[發(fā)明專利]基于助聽器的語音輸出優(yōu)化方法、服務(wù)器及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010036913.4
• 申請日: 2020-01-14
• 公開（公告）號(hào): CN111276162A
• 公開（公告）日: 2020-06-12
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 林澤珊
• 主分類號(hào): G10L25/63
• 分類號(hào): G10L25/63;G10L15/02;G10L15/06;G10L15/08;G06K9/62;G06F16/68;G06F16/635;H04R25/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于助聽器的語音輸出優(yōu)化方法，應(yīng)用于服務(wù)器，其特征在于，該方法包括：

分類步驟：根據(jù)用戶的屬性信息，利用預(yù)設(shè)的聚類算法對用戶執(zhí)行聚類操作得到預(yù)設(shè)數(shù)量的用戶聚類簇；

獲取步驟：獲取預(yù)設(shè)數(shù)量的用戶情緒數(shù)據(jù)及對應(yīng)的語音輸入數(shù)據(jù)，將每個(gè)所述用戶情緒數(shù)據(jù)分別輸入預(yù)先訓(xùn)練的情緒識(shí)別模型，得到對應(yīng)的情緒標(biāo)簽；

建立步驟：判斷所述情緒標(biāo)簽是否為預(yù)設(shè)標(biāo)簽，若是則利用預(yù)先確定的關(guān)鍵詞提取算法從所述預(yù)設(shè)標(biāo)簽對應(yīng)的語音輸入數(shù)據(jù)中提取對應(yīng)的預(yù)設(shè)關(guān)鍵詞，根據(jù)所述用戶聚類簇將所有預(yù)設(shè)關(guān)鍵詞分成預(yù)設(shè)數(shù)量的關(guān)鍵詞組，并分別建立與每類用戶對應(yīng)的預(yù)設(shè)詞庫存儲(chǔ)至數(shù)據(jù)庫；及

優(yōu)化步驟：接收助聽器發(fā)出的語音輸出請求，解析所述語音輸出請求得到待輸出語音對應(yīng)的語音輸入數(shù)據(jù)及用戶屬性信息，根據(jù)所述用戶屬性信息從數(shù)據(jù)庫中找到對應(yīng)的預(yù)設(shè)詞庫，判斷所述語音輸入數(shù)據(jù)對應(yīng)的關(guān)鍵詞是否存在于預(yù)設(shè)詞庫，若是則對該語音輸入數(shù)據(jù)進(jìn)行數(shù)據(jù)優(yōu)化處理得到優(yōu)化數(shù)據(jù)，將所述優(yōu)化數(shù)據(jù)反饋至所述助聽器。

2.如權(quán)利要求1所述的基于助聽器的語音輸出優(yōu)化方法，其特征在于，所述獲取預(yù)設(shè)數(shù)量的用戶情緒數(shù)據(jù)及對應(yīng)的語音輸入數(shù)據(jù)包括：

通過預(yù)設(shè)傳感器獲取用戶在第一預(yù)設(shè)時(shí)間段內(nèi)產(chǎn)生的用戶情緒數(shù)據(jù)；及/或

通過預(yù)設(shè)傳感器獲取用戶在第二預(yù)設(shè)時(shí)間段內(nèi)產(chǎn)生的用戶情緒數(shù)據(jù)；

其中，所述第一預(yù)設(shè)時(shí)間段的時(shí)長小于第二預(yù)設(shè)時(shí)間段的時(shí)長；

所述情緒語言包括音頻數(shù)據(jù)、心率數(shù)據(jù)及行為數(shù)據(jù)。

3.如權(quán)利要求1所述的基于助聽器的語音輸出優(yōu)化方法，其特征在于，該方法還包括監(jiān)督步驟：

接收客戶端發(fā)出的用戶情緒數(shù)據(jù)調(diào)用請求，解析所述用戶情緒數(shù)據(jù)調(diào)用請求得到待調(diào)用的用戶情緒數(shù)據(jù)對應(yīng)的語音輸入數(shù)據(jù)，及所述用戶情緒數(shù)據(jù)對應(yīng)的存儲(chǔ)時(shí)間；

將所述語音輸入數(shù)據(jù)并輸入預(yù)先訓(xùn)練的語境識(shí)別模型，輸出語境識(shí)別結(jié)果；

若所述語境識(shí)別結(jié)果為第一語境，則將所述用戶情緒數(shù)據(jù)發(fā)送至所述客戶端；或

若所述語境識(shí)別結(jié)果為第二語境，則拒絕所述客戶端發(fā)出的用戶情緒數(shù)據(jù)調(diào)用請求。

4.如權(quán)利要求1所述的基于助聽器的語音輸出優(yōu)化方法，其特征在于，所述情緒識(shí)別模型由支持向量機(jī)訓(xùn)練得到，所述情緒識(shí)別模型的訓(xùn)練過程包括：

獲取預(yù)設(shè)數(shù)量的用戶情緒數(shù)據(jù)樣本，為每一個(gè)用戶情緒數(shù)據(jù)樣本分配唯一的情緒標(biāo)簽；

將所述用戶情緒數(shù)據(jù)樣本按照預(yù)設(shè)比例分成訓(xùn)練集和驗(yàn)證集，所述訓(xùn)練集中的用戶情緒數(shù)據(jù)樣本數(shù)量大于驗(yàn)證集中的用戶情緒數(shù)據(jù)樣本數(shù)量；

利用預(yù)先訓(xùn)練的特征向量提取模型分別從每個(gè)用戶情緒數(shù)據(jù)樣本中提取出情緒特征向量；

將所述訓(xùn)練集中的用戶情緒數(shù)據(jù)樣本輸入所述支持向量機(jī)進(jìn)行訓(xùn)練，每隔預(yù)設(shè)周期使用所述驗(yàn)證集對所述支持向量機(jī)進(jìn)行驗(yàn)證，利用所述驗(yàn)證集中各張用戶情緒數(shù)據(jù)樣本的情緒特征向量和對應(yīng)的情緒標(biāo)簽對該情緒識(shí)別模型的準(zhǔn)確率進(jìn)行驗(yàn)證；及

當(dāng)驗(yàn)證的準(zhǔn)確率大于預(yù)設(shè)閾值時(shí)，結(jié)束訓(xùn)練，得到所述情緒識(shí)別模型。

5.如權(quán)利要求1-4任一項(xiàng)所述的基于助聽器的語音輸出優(yōu)化方法，其特征在于，所述情緒特征向量提取模型由MobileNetV2網(wǎng)絡(luò)模型訓(xùn)練得到，所述MobileNetV2網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)包括依次連接的53層卷積層、1層池化層以及1層全連接層。