[發(fā)明專利]基于DIS?NV特征的情感識別方法

在審

• 申請?zhí)枺?/td>: 201710607464.2
• 申請日: 2017-07-24
• 公開（公告）號: CN107316654A
• 公開（公告）日: 2017-11-03
• 發(fā)明（設(shè)計）人: 趙歡;周曉曉;肖宇鋒;陳佐
• 申請（專利權(quán)）人: 湖南大學
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L15/06;G10L15/14;G10L15/08;G10L15/183
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙)43008
• 代理人: 鄒大堅,胡君

技術(shù)領(lǐng)域

本發(fā)明涉及自動情感識別技術(shù)領(lǐng)域，尤其涉及一種基于DIS-NV特征的情感識別方法。

背景技術(shù)

情感識別即是識別對話中的情感信息，以判別說話人的情感狀態(tài)，通過情感的自動識別可以實現(xiàn)更為良好的人機交互，如人機交流、會話代理等。目前情感識別通常都是基于一個類別的處理方法，即認為在大腦中存在幾種基本的比較普遍的情感，如包括：高興、悲傷、驚喜、害怕、生氣、厭惡六大類情感，但是說話人情感狀態(tài)通常較為復(fù)雜，單一的情感表情或者有限的離散類別通常難以恰當?shù)孛枋鲈搹?fù)雜的情感狀態(tài)，一種解決方法即是通過在多維空間中的連續(xù)情感標簽(即維度情感)來代替分類的情感，如由一個由效價(描述情感的積極和消極程度)和激勵(描述了情感的激烈程度)組成的兩維的情感空間，在各種連續(xù)情感模型中，描述最豐富的一個情感模型是一個四維的情感空間：效價、激勵、支配度(在對話中所表達的主導(dǎo)程度)以及期望值(描述期望以及意外程度)。為了簡化維度情感識別的過程，同時充分利用到已經(jīng)逐漸成熟的基于分類的情感識別的成果，有從業(yè)者將連續(xù)情感標簽量化到有限的離散類中，將連續(xù)的預(yù)測問題轉(zhuǎn)化成一個二分類識別問題(積極vs.消極)，或者四類的識別問題等。

現(xiàn)有技術(shù)中，上述各類情感識別方法所使用的情感模型各不相同，但使用的音頻特征通常都是低級別描述符(LLD)，包括如：與能量相關(guān)的特征、基頻特征、共振峰特征、線性預(yù)測系數(shù)以及梅爾倒譜系數(shù)等的聲學特征，再將統(tǒng)計函數(shù)應(yīng)用到上述特征以及上述特征的delta系數(shù)上，形成最終的情感特征；目前各種數(shù)據(jù)庫也均是使用上述幾種LLDs特征，例如AVEC2012語料庫是使用能量、頻譜、聲音相關(guān)作為LLD特征，而IEMOCAP語料庫中使用的LLD特征主要包含了能量、頻譜以及與基頻相關(guān)的信息。LLD特征的數(shù)量均非常大，基本在1000到2000之間，一方面，針對大量特征值的情感識別模型訓練，訓練難度大、所需訓練時間長，使得識別效率低；另一方面，特征數(shù)量過多還會在一定程度上會帶來大量的信息冗余，特征之間的依賴關(guān)系也難以有效控制，從而影響訓練的情感識別模型的精度。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題就在于：針對現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明提供一種明能夠充分利用不流利、非語言特性的語音文本實現(xiàn)情感識別，且具有實現(xiàn)方法簡單、識別效率以及精度高的基于DIS-NV特征的情感識別方法。

為解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案為：

一種基于DIS-NV特征的情感識別方法，步驟包括：

S1.DIS-NV特征集構(gòu)建：選取具有不流利特性的情感詞作為DIS特征詞、以及具有非語言特性的發(fā)聲類型作為NV特征類，構(gòu)建得到DIS-NV特征集；

S2.情感分類模型訓練：獲取對應(yīng)各類情感的訓練語音文本，將各所述訓練語音文本分別與所述DIS-NV特征集進行匹配，根據(jù)匹配結(jié)果提取得到對應(yīng)的DIS-NV特征值，并基于雙向時序信息采用BLSTM模型進行訓練，得到BLSTM(Bidirectional Long short term memory，雙向長短期記憶網(wǎng)絡(luò))分類模型；

S3.情感識別：獲取待識別語音文本，將待識別語音文本與所述DIS-NV特征集進行匹配，根據(jù)匹配結(jié)果提取得到對應(yīng)的DIS-NV特征值，并使用所述BLSTM分類模型進行識別，輸出情感識別結(jié)果。

作為本發(fā)明的進一步改進，所述DIS-NV特征值的提取步驟為：獲取待提取語音文本作為當前語音文本，依次讀取當前語音文本中的每個詞以及用于標記所述NV特征類的標記詞，并分別與所述DIS-NV特征集中各所述DIS特征詞、NV特征類進行匹配，若目標詞匹配成功，獲取目標詞在當前語音文本中的持續(xù)時間，根據(jù)獲取到的持續(xù)時間計算得到目標詞的DIS-NV特征值；否則目標詞對應(yīng)的所述DIS-NV特征值為0。

作為本發(fā)明的進一步改進：所述進行匹配具體預(yù)先構(gòu)建具有字符串匹配功能的匹配模塊，通過調(diào)用所述匹配模塊進行匹配。

作為本發(fā)明的進一步改進：所述根據(jù)獲取到的持續(xù)時間具體按照下式計算得到對應(yīng)的DIS-NV特征值；

D_d＝t_d/T_d；

其中，D_d為目標特征詞d所對應(yīng)的DIS-NV特征值，t_d為目標特征詞d對應(yīng)語音的持續(xù)時間，T_d為目標特征詞d所在整個句子的持續(xù)時間。