一种基于迁移学习的教师语音情感识别方法技术

本发明专利技术涉及一种基于迁移学习的教师语音情感识别方法，属于教育信息化领域。该方法包括特征提取部分、全局域鉴别部分、局部子域鉴别部分、自适应对抗部分以及分类模块。在特征提取部分中对采集到的教师语音数据经过抽样量化、分帧、加窗、端点检测等数据预处理，得到的数据作为目标域数据，选取已有标签的其他数据集作为源域数据。全局域鉴别部分和局部子域鉴别部分分别获取全局分布和局部分布并计算两个域之间的分布差异。最后获取源域和目标域的域不变特征，经过分类模块识别出目标域中无标签数据的情感类别，完成跨领域的语音情感识别。本发明专利技术可以有效地识别出无标签状态下教师语音的情感类别。

【技术实现步骤摘要】

本专利技术属于教育信息化领域，涉及一种基于迁移学习的教师语音情感识别方法。

技术介绍

1、教师在课堂教学时的语音蕴含了其教学的情感，而教学情感对课堂教学质量和学生学习效果有直接影响。[pekrunr.the control-valuetheoryofachievementemotions:assumptions,corollaries,and implications for educational research andpractice[j].educational psychology review,2006,18:315-341.]提出的成就情绪控制价值理论可知，积极情绪可以增强学习动机，而消极情绪会损害学习，如焦虑会降低内在动机，导致学习者的学习兴趣逐渐降低。随着智慧教育课堂的逐步实施，海量的教育数据也随之产生，如学生教学评价文本、教师授课音视频等。利用这些教育数据可以深入地分析学生的学习情况和教师的工作情况。但是这些数据的质量参差不齐，大部分都是学校自发搜集的，并且都是未经标注和清洗的数据。未标注的数据虽然蕴含着丰富的情感，但是不能直接用于深度本文档来自技高网...

【技术保护点】

1.一种基于迁移学习的教师语音情感识别方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于迁移学习的教师语音情感识别方法，其特征在于：所述S1中，情感识别任务采集教师课堂教学下的语音数据作为研究对象，对采集的数据进行抽样量化、分帧、加窗和端点检测的数据预处理，以便模型训练和使用；教师的语音数据作为目标域数据，收集到的相关的已经完善的有标签的语音情感识别数据集作为源域数据。

3.根据权利要求2所述的一种基于迁移学习的教师语音情感识别方法，其特征在于：所述S2中，使用双向GRU模型提取语音序列的前后依赖关系，并通过GRU模型获取源域和目标域中语音数...

【技术特征摘要】

1.一种基于迁移学习的教师语音情感识别方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于迁移学习的教师语音情感识别方法，其特征在于：所述s1中，情感识别任务采集教师课堂教学下的语音数据作为研究对象，对采集的数据进行抽样量化、分帧、加窗和端点检测的数据预处理，以便模型训练和使用；教师的语音数据作为目标域数据，收集到的相关的已经完善的有标签的语音情感识别数据集作为源域数据。

3.根据权利要求2所述的一种基于迁移学习的教师语音情感识别方法，其特征在于：所述s2中，使用双向gru模型提取语音序列的前后依赖关系，并通过gru模型获取源域和目标域中语音数据的高级特征；前向gru计算公式如下：

4.根据权利要求3所述的一种基于迁移学习的教师语音情感识别方法，其特征在于：所述s3中，自适应对抗学习包含两个部分：特征提取部分gf、域鉴别部分gd；gy为标签分类部分，θf，θd，θy分别表示gf，gd，gy的参数自适应对抗学习的损失函数可形式化为...

【专利技术属性】
技术研发人员：蔡婷，王盛松，熊余，储雯，黄容，钟鑫，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：