本发明专利技术涉及人工智能领域，揭露一种情绪识别方法，包括：获取聊天内容，对聊天内容进行内容清洗，得到目标内容；识别所述目标内容是否存在聊天语音，在存在聊天语音时，利用语音情绪识别模型识别聊天语音的语音情绪，并将聊天语音转换为语音文本，按照聊天内容中的聊天顺序合并语音文本和聊天文本，得到目标文本，以及利用文本情绪识别模型识别目标文本的文本情绪；在不存在聊天语音时，利用文本情绪识别模型识别目标内容的文本情绪；根据语音情绪或文本情绪，识别聊天内容的聊天情绪。本发明专利技术还涉及一种区块链技术，目标内容或聊天情绪可以存储在区块链节点中。本发明专利技术还提出一种情绪识别装置、设备以及介质。本发明专利技术可以高效准确地识别用户情绪。识别用户情绪。识别用户情绪。
【技术实现步骤摘要】
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领域，尤其涉及一种情绪识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]当前，随着社交工具的发展，许多社会场景中都会大量使用到社交工具，且用户倾向于简单有效的接触方式，例如，银行利用企业聊天工具开展业务。具体的，通过银行行员利用企业聊天工具直接与客户进行互动，通过聊天记录可以使行员更加了解客户的需求和行员自身的痛点，减少投诉，有效帮助行员精准经营客户，但是由于非接触式交流无法获取用户的情绪，使得对需求的获取不够充分和准确，降低运营效率。
技术实现思路
[0003]本专利技术提供一种情绪识别方法、装置、电子设备及计算机可读存储介质，其主要目的是为了高效准确地识别用户情绪。
[0004]为实现上述目的，本专利技术提供的一种情绪识别方法，包括：
[0005]获取聊天内容，对所述聊天内容进行内容清洗，得到目标内容；
[0006]识别所述目标内容是否存在聊天语音；
[0007]在所述目标内容存在聊天语音时，获取聊天语音数据集，并利用训练好的语音情绪识别模型的前馈注意力机制层对所述聊天语音数据集进行特征提取，得到语音特征向量集；
[0008]利用所述训练好的语音情绪识别模型的编码层对所述语音特征向量集进行编码，得到语音特征关联矩阵；
[0009]利用所述训练好的语音情绪识别模型的解码层对所述语音特征关联矩阵进行解码，得到聊天语音数据集的语音情绪；
[0010]将所述聊天语音转换为语音文本，并按照所述目标内容中的聊天顺序合并所述语音文本和所述目标内容中的聊天文本，得到目标文本，以及利用训练好的文本情绪识别模型识别所述目标文本的文本情绪；
[0011]在所述目标内容不存在聊天语音时，利用训练好的文本情绪识别模型识别所述目标内容的文本情绪；
[0012]根据所述语音情绪或所述文本情绪，识别所述聊天内容的聊天情绪。
[0013]可选地，所述利用训练好的语音情绪识别模型的前馈注意力机制层对所述聊天语音数据集进行特征提取，得到语音特征向量集，包括：
[0014]将所述聊天语音数据集中的聊天语音数据转化为时间和频率的二维频谱图；
[0015]利用前馈注意力机制层对转化得到的所述二维频谱图执行卷积操作，得到语音特征向量集。
[0016]可选地，所述利用所述训练好的语音情绪识别模型的编码层对所述语音特征向量
集进行编码，得到语音特征关联矩阵，包括：
[0017]将所述语音特征向量集转化为语音特征向量矩阵；
[0018]利用预设的多头注意力机制将所述语音特征向量矩阵拆分为中心转换矩阵、关联转换矩阵和权重转换矩阵；
[0019]将所述语音特征向量矩阵分别与所述中心转换矩阵、所述关联转换矩阵以及所述权重转换矩阵进行点乘，得到中心向量矩阵、关联向量矩阵和权重向量矩阵；
[0020]将所述中心向量矩阵、所述关联向量矩阵和所述权重向量矩阵进行组合，并将组合结果输入至预设的激活函数，得到所述激活函数输出的语音特征关联矩阵。
[0021]可选地，所述解码层包括全连接层及激活函数，所述利用所述训练好的语音情绪识别模型的解码层对所述语音特征关联矩阵进行解码，得到聊天语音数据集的语音情绪，包括：
[0022]利用所述解码层中的全连接层对所述语音特征关联矩阵进行解码，得到解码语音矩阵；
[0023]利用所述解码层中的激活函数输出所述解码语音矩阵的语音情绪。
[0024]可选地，所述利用训练好的文本情绪识别模型识别所述目标文本的文本情绪之前，所述方法还包括：
[0025]获取目标文本训练数据集，所述目标文本训练数据集包括目标文本训练数据的真实文本情绪；
[0026]利用预构建的文本情绪识别模型中的输入门计算所述目标文本训练数据集的状态值；
[0027]利用所述预构建的文本情绪识别模型中的遗忘门计算所述目标文本训练数据集的激活值；
[0028]根据所述状态值和激活值计算所述目标文本训练数据集的状态更新值；
[0029]利用所述预构建的文本情绪识别模型中的输出门计算所述状态更新值的文本情绪，得到所述目标文本的预测文本情绪；
[0030]计算所述预测文本情绪与所述真实文本情绪的损失值；
[0031]若所述损失值大于预设阈值时，调整所述文本情绪识别模型的参数，并返回所述利用所述预构建的文本情绪识别模型中的输入门计算所述目标文本训练数据集的状态值的步骤，若所述损失值不大于预设阈值时，得到所述训练好的文本情绪识别模型。
[0032]可选地，所述利用所述预构建的文本情绪识别模型中的输出门计算所述状态更新值的文本情绪，包括：
[0033]利用如下公式计算状态更新值的文本情绪：
[0034]o
t
＝tan h(c
t
)
[0035]其中，o
t
表示文本情绪，tan h表示输出门的激活函数，c
t
表示状态更新值。
[0036]可选地，所述对所述聊天内容进行内容清洗，得到目标内容，包括：
[0037]对所述聊天内容进行数据扩充，得到扩充内容；
[0038]对所述扩充内容进行数据清洗，得到目标内容。
[0039]为了解决上述问题，本专利技术还提供一种情绪识别装置，所述装置包括：
[0040]聊天内容获取模块，用于获取聊天内容，对所述聊天内容进行内容清洗，得到目标
内容；
[0041]聊天语音判断模块，用于识别所述目标内容是否存在聊天语音；
[0042]语音情绪识别模块，用于在所述目标内容存在聊天语音时，获取聊天语音数据集，并利用训练好的语音情绪识别模型的前馈注意力机制层对所述聊天语音数据集进行特征提取，得到语音特征向量集；利用所述训练好的语音情绪识别模型的编码层对所述语音特征向量集进行编码，得到语音特征关联矩阵；利用所述训练好的语音情绪识别模型的解码层对所述语音特征关联矩阵进行解码，得到聊天语音数据集的语音情绪；
[0043]文本情绪识别模块，用于将所述聊天语音转换为语音文本，并按照所述目标内容中的聊天顺序合并所述语音文本和所述目标内容中的聊天文本，得到目标文本，以及利用训练好的文本情绪识别模型识别所述目标文本的文本情绪；在所述目标内容不存在聊天语音时，利用训练好的文本情绪识别模型识别所述目标内容的文本情绪；
[0044]聊天情绪识别模块，用于根据所述语音情绪或所述文本情绪，识别所述聊天内容的聊天情绪。
[0045]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0046]存储器，存储至少一个计算机程序；及
[0047]处理器，执行所述存储器中存储的计算机程序以实现上述所述的情绪识别方法。
[0048]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种情绪识别方法，其特征在于，所述方法包括：获取聊天内容，对所述聊天内容进行内容清洗，得到目标内容；识别所述目标内容是否存在聊天语音；在所述目标内容存在聊天语音时，获取聊天语音数据集，并利用训练好的语音情绪识别模型的前馈注意力机制层对所述聊天语音数据集进行特征提取，得到语音特征向量集；利用所述训练好的语音情绪识别模型的编码层对所述语音特征向量集进行编码，得到语音特征关联矩阵；利用所述训练好的语音情绪识别模型的解码层对所述语音特征关联矩阵进行解码，得到聊天语音数据集的语音情绪；将所述聊天语音转换为语音文本，并按照所述目标内容中的聊天顺序合并所述语音文本和所述目标内容中的聊天文本，得到目标文本，以及利用训练好的文本情绪识别模型识别所述目标文本的文本情绪；在所述目标内容不存在聊天语音时，利用训练好的文本情绪识别模型识别所述目标内容的文本情绪；根据所述语音情绪或所述文本情绪，识别所述聊天内容的聊天情绪。2.如权利要求1所述的情绪识别方法，其特征在于，所述利用训练好的语音情绪识别模型的前馈注意力机制层对所述聊天语音数据集进行特征提取，得到语音特征向量集，包括：将所述聊天语音数据集中的聊天语音数据转化为时间和频率的二维频谱图；利用前馈注意力机制层对转化得到的所述二维频谱图执行卷积操作，得到语音特征向量集。3.如权利要求1所述的情绪识别方法，其特征在于，所述利用所述训练好的语音情绪识别模型的编码层对所述语音特征向量集进行编码，得到语音特征关联矩阵，包括：将所述语音特征向量集转化为语音特征向量矩阵；利用预设的多头注意力机制将所述语音特征向量矩阵拆分为中心转换矩阵、关联转换矩阵和权重转换矩阵；将所述语音特征向量矩阵分别与所述中心转换矩阵、所述关联转换矩阵以及所述权重转换矩阵进行点乘，得到中心向量矩阵、关联向量矩阵和权重向量矩阵；将所述中心向量矩阵、所述关联向量矩阵和所述权重向量矩阵进行组合，并将组合结果输入至预设的激活函数，得到所述激活函数输出的语音特征关联矩阵。4.如权利要求1所述的情绪识别方法，其特征在于，所述解码层包括全连接层及激活函数，所述利用所述训练好的语音情绪识别模型的解码层对所述语音特征关联矩阵进行解码，得到聊天语音数据集的语音情绪，包括：利用所述解码层中的全连接层对所述语音特征关联矩阵进行解码，得到解码语音矩阵；利用所述解码层中的激活函数输出所述解码语音矩阵的语音情绪。5.如权利要求1所述的情绪识别方法，其特征在于，所述利用训练好的文本情绪识别模型识别所述目标文本的文本情绪之前，所述方法还包括：获取目标文本训练数据集，所述目标文本训练数据集包括目标文本训练数据的真实文本情绪；
利用预构建的文本情绪识别模型中的输入门计算所述目标文本训练数据集的状态值；利用所述预构建的文本情绪识别模型中的遗忘门计算所述目标文本训练数据集的激活值；根据所述状...
【专利技术属性】
技术研发人员：钱辉娟，
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。