【技术实现步骤摘要】
基于语音的情绪识别方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能的智能决策领域，尤其涉及一种基于语音的情绪识别方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能技术的飞速发展，语音识别技术也随之飞速发展，语音识别技术被广泛运用在人机交互的智能设备上，而在人机交互中基于语音识别的回复的准确性，语音情绪识别占据重大作用，语音情绪识别的方式主要是分类方式，即对一段固定或非固定长度的语音进行分类，得到情绪标签。
[0003]目前，常见的基于语音语调的情绪识别方法为：对语音信息进行分割，得到分段语音，提取分段语音的情绪特征，通过分类网络和预先创建的情绪标签对情绪特征进行分类，得到情绪信息。
[0004]上述基于语音语调的情绪识别方法中，由于通过分类网络和情绪标签的分类方式单一，导致其分类偏差较大，因而，对语音信息的情绪识别准确性较低。
技术实现思路
[0005]本专利技术提供一种基于语音的情绪识别方法、装置、设备及存储介质，用于提高语音信息的情绪识别准确性。
[00...
【技术保护点】
【技术特征摘要】
1.一种基于语音的情绪识别方法，其特征在于，所述基于语音的情绪识别方法包括：获取基于待处理语音信息的多个语音特征，并对所述多个语音特征进行拼接处理，得到融合特征，所述多个语音特征用于指示多个模态的语音特征；通过预置的融合网络，对所述融合特征进行瓶颈层特征提取和分类处理，得到情绪特征向量，以及与所述情绪特征向量对应的情绪分类标签；对所述情绪特征向量进行预设时段的特征向量提取，得到情绪时序向量集，并计算所述情绪时序向量集中情绪时序向量之间的相似度，得到目标相似度集；根据预设阈值和所述目标相似度集，对所述情绪时序向量集进行分类，得到多个分类情绪向量集，一个分类情绪向量集对应一个分类类型；根据所述情绪分类标签，对所述多个分类情绪向量集进行情绪匹配分类，得到目标情绪识别结果。2.根据权利要求1所述的基于语音的情绪识别方法，其特征在于，所述根据预设阈值和所述目标相似度集，对所述情绪时序向量集进行分类，得到多个分类情绪向量集，包括：计算所述目标相似度集中每个目标相似度与预设阈值之间的差值，按照从大到小的顺序对所述差值进行排序，得到相似度序列；按照预设的分类值对所述相似度序列进行分类，得到多个分类相似度集；将所述情绪时序向量集中每个分类相似度集对应的情绪时序向量确定为分类情绪向量集，得到多个分类情绪向量集。3.根据权利要求1所述的基于语音的情绪识别方法，其特征在于，所述根据所述情绪分类标签，对所述多个分类情绪向量集进行情绪匹配分类，得到目标情绪识别结果，包括：对每个分类情绪向量集中的情绪分类标签进行归类处理，得到多个归类情绪标签；统计每个归类情绪标签的数量，按照数量从大到小的顺序对所述多个归类情绪标签进行排序，得到排序情绪标签；将所述排序情绪标签中排序为第一的排序情绪标签，确定为每个分类情绪向量集的情绪识别结果，得到目标情绪识别结果。4.根据权利要求1所述的基于语音的情绪识别方法，其特征在于，所述通过预置的融合网络，对所述融合特征进行瓶颈层特征提取和分类处理，得到情绪特征向量，以及与所述情绪特征向量对应的情绪分类标签，包括：通过预置的融合网络中的瓶颈层，对所述融合特征的特征量进行降维处理，得到情绪特征向量，所述融合网络包括瓶颈层和分类层；通过所述分类层，对所述情绪特征向量依次进行分类向量提取和分类函数计算，得到与所述情绪特征向量对应的情绪分类标签，所述分类向量提取中的分类向量包括多个维度分别对应的分类标签数量。5.根据权利要求1所述的基于语音的情绪识别方法，其特征在于，所述获取基于待处理语音信息的多个语音特征，并对所述多个语音特征进行拼接处理，得到融合特征，包括：获取待处理语音信息，并通过预置的空洞卷积网络、卷积网络和长短时记忆网络，对所述待处理语音信息...
【专利技术属性】
技术研发人员：张超，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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。