[發(fā)明專利]一種聲音信號(hào)的情感信息分析方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201711065483.3
• 申請(qǐng)日: 2017-11-02
• 公開（公告）號(hào): CN108039181B
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計(jì)）人: 王富田;李健;張連毅;武衛(wèi)東
• 申請(qǐng)（專利權(quán)）人: 北京捷通華聲科技股份有限公司
• 主分類號(hào): G10L25/63
• 分類號(hào): G10L25/63
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

1.一種聲音信號(hào)的情感信息分析方法，其特征在于，所述方法包括：

提取聲音信號(hào)中的文本信息和語音參數(shù)信息，其中，包括：檢測(cè)所述聲音信號(hào)在各個(gè)頻率上的信號(hào)強(qiáng)度，當(dāng)檢測(cè)到強(qiáng)度在高頻處的信號(hào)強(qiáng)度低于低頻處的信號(hào)強(qiáng)度時(shí)，將所述高頻處的信號(hào)強(qiáng)度增強(qiáng)；

對(duì)所述文本信息進(jìn)行文本情感分析得到所述文本信息所表達(dá)的情感信息；

對(duì)所述語音參數(shù)信息進(jìn)行語音情感分析得到所述語音參數(shù)信息所表達(dá)的情感信息；

根據(jù)所述文本信息所表達(dá)的情感信息和所述語音參數(shù)信息所表達(dá)的情感信息獲取所述聲音信號(hào)所表達(dá)的情感信息，其中，包括：

根據(jù)所述文本信息所表達(dá)的情感信息的概率值與所述語音參數(shù)信息所表達(dá)的情感信息的概率值，計(jì)算所述聲音信號(hào)所表達(dá)的情感信息的綜合概率值；

將綜合概率值最高的情感信息確定為所述聲音信號(hào)的所表達(dá)的情感信息；

其中，所述根據(jù)所述文本信息所表達(dá)的情感信息的概率值與所述語音參數(shù)信息所表達(dá)的情感信息的概率值，計(jì)算所述聲音信號(hào)所表達(dá)的情感信息的綜合概率值，包括：

計(jì)算所述文本信息所表達(dá)的情感信息的概率值與預(yù)設(shè)文本情感系數(shù)之間的第一乘積；

計(jì)算所述語音參數(shù)信息所表達(dá)的情感信息的概率值與預(yù)設(shè)語音情感系數(shù)之間的第二乘積；

計(jì)算所述第一乘積與所述情感信息的預(yù)設(shè)矩陣向量之間的第三乘積；

計(jì)算所述第二乘積與所述情感信息的預(yù)設(shè)矩陣向量之間的第四乘積；

根據(jù)所述第三乘積、所述第四乘積獲取所述聲音信號(hào)所表達(dá)的情感信息的綜合概率值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述文本信息進(jìn)行文本情感分析得到所述文本信息所表達(dá)的情感信息，包括：

利用長(zhǎng)短期記憶網(wǎng)絡(luò)LSTM算法對(duì)所述文本信息進(jìn)行文本情感分析，得到所述文本信息所表達(dá)的各個(gè)情感信息的概率值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述語音參數(shù)信息進(jìn)行語音情感分析得到所述語音參數(shù)信息所表達(dá)的情感信息，包括：

利用卷積神經(jīng)網(wǎng)絡(luò)CNN算法對(duì)所述語音參數(shù)進(jìn)行語音情感分析，得到所述語音參數(shù)所表達(dá)的各個(gè)情感信息的概率值。

4.一種聲音信號(hào)的情感信息分析裝置，其特征在于，所述裝置包括：

提取模塊，用于提取聲音信號(hào)中的文本信息和語音參數(shù)信息，其中，包括：檢測(cè)所述聲音信號(hào)在各個(gè)頻率上的信號(hào)強(qiáng)度，當(dāng)檢測(cè)到強(qiáng)度在高頻處的信號(hào)強(qiáng)度低于低頻處的信號(hào)強(qiáng)度時(shí)，將所述高頻處的信號(hào)強(qiáng)度增強(qiáng)；

第一分析模塊，用于對(duì)所述文本信息進(jìn)行文本情感分析得到所述文本信息所表達(dá)的情感信息；

第二分析模塊，用于對(duì)所述語音參數(shù)信息進(jìn)行語音情感分析得到所述語音參數(shù)信息所表達(dá)的情感信息；

獲取模塊，用于根據(jù)所述文本信息所表達(dá)的情感信息和所述語音參數(shù)信息所表達(dá)的情感信息獲取所述聲音信號(hào)所表達(dá)的情感信息，其中，包括：

根據(jù)所述文本信息所表達(dá)的情感信息的概率值與所述語音參數(shù)信息所表達(dá)的情感信息的概率值，計(jì)算所述聲音信號(hào)所表達(dá)的情感信息的綜合概率值；

將綜合概率值最高的情感信息確定為所述聲音信號(hào)的所表達(dá)的情感信息；

其中，所述根據(jù)所述文本信息所表達(dá)的情感信息的概率值與所述語音參數(shù)信息所表達(dá)的情感信息的概率值，計(jì)算所述聲音信號(hào)所表達(dá)的情感信息的綜合概率值，包括：

計(jì)算所述文本信息所表達(dá)的情感信息的概率值與預(yù)設(shè)文本情感系數(shù)之間的第一乘積；

計(jì)算所述語音參數(shù)信息所表達(dá)的情感信息的概率值與預(yù)設(shè)語音情感系數(shù)之間的第二乘積；

計(jì)算所述第一乘積與所述情感信息的預(yù)設(shè)矩陣向量之間的第三乘積；

計(jì)算所述第二乘積與所述情感信息的預(yù)設(shè)矩陣向量之間的第四乘積；

根據(jù)所述第三乘積、所述第四乘積獲取所述聲音信號(hào)所表達(dá)的情感信息的綜合概率值。

5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述第一分析模塊具體用于：利用長(zhǎng)短期記憶網(wǎng)絡(luò)LSTM算法對(duì)所述文本信息進(jìn)行文本情感分析，得到所述文本信息所表達(dá)的各個(gè)情感信息的概率值。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述第二分析模塊具體用于：利用卷積神經(jīng)網(wǎng)絡(luò)CNN算法對(duì)所述語音參數(shù)進(jìn)行語音情感分析，得到所述語音參數(shù)所表達(dá)的各個(gè)情感信息的概率值。