情绪识别模型的训练方法、装置、设备及存储介质制造方法及图纸

本申请涉及分类模型领域，并公开了一种情绪识别模型的训练方法、装置、设备及存储介质，所述方法包括：获取样本音频，所述样本音频中包括正面情绪音频和负面情绪音频，并分别对所述正面情绪音频和所述负面情绪音频进行特征提取，得到语音特征；根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频过滤，得到过滤后的样本音频；对所述样本音频中的负面情绪音频进行数据增强，得到新增负面情绪音频；将所述过滤后的样本音频以及所述新增负面情绪音频输入至预设的神经网络进行模型训练，以得到情绪识别模型。以使情绪识别模型能够准确对用户的情绪进行识别。此外，本发明专利技术还涉及区块链技术，所述样本音频可存储于区块链中。所述样本音频可存储于区块链中。所述样本音频可存储于区块链中。

【技术实现步骤摘要】
情绪识别模型的训练方法、装置、设备及存储介质


[0001]本申请涉及模型训练领域，尤其涉及一种情绪识别模型的训练方法、装置、设备及存储介质。

技术介绍

[0002]随着互联网的飞速发展，大量的业务开始在线上进行处理。目前设置了大量的网络客服来解答用户的问题。为了保证客服的服务质量，大多会对通话过程进行录音，通过录音转文字的方式来对本次的服务过程进行记录。但语音转文字的方式仅能够得知录音的文字内容，而对于对话双方的情绪识别，尤其是对于客户的情绪无从得知，这导致无法对用户的负面情绪进行识别，也就无法得知用户对于本次服务过程是否满意。
[0003]因此，如何训练情绪识别模型，使情绪识别模型能够准确对用户的情绪进行识别成为亟待解决的问题。

技术实现思路

[0004]本申请提供了一种情绪识别模型的训练方法、装置、设备及存储介质，以使情绪识别模型能够准确对用户的情绪进行识别。
[0005]第一方面，本申请提供了一种情绪识别模型的训练方法，所述方法包括：
[0006]获取样本音频，所述样本音频中包括正面情绪音频和负面情绪音频，并分别对所述正面情绪音频和所述负面情绪音频进行特征提取，得到语音特征；根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频过滤，得到过滤后的样本音频；对所述样本音频中的负面情绪音频进行数据增强，得到新增负面情绪音频；将所述过滤后的样本音频以及所述新增负面情绪音频作为训练数据，并将所述训练数据输入至预设的神经网络进行模型训练，以得到情绪识别模型。
[0007]第二方面，本申请还提供了一种情绪识别模型的训练装置，所述装置包括：
[0008]特征提取模块，用于获取样本音频，所述样本音频中包括正面情绪音频和负面情绪音频，并分别对所述正面情绪音频和所述负面情绪音频进行特征提取，得到语音特征；音频过滤模块，用于根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频过滤，得到过滤后的样本音频；数据增强模块，用于对所述样本音频中的负面情绪音频进行数据增强，得到新增负面情绪音频；模型训练模块，用于将所述过滤后的样本音频以及所述新增负面情绪音频作为训练数据，并将所述训练数据输入至预设的神经网络进行模型训练，以得到情绪识别模型。
[0009]第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的情绪识别模型的训练方法。
[0010]第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的情绪识别
模型的训练方法。
[0011]本申请公开了一种情绪识别模型的训练方法、装置、设备及存储介质，通过获取样本音频，其中，样本音频中包括正面情绪音频和负面情绪音频，然后分别对正面情绪音频和负面情绪音频进行特征提取，得到语音特征，然后根据语音特征对样本音频中的正面情绪音频进行音频过滤，得到过滤后的样本音频，再对样本音频中的负面情绪音频进行数据增强，得到新增负面情绪音频，最终将过滤后的样本音频和新增负面情绪音频作为训练数据，利用训练数据对预设的神经网络进行模型训练，得到情绪识别模型。通过对样本音频中的正面情绪音频进行音频过滤，提高过滤后的样本音频中负面情绪音频的数据占比，然后对样本音频中的负面情绪音频进行数据增强，将得到的新增负面情绪音频以及过滤后的样本音频共同作为训练数据进行模型训练，进一步提高训练数据中负面情绪音频的数据占比，从而解决模型训练过程中的数据不平衡问题，使训练得到的情绪识别模型对于负面情绪音频的识别准确率提高。
附图说明
[0012]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。
[0013]图1是本申请实施例提供的一种情绪识别模型的训练方法的示意流程图；
[0014]图2是本申请实施例提供的对正面情绪音频进行音频过滤的步骤示意流程图；
[0015]图3为本申请实施例提供的一种情绪识别模型的训练装置的示意性框图；
[0016]图4为本申请实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0018]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0019]应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0020]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0021]本申请的实施例提供了一种情绪识别模型的训练方法、装置、计算机设备及存储介质。情绪识别模型的训练方法可用于训练基于用户音频对用户的负面情绪进行识别的情绪识别模型，提高训练得到的情绪识别模型对于负面情绪识别的准确率。训练得到的情绪识别模型可基于音频，对用户的负面情绪进行识别。
[0022]例如，本申请的实施例提供的情绪识别模型的训练方法训练的情绪识别模型，可应用于线上客服系统中，通过对服务过程中的音频进行情绪识别，可得知用户的负面情绪，进而提高客服质量。
[0023]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0024]请参阅图1，图1是本申请实施例提供的一种情绪识别模型的训练方法的示意流程图。该情绪识别模型的训练方法通过对正面情绪音频进行音频过滤，以及对负面情绪音频进行数据增强，来提高训练数据中负面情绪数据的数据比例，进而解决模型训练过程中的数据不平衡问题，提高情绪识别模型对于负面情绪的识别准确率。
[0025]如图1所示，该情绪识别模型的训练方法，具体包括：步骤S101至步骤S104。
[0026]S101、获取样本音频，所述样本音频中包括正面情绪音频和负面情绪音频，并分别对所述正面情绪音频和所述负面情绪音频进行特征提取，得到语音特征。
[0027]其中，所述样本音频是指在业务处理过程中所真实产生的业务数据。例如，以客服系统为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情绪识别模型的训练方法，其特征在于，包括：获取样本音频，所述样本音频中包括正面情绪音频和负面情绪音频，并分别对所述正面情绪音频和所述负面情绪音频进行特征提取，得到语音特征；根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频过滤，得到过滤后的样本音频；对所述样本音频中的负面情绪音频进行数据增强，得到新增负面情绪音频；将所述过滤后的样本音频以及所述新增负面情绪音频作为训练数据，并将所述训练数据输入至预设的神经网络进行模型训练，以得到情绪识别模型。2.根据权利要求1所述的情绪识别模型的训练方法，其特征在于，所述根据所述语音特征对所述样本音频中的所述正面情绪音频进行音频过滤，包括：分析所述正面情绪音频的语音特征的正向特征值和所述负面情绪音频的语音特征的负向特征值，得到语音特征、语音特征的特征值和情绪类别的规律曲线；基于所述规律曲线确定筛选阈值，并根据所述筛选阈值和所述语音特征对所述样本音频中的所述正面情绪音频进行音频过滤。3.根据权利要求1所述的情绪识别模型的训练方法，其特征在于，所述方法包括：对所述样本音频进行音频分析，得到所述样本音频的信号能量值变化；根据所述样本音频的信号能量值变化对所述样本音频进行端点检测，并基于检测出的端点对所述样本音频进行切割，得到所述样本音频中的有声音频片段。4.根据权利要求1所述的情绪识别模型的训练方法，其特征在于，所述方法包括：对所述样本音频进行语音识别，确定所述样本音频中是否包括语音信息；若所述样本音频中不包括语音信息，则删除所述样本音频；若所述样本音频中部分包括语音信息，则对所述样本音频进行切割，得到包括语音信息的音频片段。5.根据权利要求1所述的情绪识别模型的训练方法，其特征在于，所述预设的神经网络包括输入层、特征提取层、隐藏层、池化层和输出层；所述将所述训练数据输入至预设的神经网络进行模型训练，包括：将所述训...

【专利技术属性】
技术研发人员：顾艳梅，马骏，王少军，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：