识别的能力。
请参阅图8,本申请实施例还提供一种基于多分类器的情感识别装置,可以实现上述基于多分类器的情感识别方法,该装置包括:
样本语音数据获取模块,用于获取样本语音数据;其中,样本语音数据包括不带标签的第一语音数据集和带有原始标签的第二语音数据集;
第一分类器训练模块,用于:根据第一语音数据集对第一分类器进行预测得到第一预测标签,根据第一语音数据集对第二分类器进行预测得到第二预测标签,根据第一语音数据集对第三分类器进行预测得到第三预测标签;
目标标签构建模块,用于根据第一预测标签、第二预测标签、第三预测标签、原始标签构建目标标签数据;
训练数据集构建模块,用于根据目标标签数据和第一语音数据集构建训练语音数据集;
第二分类器训练模块,用于:根据训练语音数据集对第一分类器进行训练得到第一初步分类器,根据训练语音数据集对第二分类器进行训练得到第二初步分类器,根据训练语音数据集对第三分类器进行训练得到第三初步分类器;
分类器筛选模块,用于根据第二语音数据集对第一初步分类器、第二初步分类器、第三初步分类器进行分类器筛选,得到目标分类器;
情感识别模块,用于将获取到的目标语音数据输入至目标分类器进行情感识别,得到目标情感类别。
该情感识别装置的具体实施方式与上述基于多分类器的情感识别方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述基于多分类器的情感识别方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9,图9示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器801,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器802,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器802可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器802中,并由处理器801来调用执行本申请实施例的基于多分类器的情感识别方法;
输入/输出接口803,用于实现信息输入及输出;
通信接口804,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线805,在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通信接口804)之间传输信息;
其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,该存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述基于多分类器的情感识别方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的基于多分类器的情感识别方法和装置、电子设备、介质,其通过获取不带标签的第一语音数据集和带有原始标签的第二语音数据集,并根据第一语音数据集对第一分类器进行预测得到第一预测标签,根据第一语音数据集对第二分类器进行预测得到第二预测标签,根据第一语音数据集对第三分类器进行预测得到第三预测标签,从而可以根据第一预测标签、第二预测标签、第三预测标签、原始标签构建目标标签数据,并根据目标标签数据和第一语音数据集构建训练语音数据集,以根据训练语音数据集对第一分类器进行训练得到第一初步分类器,根据训练语音数据集对第二分类器进行训练得到第二初步分类器,根据训练语音数据集对第三分类器进行训练得到第三初步分类器,再根据第二语音数据集对第一初步分类器、第二初步分类器、第三初步分类器进行分类器筛选,得到分类能力最强的目标分类器,从而将获取到的目标语音数据输入至目标分类器进行情感识别得到目标情感类别,从而可以提高情感识别的准确率。本申请实施例基于多分类器交互学习来提高情感识别的准确性。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种基于多分类器的情感识别方法,其特征在于,所述方法包括:
获取样本语音数据;其中,所述样本语音数据包括不带标签的第一语音数据集和带有原始标签的第二语音数据集;
根据所述第一语音数据集对第一分类器进行预测得到第一预测标签,根据所述第一语音数据集对第二分类器进行预测得到第二预测标签,根据所述第一语音数据集对第三分类器进行预测得到第三预测标签;
根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据;
根据所述目标标签数据和所述第一语音数据集构建训练语音数据集;
根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器;
根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到目标分类器;
将获取到的目标语音数据输入至所述目标分类器进行情感识别,得到目标情感类别。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据,包括:
获取所述原始标签的维度,得到标签维度;
根据所述第一预测标签、所述第二预测标签、所述第三预测标签计算标签概率,得到交互标签;
根据所述交互标签和所述标签维度构建所述目标标签数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述交互标签和所述标签维度构建所述目标标签数据,包括:
根据所述交互标签获取标签类别的数量,得到标签类别量;
比对所述标签类别量和所述标签维度;
若所述标签类别量和所述标签维度相等,则将所述交互标签作为所述目标标签数据;
若所述标签类别量小于所述标签维度,则根据所述交互标签和预设数量的原始标签构建所述目标标签数据;其中所述预设数量等于所述标签维度和所述标签类别量之间的差值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到目标分类器,包括:
所述根据所述第二语音数据集对所述第一初步分类器进行验证,得到第一验证标签;
所述根据所述第二语音数据集对所述第二初步分类器进行验证,得到第二验证标签;
所述根据所述第二语音数据集对所述第三初步分类器进行验证,得到第三验证标签;
从所述第一验证标签、所述第二验证标签、所述第三验证标签筛选出目标验证标签;
根据所述目标验证标签从所述第一初步分类器、所述第二初步分类器、所述第三初步分类器筛选出所述目标分类器。
5.根据权利要求4所述的方法,其特征在于,所述从所述第一验证标签、所述第二验证标签、所述第三验证标签筛选出目标验证标签,包括:
获取所述第一验证标签的准确度得到第一准确数据,获取所述第二验证标签的准确度得到第二准确数据,获取所述第三验证标签的准确度得到第三准确数据;
从所述第一准确数据、所述第二准确数据、所述第三准确数据中筛选一个数据作为目标准确数据;
根据所述目标准确数据从所述第一验证标签、所述第二验证标签、所述第三验证标签中筛选一个验证标签作为所述目标验证标签。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述样本语音数据还包括带有所述原始标签的第三语音数据集,所述方法还包括:根据所述第三语音数据集对预设数量的原始分类器进行训练,具体包括:
获取所述第三语音数据集的样本数量,得到初步样本参数;
将所述第三语音数据集输入至所述原始分类器进行预测,得到原始输出;
根据所述原始标签、所述初步样本参数、所述原始输出构建交叉熵损失数据;
根据所述交叉熵损失数据对所述预设数量的原始分类器进行训练,得到所述第一分类器、所述第二分类器、所述第三分类器。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器,包括:
获取所述训练语音数据集的样本数量,得到训练样本参数;
将所述训练语音数据集输入至所述第一分类器进行预测得到第一预测数据,将所述训练语音数据集输入至所述第二分类器进行预测得到第二预测数据,将所述训练语音数据集输入至所述第三分类器进行预测得到第三预测数据;
根据所述目标标签数据、所述训练样本参数、所述第一预测数据、所述第二预测数据、所述第三预测数据构建相对熵损失数据;
根据所述相对熵损失数据对所述第一分类器进行训练得到所述第一初步分类器,根据所述相对熵损失数据对所述第二分类器进行训练得到所述第二初步分类器,根据所述相对熵损失数据对所述第三分类器进行训练得到所述第三初步分类器。
8.一种基于多分类器的情感识别装置,其特征在于,所述装置包括:
样本语音数据获取模块,用于获取样本语音数据;其中,所述样本语音数据包括不带标签的第一语音数据集和带有原始标签的第二语音数据集;
第一分类器训练模块,用于:根据所述第一语音数据集对第一分类器进行预测得到第一预测标签,根据所述第一语音数据集对第二分类器进行预测得到第二预测标签,根据所述第一语音数据集对第三分类器进行预测得到第三预测标签;
目标标签构建模块,用于根据所述第一预测标签、所述第二预测标签、所述第三预测标签、所述原始标签构建目标标签数据;
训练数据集构建模块,用于根据所述目标标签数据和所述第一语音数据集构建训练语音数据集;
第二分类器训练模块,用于:根据所述训练语音数据集对所述第一分类器进行训练得到第一初步分类器,根据所述训练语音数据集对所述第二分类器进行训练得到第二初步分类器,根据所述训练语音数据集对所述第三分类器进行训练得到第三初步分类器;
分类器筛选模块,用于根据所述第二语音数据集对所述第一初步分类器、所述第二初步分类器、所述第三初步分类器进行分类器筛选,得到目标分类器;
情感识别模块,用于将获取到的目标语音数据输入至所述目标分类器进行情感识别,得到目标情感类别。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722561.1A CN116543798A (zh) | 2023-06-16 | 2023-06-16 | 基于多分类器的情感识别方法和装置、电子设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722561.1A CN116543798A (zh) | 2023-06-16 | 2023-06-16 | 基于多分类器的情感识别方法和装置、电子设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116543798A true CN116543798A (zh) | 2023-08-04 |
Family
ID=87445530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310722561.1A Pending CN116543798A (zh) | 2023-06-16 | 2023-06-16 | 基于多分类器的情感识别方法和装置、电子设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543798A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117727290A (zh) * | 2024-02-18 | 2024-03-19 | 厦门她趣信息技术有限公司 | 一种语音合成方法、装置、设备及可读存储介质 |
-
2023
- 2023-06-16 CN CN202310722561.1A patent/CN116543798A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117727290A (zh) * | 2024-02-18 | 2024-03-19 | 厦门她趣信息技术有限公司 | 一种语音合成方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114298121A (zh) | 基于多模态的文本生成方法、模型训练方法和装置 | |
CN112188311A (zh) | 用于确定新闻的视频素材的方法和装置 | |
CN116680386A (zh) | 基于多轮对话的答案预测方法和装置、设备、存储介质 | |
CN115269781A (zh) | 模态关联度预测方法、装置、设备、存储介质及程序产品 | |
CN116541492A (zh) | 一种数据处理方法及相关设备 | |
CN116543798A (zh) | 基于多分类器的情感识别方法和装置、电子设备、介质 | |
CN112749556B (zh) | 多语言模型的训练方法和装置、存储介质和电子设备 | |
CN113312924A (zh) | 一种基于nlp高精解析标签的风险规则分类方法及装置 | |
CN116701604A (zh) | 问答语料库的构建方法和装置、问答方法、设备及介质 | |
CN117275466A (zh) | 一种业务意图识别方法、装置、设备及其存储介质 | |
CN116721454A (zh) | 微表情识别方法和装置、电子设备及存储介质 | |
CN116597866A (zh) | 情绪识别的方法、装置、设备及存储介质 | |
CN116702736A (zh) | 保险话术生成方法、装置、电子设备及存储介质 | |
CN116741396A (zh) | 文章归类方法和装置、电子设备和存储介质 | |
CN116775875A (zh) | 问题语料库构建方法和装置、问答方法、设备及存储介质 | |
CN116010545A (zh) | 一种数据处理方法、装置及设备 | |
CN115292495A (zh) | 情绪分析方法、装置、电子设备及存储介质 | |
CN115292460A (zh) | 一种话题推荐方法、装置、电子设备及存储介质 | |
CN113722496B (zh) | 一种三元组抽取方法、装置、可读存储介质及电子设备 | |
CN117668758A (zh) | 对话意图识别方法和装置、电子设备及存储介质 | |
CN116628207A (zh) | 文本分类模型的训练方法和装置、电子设备及存储介质 | |
CN116467455A (zh) | 情绪识别方法、情绪识别装置、电子设备及存储介质 | |
CN116204829A (zh) | 一种情绪识别方法、装置、设备及存储介质 | |
CN117853109A (zh) | 一种基于多模态知识图谱的风险预测系统 | |
CN116662605A (zh) | 视频分类方法、视频分类装置、电子设备及存储介质 |
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 |