[发明专利]一种多人对话系统的情绪识别模型

说明书

本发明公开了一种多人对话系统的情绪识别模型，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。本发明在考虑模型对现实多人对话场景的建模能力、对上下文信息提取能力及模型的大小等方面的因素下，通过引入Listener的Party State和不同人的Emotion State，提高了DialogueRNN情绪识别模型的性能。

技术领域

本发明属于情绪识别领域，特别涉及一种多人对话系统的情绪识别模型

背景技术

对话系统中的情感识别是许多应用程序的必要步骤，包括聊天记录中的主题挖掘，社交媒体线索，在实时对话中了解消费者反馈等方面。多人对话系统中的情绪识别，上下文信息起到非常重要的作用，利用循环神经网络(Recurrent Neural Network,RNN)可以很好地提取上下文信息，循环神经网络是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network)。

对循环神经网络的研究始于二十世纪80-90年代，并在二十一世纪初发展为深度学习(deep learning)算法之一，其中双向循环神经网络(Bidirectional RNN,Bi-RNN)和长短期记忆网络(Long Short-Term Memory networks，LSTM)是常见的的循环神经网络。

一般是情绪识别系统分成几个步骤，第一是特征的提取，包括文本，语音，视频等特征，第二是特征的融合，第三是对场景进行建模。

在多人对话系统中，现有的基于RNN的情绪识别模型DialogueRNN可以比较好地刻画现实对话的场景，但跟实际情况也存在一些出入，并不能比较好地模拟实际场景，从这方面来说，基于RNN的多人对话系统中的情绪识别模型DialogueRNN性能有待进一步地提升。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种多人对话系统的情绪识别模型。本发明在考虑模型建模能力、对上下文信息提取能力及模型的大小等方面的因素下，通过引入Listener的Party State和不同人的Emotion State，对现实场景更好地建模，从而提高情绪识别系统整体性能。

本发明的目的通过以下的技术方案实现：

一种多人对话系统的情绪识别模型，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。

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。

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)；