[发明专利]情感识别模型的训练方法、情感识别方法、装置、设备及存储介质

说明书

本申请涉及智能决策领域，基于深度学习训练情感识别模型。具体公开了一种情感识别模型的训练方法、情感识别方法、装置、计算机设备及存储介质，该方法包括：获取用户的语音信息以及对应的数据标签；根据语音信息以及对应的数据标签构建样本数据；根据预设处理规则对样本数据中的语音信息进行预处理以得到对应的频谱向量；提取预设的循环神经网络，循环神经网络包括注意力机制，注意力机制用于加强语音信息中的部分区域；基于循环神经网络，根据语音信息对应的频谱向量和数据标签进行模型训练以得到情感识别模型。该方法可以提高情感识别模型的可泛化性，提高模型识别的准确率。

技术领域

本申请涉及模型训练技术领域，尤其涉及一种情感识别模型的训练方法、情感识别方法、装置、计算机设备及存储介质。

背景技术

近年来，基于机器学习利用声音识别用户情感的情感识别模型得到了广泛的发展，但针对声音的情感识别还面临了很多挑战，比如为了产生持续的精确的正负情感的识别，部分识别模型采用文字和声学特征结合的方式，这种方式需要利用语音识别(Automatic Speech Recognition，ASR)技术将声音转化为文字信息，但是存在延迟性严重的问题。同时，情感识别模型还存在泛化性差的问题，当把模型应用到新的说话人时，其准确率会降低。

发明内容

本申请提供了一种情感识别模型的训练方法、情感识别方法、装置、计算机设备及存储介质，以提高情感识别模型的可泛化性，提高识别的准确率。

第一方面，本申请提供了一种情感识别模型的训练方法，所述方法包括：

获取用户的语音信息以及所述语音信息对应的数据标签；

根据所述语音信息以及对应的数据标签构建样本数据；

根据预设处理规则对所述样本数据中的语音信息进行预处理以得到对应的频谱向量；

提取预设的循环神经网络，所述循环神经网络包括注意力机制，所述注意力机制用于加强所述语音信息中的部分区域；

基于所述循环神经网络，根据所述语音信息对应的频谱向量和数据标签进行模型训练以得到情感识别模型。

第二方面，本申请还提供了一种情感识别方法，所述方法包括：

采集用户的语音信号；

根据预设处理规则对所述语音信号进行预处理以得到所述语音信号对应的频谱向量；

将所述频谱向量输入至情感识别模型对所述用户的情感进行识别，以得到所述用户的情感类别，所述情感识别模型为采用上述的情感识别模型训练方法训练得到的模型。

第三方面，本申请还提供了一种情感识别模型的训练装置，所述装置包括：

获取单元，用于获取用户的语音信息以及所述语音信息对应的数据标签；

样本构建单元，用于根据所述语音信息以及对应的数据标签构建样本数据；

预处理单元，用于根据预设处理规则对所述样本数据中的语音信息进行预处理以得到对应的频谱向量；

提取单元，用于提取预设的循环神经网络，所述循环神经网络包括注意力机制，所述注意力机制用于加强所述语音信息中的部分区域；

模型训练单元，用于基于所述循环神经网络，根据所述语音信息对应的频谱向量和数据标签进行模型训练以得到情感识别模型。

第三方面，本申请还提供了一种情感识别装置，所述装置包括：

信号采集单元，用于采集用户的语音信号；

信号处理单元，用于根据预设处理规则对所述语音信号进行预处理以得到所述语音信号对应的频谱向量；