[发明专利]一种基于语音数据的情绪识别方法、终端设备及介质

说明书

本发明适用于人工智能技术领域，提供了一种基于语音数据的情绪识别方法、终端设备及介质，包括：对各条原始音频数据进行音转文处理，得到各条原始音频数据各自对应的文本数据；采用预设正则表达式从所有文本数据中确定目标文本数据；确定各条目标文本数据的第一特征向量；将各条目标文本数据的第一特征向量导入预先训练的情绪识别模型，得到各条目标文本数据的类别置信度向量；情绪识别模型通过情绪类别为目标情绪类别的文本数据训练得到；将类别置信度向量中值最大的元素对应的预设情绪类别确定为目标文本数据所属的情绪类别，从而提高了情绪识别模型对目标情绪类别识别的准确率。

技术领域

本发明属于人工智能技术领域，尤其涉及一种基于语音数据的情绪识别方法、终端设备及计算机可读存储介质。

背景技术

在日常生活中的很多场景下，都需要对语音数据所表达的情绪进行识别，现有技术通常是通过情绪识别模型对语音数据所表达的情绪进行识别，情绪识别模型一般是基于已标记情绪类别标签的样本数据，采用深度学习算法进行训练得到的。然而，由于实际应用中，用于训练情绪识别模型的样本数据中的正面情绪样本和负面情绪样本极不均衡，导致训练得到的情绪识别模型对样本数量较少的情绪类别的识别准确率较低。

发明内容

有鉴于此，本发明实施例提供了一种基于语音数据的情绪识别方法、终端设备及计算机可读存储介质，以解决现有的用于训练情绪识别模型的样本数据中的正面情绪样本和负面情绪样本极不均衡，导致训练得到的情绪识别模型对样本数量较少的情绪类别的识别准确率较低的问题。

本发明实施例的第一方面提供了一种基于语音数据的情绪识别方法，包括：

对各条原始音频数据进行音转文处理，得到各条所述原始音频数据各自对应的文本数据；

采用预设正则表达式从所有所述文本数据中确定目标文本数据；所述预设正则表达式用于表征目标情绪类别的表达规则；

确定各条所述目标文本数据的第一特征向量；

将各条所述目标文本数据的第一特征向量导入预先训练的情绪识别模型，得到各条所述目标文本数据的类别置信度向量；所述情绪识别模型通过情绪类别为目标情绪类别的文本数据训练得到，所述类别置信度向量中的每个元素的值用于表征所述目标文本数据属于该元素对应的预设情绪类别的概率；

将所述类别置信度向量中值最大的元素对应的预设情绪类别确定为所述目标文本数据所属的情绪类别。

本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下各步骤：

对各条原始音频数据进行音转文处理，得到各条所述原始音频数据各自对应的文本数据；

采用预设正则表达式从所有所述文本数据中确定目标文本数据；所述预设正则表达式用于表征目标情绪类别的表达规则；

确定各条所述目标文本数据的第一特征向量；

将各条所述目标文本数据的第一特征向量导入预先训练的情绪识别模型，得到各条所述目标文本数据的类别置信度向量；所述情绪识别模型通过情绪类别为目标情绪类别的文本数据训练得到，所述类别置信度向量中的每个元素的值用于表征所述目标文本数据属于该元素对应的预设情绪类别的概率；

将所述类别置信度向量中值最大的元素对应的预设情绪类别确定为所述目标文本数据所属的情绪类别。

本发明实施例的第三方面提供了一种终端设备，包括：

第一处理单元，用于对各条原始音频数据进行音转文处理，得到各条所述原始音频数据各自对应的文本数据；

第一确定单元，用于采用预设正则表达式从所有所述文本数据中确定目标文本数据；所述预设正则表达式用于表征目标情绪类别的表达规则；