[發明專利]語音情感識別方法、問答方法及計算機設備

在審

• 申請號: 201910333653.4
• 申請日: 2019-04-24
• 公開（公告）號: CN110047517A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 賈紅紅;胡風碩
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L15/22;G06K9/62
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 王興秋;閆小龍

本公開提供了一種語音情感識別方法、一種問答方法、一種計算機設備及一種計算機可讀存儲介質。所述語音情感識別方法可以包括,對語音信號進行預處理；基于預設的特征集合從預處理后的語音信號中提取該特征集合中的特征的值；以及由分類器基于所提取的特征的值識別所述語音信號的情感類別。所述分類器包括多個子分類器，其中由分類器基于所述特征的值識別所述語音信號的情感類別包括由所述多個子分類器基于所述特征的值識別所述語音信號的情感類別。

技術領域

本公開涉及智能問答領域，尤其涉及一種語音情感識別方法、一種問答方法、一種計算機設備及一種計算機可讀存儲介質。

背景技術

目前，在大多數智能問答系統中，僅僅根據用戶發出的語音命令給出相應的回復。在少數智能問答系統中，除了語音命令之外，還基于語音情感給出相應的回復。

現有的語音情感識別方法大都是基于深度學習或者機器學習。基于深度學習的方法對硬件資源有較高的要求，很難達到實時性。基于機器學習的方法可以達到一定程度的實時性，但是需要通過先驗知識提取最有用的特征并選擇最合適的分類器。

發明內容

根據本公開的一個方面，提供了一種語音情感識別方法。該語音情感識別方法可以包括：對語音信號進行預處理；基于預設的特征集合從預處理后的語音信號中提取該特征集合中的特征的值；以及由分類器基于所提取的特征的值識別所述語音信號的情感類別。所述分類器包括多個子分類器，其中由分類器基于所述特征的值識別所述語音信號的情感類別包括由所述多個子分類器基于所述特征的值識別所述語音信號的情感類別。

在一個實施例中，所述預設的特征集合中的特征可以是基于快速過濾的特征選擇算法和方差從多個特征中選出的。

在一個實施例中，基于快速過濾的特征選擇算法和方差從多個特征中選出所述預設的特征集合中的特征的過程可以包括：獲取多個語音信號樣本；對所述多個語音信號樣本進行預處理；提取所述多個語音信號樣本中的每個語音信號樣本的多個特征；計算所述多個特征中的每個特征與多個情感類別的情感相關性；從所述多個特征中選擇情感相關性大于預設的情感相關性閾值的特征以獲得第一候選特征子集；將所述第一候選特征子集中具有最大情感相關性的特征作為顯著特征；計算所述第一候選特征子集中的其余特征中的每個特征與所述顯著特征的特征相關性；從所述第一候選特征子集中刪除特征相關性大于情感相關性的特征以獲得第二候選特征子集；計算所述第二候選特征子集中的每個特征的方差；以及從所述第二候選特征子集中刪除特征的方差小于方差閾值的特征以獲得所述預設的特征集合中的特征。

在一個實施例中，基于快速過濾的特征選擇算法和方差從多個特征中選出所述預設的特征集合中的特征的過程可以包括：獲取多個語音信號樣本；對所述多個語音信號樣本進行預處理；提取所述多個語音信號樣本中的每個語音信號樣本的多個特征；計算所述多個特征中的每個特征的方差；從所述多個特征中刪除特征的方差小于方差閾值的特征以獲得第三候選特征子集；計算所述第三候選特征子集中的每個特征與多個情感類別的情感相關性；從所述第三候選特征子集中選擇情感相關性大于預設的情感相關性閾值的特征以獲得第四候選特征子集；將所述第四候選特征子集中具有最大情感相關性的特征作為顯著特征；計算所述第四候選特征子集中的其余特征中的每個特征與所述顯著特征的特征相關性；以及從所述第四候選特征子集中刪除特征相關性大于情感相關性的特征以獲得所述預設的特征集合中的特征。

在一個實施例中，情感相關性通過如下公式計算：

，

其中，X表示特征向量，Y表示情感類別向量，H(X)表示X的熵；H(Y)表示Y的熵，H(X|Y)表示X|Y的熵。

在一個實施例中，特征相關性通過如下公式計算：

，

其中X表示一個特征向量，Y表示另一個特征向量，H(X)表示X的熵，H(Y)表示Y的熵，H(X|Y)表示X|Y的熵。