[發明專利]情感識別模型的訓練方法、情感識別方法、裝置、設備及存儲介質

有效

• 申請號: 201910145605.2
• 申請日: 2019-02-27
• 公開（公告）號: CN109817246B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉博卿;賈雪麗;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/30;G10L15/06;G10L25/45;G10L25/24
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 何姣

本申請涉及智能決策領域，基于深度學習訓練情感識別模型。具體公開了一種情感識別模型的訓練方法、情感識別方法、裝置、計算機設備及存儲介質，該方法包括：獲取用戶的語音信息以及對應的數據標簽；根據語音信息以及對應的數據標簽構建樣本數據；根據預設處理規則對樣本數據中的語音信息進行預處理以得到對應的頻譜向量；提取預設的循環神經網絡，循環神經網絡包括注意力機制，注意力機制用于加強語音信息中的部分區域；基于循環神經網絡，根據語音信息對應的頻譜向量和數據標簽進行模型訓練以得到情感識別模型。該方法可以提高情感識別模型的可泛化性，提高模型識別的準確率。

技術領域

本申請涉及模型訓練技術領域，尤其涉及一種情感識別模型的訓練方法、情感識別方法、裝置、計算機設備及存儲介質。

背景技術

近年來，基于機器學習利用聲音識別用戶情感的情感識別模型得到了廣泛的發展，但針對聲音的情感識別還面臨了很多挑戰，比如為了產生持續的精確的正負情感的識別，部分識別模型采用文字和聲學特征結合的方式，這種方式需要利用語音識別(Automatic?Speech?Recognition，ASR)技術將聲音轉化為文字信息，但是存在延遲性嚴重的問題。同時，情感識別模型還存在泛化性差的問題，當把模型應用到新的說話人時，其準確率會降低。

發明內容

本申請提供了一種情感識別模型的訓練方法、情感識別方法、裝置、計算機設備及存儲介質，以提高情感識別模型的可泛化性，提高識別的準確率。

第一方面，本申請提供了一種情感識別模型的訓練方法，所述方法包括：

獲取用戶的語音信息以及所述語音信息對應的數據標簽；

根據所述語音信息以及對應的數據標簽構建樣本數據；

根據預設處理規則對所述樣本數據中的語音信息進行預處理以得到對應的頻譜向量；

提取預設的循環神經網絡，所述循環神經網絡包括注意力機制，所述注意力機制用于加強所述語音信息中的部分區域；

基于所述循環神經網絡，根據所述語音信息對應的頻譜向量和數據標簽進行模型訓練以得到情感識別模型。

第二方面，本申請還提供了一種情感識別方法，所述方法包括：

采集用戶的語音信號；

根據預設處理規則對所述語音信號進行預處理以得到所述語音信號對應的頻譜向量；

將所述頻譜向量輸入至情感識別模型對所述用戶的情感進行識別，以得到所述用戶的情感類別，所述情感識別模型為采用上述的情感識別模型訓練方法訓練得到的模型。

第三方面，本申請還提供了一種情感識別模型的訓練裝置，所述裝置包括：

獲取單元，用于獲取用戶的語音信息以及所述語音信息對應的數據標簽；

樣本構建單元，用于根據所述語音信息以及對應的數據標簽構建樣本數據；

預處理單元，用于根據預設處理規則對所述樣本數據中的語音信息進行預處理以得到對應的頻譜向量；

提取單元，用于提取預設的循環神經網絡，所述循環神經網絡包括注意力機制，所述注意力機制用于加強所述語音信息中的部分區域；

模型訓練單元，用于基于所述循環神經網絡，根據所述語音信息對應的頻譜向量和數據標簽進行模型訓練以得到情感識別模型。

第三方面，本申請還提供了一種情感識別裝置，所述裝置包括：

信號采集單元，用于采集用戶的語音信號；

信號處理單元，用于根據預設處理規則對所述語音信號進行預處理以得到所述語音信號對應的頻譜向量；