[发明专利]一种多人对话系统的情绪识别模型

权利要求书

1.一种多人对话系统的情绪识别模型，其特征在于，包括：

S1提取数据集中的特征，所述特征包括文本特征及语音特征；

S2根据文本特征及语音特征，构建改进的DialogueRNN网络；

S3训练改进的DialogueRNN网络，得到最终的声学模型即情绪识别模型。

2.根据权利要求1所述的情绪识别模型，其特征在于，所述改进的DialogueRNN网络是在基础的DialogueRNN网络中引入Listener的Party State和不同人的Emotion State，得到改进后的DialogueRNN网络。

3.根据权利要求1所述的情绪识别模型，其特征在于，所述S2根据文本特征及语音特征，构建改进的DialogueRNN网络，具体为：

将当前时刻的文本特征及语音特征输入Global GRU提取上下文信息的特征g_t；

上下文信息的特征(g₁g₂...g_t-1)通过Attention机制得到Context Vector(c_t)；

将Context Vector(c_t)和g_t拼接后和Speaker上一时刻的Party State(P_s,t-1)通过Party GRU得到t时刻的Party State(P_s,t)；

上下文信息的特征g_t和每个listener在前n个时刻说的语句信息利用Attention机制得到c_i,t；

将c_i,t和g_t拼接后和Listener上一时刻的Party State(P_Li,t-1)得到t时刻的PartyState(P_Li,t)，

将每个人前t时刻的Emotion State通过Attention机制后和Party State(p_i,t)送进Emotion GRU得到每个人第t时刻的Emotion State(e_i,t)；

选择Speaker的Emotion State送进DNN网络进行分类，得到改进的DialogueRNN网络。

4.根据权利要求3所述的情绪识别模型，其特征在于，listener的Party state，其计算公式如下：

c_t,i＝α[g_1,i,g_2,i,...,g_k,i]^T

其中，g_t代表第t时刻Global GRU的输出，代表g_t在第t时刻影响第i个Listener的Party State，g_1,i代表第i个Listener的第一句话，g_2,i代表第i个Listener的第二句话，其他依次类推，W_α是一个矩阵，softmax函数将向量转化成概率。

5.根据权利要求3所述的情绪识别模型，其特征在于，引入不同人的Emotion State，其数学公式如下：

α_i＝soft max(A^T[e_0,i,e_1,i,...,e_t-1,i])

其中，g_t代表第t时刻Global GRU的输出，e_t,i是第t时刻第i个人的Emotion State,是g_t在t时刻影响第i个人的Party State，A是一个向量，softmax函数将向量转化成概率。

6.根据权利要求1所述的情绪识别方法，其特征在于，所述采用梯度下降法训练改进后的DialogueRNN网络。

7.根据权利要求3所述的情绪识别方法，其特征在于，所述Attention机制中采用多种函数获取加权值。