一种基于语义分析的情绪识别方法和设备技术

本发明专利技术提出了一种基于语义分析的情绪识别方法和设备，该方法包括：获取待测语音，并提取所述待测语音中的声学特征；当基于所述声学特征判定所述待测语音为疑似异常语音时，将所述疑似异常语音转换为文本；基于预设的深度学习监督二分类异构神经网络模型对所述文本进行分析，以识别出所述疑似异常语音数据中的异常情绪语音数据与非异常情绪语音数据。本方案通过综合音质和内容分析来识别情绪，声学特征和词频分析的结合，使得情绪的识别率相较于目前的技术得到了很大程度的提高。

【技术实现步骤摘要】
一种基于语义分析的情绪识别方法和设备
本专利技术涉及语义识别领域，特别涉及一种基于语义分析的情绪识别方法和设备。
技术介绍
众所周知，说话的奇妙之处在于，有时候重要的不是看说了什么，而是要看是怎么说的,不同的说法(例如以不同的语气来说)会使得说话所代表的内容完全不同，拥有四声和平仄的中文尤为如此。对此，听到过客户尖酸刻薄的挖苦之话的客服接线员想必感触最深。目前市场上存在有对该领域的应用，具体的应用是通过分析人的声音音调来进行分析的，这种技术更偏向注重的是“声学特征”；此外，还存在有英国的初创企业EITechnologies正在研发的一种语音识别技术，该技术可通过音质分析来识别情绪，这种方式同样是偏向注重“声学特征”来进行识别；这种方式对情绪的识别率很低，且经常失效。可见，目前的自动语音系统无法识别这种语气方面的细微差别，这导致各个公司不得不维系大量的人工客服人员来准确获知用户的说话的含义。由此，目前需要一种情绪的识别率更高的方案。
技术实现思路
针对现有技术中的缺陷，本专利技术提出了一种基于语义分析的情绪识别方法和设备，通过综合音质和内容分析来识别情绪，声学特征和词频分析的结合，使得情绪的识别率相较于目前的技术得到了很大程度的提高。具体的，本专利技术提出了以下具体的实施例：本专利技术实施例提出了一种基于语义分析的情绪识别方法，包括：获取待测语音，并提取所述待测语音中的声学特征；当基于所述声学特征判定所述待测语音为疑似异常语音时，将所述疑似异常语音转换为文本；基于预设的深度学习监督二分类异构神经网络模型对所述文本进行分析，以识别出所述疑似异常语音数据中的异常情绪语音数据与非异常情绪语音数据。在一个具体的实施例中，所述声学特征包括：短时能量值。在一个具体的实施例中，所述短时能量值是基于上述公式确定：其中，为语音在时刻所产生的短时能量的均值；X[m]为数字语音序列，W[m]为汉明窗序列。在一个具体的实施例中，基于所述声学特征判定所述待测语音为疑似异常语音，包括：将所述待测语音中短时能量值经过句子级别的规整之后，与预设的阈值进行比较；若经过规整后的所述短时能量值大于所述阈值，则判定所述待测语音数据为疑似异常语音数据。在一个具体的实施例中，若经过规整后的所述短时能量值不大于所述阈值，则判定所述待测语音数据为非异常情绪语音数据。在一个具体的实施例中，所述基于预设的深度学习监督二分类异构神经网络模型对所述文本进行分析，以识别出所述疑似异常语音数据中的异常情绪语音数据与非异常情绪语音数据，包括：将所述文本与预设情绪文本数据库中的文本进行比对，以生成文本序列特征；将所述文本序列特征与所述文本对应的待测语音进行结合，以生成复杂特征序列；将所述复杂特征序列输入预设的深度学习监督二分类判定模块进行异常情绪检测，以识别出所述疑似异常语音中的异常情绪语音与非异常情绪语音。在一个具体的实施例中，所述复杂特征序列包括语音mel频谱与文本组合；所述深度学习监督二分类异构神经网络模型由3层的LSTM、6层TDNN、2层前馈神经网络与softmax函数级联而成。本专利技术实施例还提出了一种基于语义分析的情绪识别设备，包括用于执行上述方法的模块。以此，本专利技术实施例提出了一种基于语义分析的情绪识别方法和设备，该方法包括：获取待测语音，并提取所述待测语音中的声学特征；当基于所述声学特征判定所述待测语音为疑似异常语音时，将所述疑似异常语音转换为文本；基于预设的深度学习监督二分类异构神经网络模型对所述文本进行分析，以识别出所述疑似异常语音数据中的异常情绪语音数据与非异常情绪语音数据。本方案通过综合音质和内容分析来识别情绪，声学特征和词频分析的结合，使得情绪的识别率相较于目前的技术得到了很大程度的提高。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例提出的一种基于语义分析的情绪识别方法的流程示意图；图2为本专利技术实施例提出的一种基于语义分析的情绪识别方法的流程示意图；图3为本专利技术实施例提出的一种基于语义分析的情绪识别方法中深度学习监督二分类异构神经网络模型的结构示意图；图4为本专利技术实施例提出的一种基于语义分析的情绪识别设备中系统登录界面；图5为本专利技术实施例提出的一种基于语义分析的情绪识别设备中提示用户进入主系统的示意图；图6为本专利技术实施例提出的一种基于语义分析的情绪识别设备中主界面的示意图；图7为本专利技术实施例提出的一种基于语义分析的情绪识别设备中分层设置界面示意图；图8为本专利技术实施例提出的一种基于语义分析的情绪识别设备中同步分析设置界面(一)的示意图；图9为本专利技术实施例提出的一种基于语义分析的情绪识别设备中同步分析设置界面(二)的示意图；图10为本专利技术实施例提出的一种基于语义分析的情绪识别设备中同步分析设置界面(三)的示意图；图11为本专利技术实施例提出的一种基于语义分析的情绪识别设备中设置管理界面示意图；图12为本专利技术实施例提出的一种基于语义分析的情绪识别设备中数据初始界面示意图。具体实施方式在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关
中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。实施例1本专利技术实施例1公开了一种基于语义分析的情绪识别方法，具体的本方案中的方案可以应用在垂直类电商等服务行业，例如淘宝、京东、拼多多等，以便进行后台服务端的资源整合和调配，本方案具体方法，如图1-2所示，包括以下步骤：步骤101、获取待测语音，并提取所述待测语音中的声学特征；在一个实施例中，考虑到具体权限的问题，本方案在执行时，还可以包括以下步骤：获取权限信息，并对所述权限信息进行验证若所述权限信息验证通过，则执行“获取待测语音”的操作。具体的，权限信息可以为帐户密码本文档来自技高网...

【技术保护点】
1.一种基于语义分析的情绪识别方法，其特征在于，包括：/n获取待测语音，并提取所述待测语音中的声学特征；/n当基于所述声学特征判定所述待测语音为疑似异常语音时，将所述疑似异常语音转换为文本；/n基于预设的深度学习监督二分类异构神经网络模型对所述文本进行分析，以识别出所述疑似异常语音数据中的异常情绪语音数据与非异常情绪语音数据。/n

【技术特征摘要】
1.一种基于语义分析的情绪识别方法，其特征在于，包括：
获取待测语音，并提取所述待测语音中的声学特征；
当基于所述声学特征判定所述待测语音为疑似异常语音时，将所述疑似异常语音转换为文本；
基于预设的深度学习监督二分类异构神经网络模型对所述文本进行分析，以识别出所述疑似异常语音数据中的异常情绪语音数据与非异常情绪语音数据。


2.如权利要求1所述的一种基于语义分析的情绪识别方法，其特征在于，所述声学特征包括：短时能量值；
所述基于所述声学特征判定所述待测语音为疑似异常语音，包括：
将所述待测语音中短时能量值经过句子级别的规整之后，与预设的阈值进行比较；
若经过规整后的所述短时能量值大于所述阈值，则判定所述待测语音数据为疑似异常语音数据。


3.如权利要求2所述的一种基于语义分析的情绪识别方法，其特征在于，若经过规整后的所述短时能量值不大于所述阈值，则判定所述待测语音数据为非异常情绪语音数据。

<...

【专利技术属性】
技术研发人员：龙艳花，苏春雨，黄盼，
申请(专利权)人：云知声上海智能科技有限公司，上海师范大学，
类型：发明
国别省市：上海;31