[發明專利]一種評估心理咨詢師即時疏導患者水平的方法及系統

在審

• 申請號: 202210687148.1
• 申請日: 2022-06-17
• 公開（公告）號: CN115035984A
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 高軍暉;何熲;張虹玥;譚潤東;賈玉媛
• 申請（專利權）人: 上海暖禾腦科學技術有限公司
• 主分類號: G16H20/70
• 分類號: G16H20/70;G10L15/22;G10L15/26;G10L21/0272;G10L25/24;G10L25/63
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 楊怡清

1.一種評估心理咨詢師即時疏導患者水平的方法，其特征在于，包括：

步驟S1：獲得咨詢師與來訪者的對話的音頻記錄；

步驟S2：采用語音分離算法，將咨詢師與來訪者的語音信號分離；

步驟S3：采用語音識別算法，將來訪者的語音信號逐段轉換成文字；

步驟S4：采用文本情感分析方法，在VA情緒空間中，計算來訪者的每一段落的文字的情緒值；

步驟S5：確定咨詢師的即時疏導水平，所述咨詢師的即時疏導水平包括疏導效率以及情緒前后變化值。

2.根據權利要求1所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，在所述步驟S2中，所采用的語音分離算法為基于模型的方法，在不間斷的音頻記錄中提取每個音頻事件的段落端點，從而將咨詢師與來訪者的語音信號分離。

3.根據權利要求2所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，所述語音分離算法是利用pyAudioAnalysis庫中的silence_removal函數來實現的。

4.根據權利要求1所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，所述語音識別算法包括：

步驟S31：利用信號預處理模塊，對來訪者的語音信號進行預處理，以得到語音幀，然后將其輸入特征提取部分；

步驟S32：利用特征提取模塊，根據人耳的生理特性，利用編碼、濾波器組等技術把輸入的語音幀中有用的內容信息提取出來得到一個特征向量序列，作為聲學模型的輸入；所述特征向量序列是對應于一個幀的多維向量；

步驟S33：在訓練階段，對步驟S32得到的特征向量序列進行詞條標注并作為訓練樣本，對每個詞條所對應的特征向量序列進行聲學模型訓練，為每個詞條建立一個聲學模型；同時，對文本訓練集進行語法、語義分析，經過基于統計模型訓練，得到語言模型，將聲學模型、語言模型和字典作為參考模板保存到模板庫中；

步驟S34：在識別階段，將步驟S32得到的特征向量序列作為測試模板，將特征向量序列與參考模板進行匹配，將匹配分數最高的參考模板作為識別結果。

5.根據權利要求1所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，在所述步驟S3中，利用python代碼中的Speech_Recognition庫和PocketSphinx庫進行語音識別算法的實現。

6.根據權利要求1所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，在所述步驟S4中，文本情感分析方法采用基于CNN-LSTM的文本情感分類方法。

7.根據權利要求6所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，基于CNN-LSTM的文本情感分類方法，包括：

步驟S41：建立文本的情感分析數據集；

步驟S42：將文本的情感分析數據集中的文本進行分段得到段落，對段落中的詞語進行詞嵌入編碼，獲得詞語的詞向量；

步驟S43：建立CNN-LSTM模型，并利用文本的情感分析數據集和相應的詞向量表示對其進行訓練；

步驟S44：將建立的CNN-LSTM模型在英文數據集SST和中文數據集CVAT上進行驗證，使用平均絕對誤差MAE，均方根誤差RMSE來評估模型效果；

步驟S45：對待測文本進行預處理，分詞，去除停用詞，使用CNN-LSTM模型預測待測文本在愉悅度-喚醒度空間的坐標。

8.根據權利要求1所述的評估心理咨詢師即時疏導患者水平的方法，其特征在于，所述情緒前后變化值采用情緒值在愉悅度-喚醒度空間的愉悅度方向上的前后變化、情緒值在愉悅度-喚醒度空間的喚醒度方向上的前后變化或開始時刻的情緒值和結束時刻的情緒值的在愉悅度-喚醒度空間的坐標之間的絕對距離；

所述咨詢師的疏導效率是D/T或D/P；其中，T是兩個人對話的段落數，P是來訪者說的段落數，D是咨詢師說的段落數；或者，T是兩個人對話的字數，P是來訪者說的字數，D是咨詢師說的字數。