【技术实现步骤摘要】
识别情绪的方法、训练情绪识别模型的方法、装置及设备
[0001]本公开涉及人工智能
,尤其涉及深度学习技术。更具体地,本公开提供了一种识别情绪的方法、训练情绪识别模型的方法、装置、电子设备和存储介质。
技术介绍
[0002]语音是人类交流中情感的重要载体。人们在不同情绪状态下的语言表达方式有所不同。例如,内容相同的语句附带不同的情绪,可以表达出完全不同的含义。
技术实现思路
[0003]本公开提供了一种识别情绪的方法、训练情绪识别模型的方法、装置、设备以及存储介质。
[0004]根据第一方面,提供了一种识别情绪的方法,该方法包括:获取目标数据的第一内容特征和第一音频特征;将上述第一内容特征输入第一特征提取模型,得到第二内容特征;将上述第一音频特征输入第一特征提取模型,得到第二音频特征;以及根据上述第二内容特征和上述第二音频特征,识别与目标数据对应的目标对象的情绪。
[0005]根据第二方面,提供了一种训练情绪识别模型的方法,上述情绪识别模型包括第一特征提取模型,该方法包括:获取样本数据的第一内容特征和第一音频特征;将上述第一内容特征输入第一特征提取模型,得到第二内容特征;将上述第一音频特征输入第一特征提取模型,得到第二音频特征;根据上述第二内容特征和上述第二音频特征,识别与上述样本数据对应的样本对象的情绪;根据上述样本对象的情绪和上述样本数据的标签,得到损失值;以及根据上述损失值,训练上述情绪识别模型。
[0006]根据第三方面,提供了一种识别情绪的装置,该装置包括:第一 ...
【技术保护点】
【技术特征摘要】
1.一种识别情绪的方法,包括:获取目标数据的第一内容特征和第一音频特征;将所述第一内容特征输入第一特征提取模型,得到第二内容特征;将所述第一音频特征输入第一特征提取模型,得到第二音频特征;以及根据所述第二内容特征和所述第二音频特征,识别与目标数据对应的目标对象的情绪。2.根据权利要求1所述的方法,其中,所述第一特征提取模型包括图卷积子模型,所述图卷积子模型采用的图结构为链式图结构,与所述链式图结构对应的第一邻接矩阵为:其中,A
C
为所述第一邻接矩阵,a为大于0的实数;其中,所述第一邻接矩阵为N*N的矩阵,N为大于2的正整数,所述第一邻接矩阵的第i+1个行向量是根据第i个行向量向右循环一位得到的,i为大于1且小于等于N
‑
2的整数。3.根据权利要求1所述的方法,其中,所述第一特征提取模型包括图卷积子模型,所述图卷积子模型采用的图结构为线式图结构,与所述线式图结构对应的第二邻接矩阵为:其中,A
L
为所述第二邻接矩阵,b为大于0的实数;其中,所述第二邻接矩阵为M*M的矩阵,M为大于2的正整数,所述第二邻接矩阵的第j+1个行向量是根据第j个行向量向右循环一位得到的,j为大于1且小于等于M
‑
2的整数。4.根据权利要求1所述的方法,其中,所述获取目标数据的第一内容特征和第一音频特征包括:将所述目标数据输入第二特征提取模型,得到所述目标数据的文本信息和时间信息;根据所述文本信息,得到所述第一内容特征;根据所述文本信息和所述时间信息,得到所述第一音频特征。5.根据权利要求2或3所述的方法,其中,所述图卷积子模型包括第一图卷积网络,所述第一图卷积网络包括H个第一图卷积层,所述将所述第一内容特征输入第一特征提取模型,得到第二内容特征包括:将所述第一内容特征输入第1个第一图卷积层,得到第1个第一中间特征;将第h个第一中间特征输入第h+1个第一图卷积层,得到第h+1个第一中间特征,h=1,
……
H
‑
1;根据H个第一中间特征,得到所述第二内容特征。6.根据权利要求2或3所述的方法,其中,所述图卷积子模型包括第二图卷积网络,所述第二图卷积网络包括K个第二图卷积层,所述将所述第一音频特征输入第一特征提取模型,得到第二音频特征包括:将所述第一音频特征输入第1个第二图卷积层,得到第1个第二中间特征;
将第k个第二中间特征输入第k+1个第二图卷积层,得到第k+1个第二中间特征,k=1,
……
K
‑
1;根据K个第二中间特征,得到所述第二音频特征。7.根据权利要求1至6任一项所述的方法,其中,所述根据所述第二内容特征和所述第二音频特征,识别与目标数据对应的目标对象的情绪包括:对第二内容特征和第二音频特征执行融合操作,得到融合特征;根据所述融合特征,识别所述目标对象的情绪。8.一种训练情绪识别模型的方法,所述情绪识别模型包括第一特征提取模型,包括:获取样本数据的第一内容特征和第一音频特征;将所述第一内容特征输入第一特征提取模型,得到第二内容特征;将所述第一音频特征输入第一特征提取模型,得到第二音频特征;根据所述第二内容特征和所述第二音频特征,识别与所述样本数据对应的样本对象的情绪;根据所述样本对象的情绪和所述样本数据的标签,得到损失值;以及根据所述损失值,训练所述情绪识别模型。9.根据权利要求8所述的方法,其中,所述第一特征提取模型包括图卷积子模型,所述图卷积子模型采用的图结构为链式图结构,与所述链式图结构对应的第一邻接矩阵为:其中,A
C
为所述第一邻接矩阵,a为大于0的实数;其中,所述第一邻接矩阵为N*N的矩阵,N为大于2的正整数;所述第一邻接矩阵的第i+1个行向量是根据第i个行向量向右循环一位得到的,i为大于1且小于等于N
‑
2的整数。10.根据权利要求8所述的方法,其中,所述第一特征提取模型包括图卷积...
【专利技术属性】
技术研发人员:赵情恩,
申请(专利权)人:北京百度网讯科技有限公司,
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。