[發明專利]一種基于長短時記憶網絡快速識別語音情感類別的方法

在審

• 申請號: 202110485958.4
• 申請日: 2021-04-30
• 公開（公告）號: CN113053418A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 顏思瑞;丁凱星;謝躍;陳允韜;王超
• 申請（專利權）人: 南京工程學院
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/30;G10L25/03
• 代理公司: 南京創略知識產權代理事務所(普通合伙) 32358
• 代理人: 呂娟

1.一種基于長短時記憶網絡快速識別語音情感類別的方法，其特征在于，包括以下步驟：

S1、從原始語音數據樣本中提取具有時序信息的幀級語音特征；

S2、通過軟注意力模型創建基于注意力機制的改進型LSTM模型；

S3、用已知的原始語音數據樣本及其語音情感類別對步驟S2中創建好的改進型LSTM模型進行訓練，訓練好后得到情感類別識別模型；

S4、對步驟S3得到的情感類別識別模型進行情感識別測試驗證；

S5、將未知的原始語音數據樣本輸入情感類別識別模型進行識別，輸出對應的語音情感類別。

2.根據權利要求1所述的一種基于長短時記憶網絡快速識別語音情感類別的方法，其特征在于，步驟S2中通過軟注意力模型創建基于注意力機制的改進型LSTM模型，包括以下步驟：

S21、用軟注意力模型中的注意力門替代常規型LSTM模型中的遺忘門以得到新遺忘門；

S22、以步驟S21得到的新遺忘門與常規型LSTM模型中輸入控制門的對偶關系，取代常規型LSTM模型中的輸入控制門，得到注意力機制的改進型LSTM模型。

3.根據權利要求2所述的一種基于長短時記憶網絡快速識別語音情感類別的方法，其特征在于，步驟S21中，用軟注意力模型中的注意力門替代常規型LSTM模型中的遺忘門以得到新遺忘門，包括如下步驟：

S21.1、對常規型LSTM模型進行分析，利用LSTM引入細胞結構,通過自循環方式，使得常規型LSTM模型能夠關聯RNN過去的歷史序列，其具體計算公式如下：

f_t＝σ(W_f·[h_t-1,x_t,C_t-1]+b_f) (1)

i_t＝σ(W_i·[h_t-1,x_t,C_t-1]+b_i) (2)

o_t＝σ(W_o·[h_t-1,x_t,C_t]+b_o) (5)

h_t＝o_t*tanh(C_t) (6)

其中，σ為sigmoid激活函數，其取值范圍在[0,1]之間，代表了遺忘歷史細胞狀態的概率；tanh為雙曲正切激活函數；h_t-1為t-1時刻的隱層輸出，f_t、i_t、o_t分別為遺忘門，輸入控制門和輸出門，W_f和b_f分別是遺忘門的權重和偏置，W_i和b_i分別是輸入控制門的權重和偏置，W_C和b_C分別是細胞狀態的權重和偏置，W_o和b_o分別是輸出門的權重和偏置，它們是常規型LSTM模型的待訓練參數，x_t為t時刻的輸入，C_t和C_t-1分別為t與t-1時刻的細胞狀態，為t時刻的細胞狀態候選值；

S21.2、通過注意力機制優化了常規型LSTM內部的遺忘門計算方式，f_t與i_t取值在0到1之間，它們分別是歷史細胞狀態與候選細胞狀態的加權分數，如公式(4)所示；

步驟S22中，以步驟S21得到的新遺忘門與常規型LSTM模型中輸入控制門的對偶關系，取代常規型LSTM模型中的輸入控制門，得到注意力機制的改進型LSTM模型，包括以下步驟：

S22.1、通過注意力機制來計算歷史細胞狀態與候選細胞狀態的加權分數，替代常規型LSTM模型中的遺忘門與輸入控制門，得到新的細胞狀態，新的細胞狀態更新公式如下：

其中s_h和s_c分別是歷史細胞狀態和候選細胞狀態的加權系數，它們是依據歷史細胞狀態與當前候選細胞狀態進行計算的，與當前輸入和歷史輸出無關，其中W_h與W_c均是注意力公式里的待學習權重參數，exp是以e為底的指數函數。