[发明专利]交互对话中的情绪识别方法及装置

说明书

本发明涉及人工智能，揭露一种交互对话中的情绪识别方法，包括：提取交互对话中句子的文本特征；利用上下文编码器，捕获所述句子的文本特征中所述句子的上下文信息，得到融合有所述上下文信息的第一句子编码；利用参与对象编码器，捕获所述句子的文本特征中参与对象的状态信息，得到融合有参与对象状态的第二句子编码；将所述第一句子编码与所述第二句子编码拼接后输入至条件随机场层，得到所述交互对话中所述句子对应的情绪标签。本发明还涉及区块链技术，所述网络模型文件存储于区块链中。本发明能够考虑交互对话中情绪连贯性，准确捕获较长句子的上下文信息，提高情绪识别的准确率。

技术领域

本发明涉及人工智能，尤其是涉及到交互对话中的情绪识别方法、装置、计算机设备及计算机存储介质。

背景技术

随着基于交互对话的服务兴起，交互对话中情绪识别技术得到越来越多的关注。赋予机器理解说话人情绪能力，在电商客服、在线问诊等场景中有很大的应用价值。

早期交互对话的情绪识别主要利用基于词典的方法和音频恩正，在交互对话中每个句子的基础上识别情绪。由于忽略了上下文信息，基于句子的情绪识别模型无法达到较高的准确率。近年来，一些包含音频、视频、文本等多模态的对话数据集被公开，同时越来越多的深度学习方法被应用于交互对话的情绪识别领域，例如，使用长短记忆网络捕获上下文信息，使用两个门控循环单元建模交互对话的上下文，分别描述说话人之间的依赖关系和说话人自身的依赖关系。但是，这些深度学习方法都忽略了交互对话中情绪标签之间的依赖关系，并且在捕获较长句子的上下文信息时表现欠佳，使得交互对话中情绪识别准确率较低，影响情绪分类效果。

发明内容

有鉴于此，本发明提供了一种交互对话中的情绪识别方法、装置、计算机设备及计算机存储介质，主要目的在于解决目前交互对话中情绪识别准确率较低，影响情绪分类效果的问题。

依据本发明一个方面，提供了一种交互对话中的情绪识别方法，该方法包括：

提取交互对话中句子的文本特征；

利用上下文编码器，捕获所述句子的文本特征中所述句子的上下文信息，得到融合有所述上下文信息的第一句子编码；

利用参与对象编码器，捕获所述句子的文本特征中参与对象的状态信息，得到融合有参与对象状态的第二句子编码；

将所述第一句子编码与所述第二句子编码拼接后形成的句子向量输入至条件随机场框架，得到所述交互对话中所述句子对应的情绪标签。

在本发明另一实施例中，所述上下文编码器包括自注意力编码器和网络模型，所述利用上下文编码器，捕获所述句子的文本特征中所述句子的上下文信息，得到融合有所述上下文信息的第一句子编码，具体包括：

利用所述自注意力编码器对所述句子的文本特征进行多头自注意力操作，生成交互对话中上下文相关的句子表示向量；

利用网络模型对所述上下文相关的句子表示向量进行上下文信息的学习，得到融合有所述上下文信息的第一句子编码。

在本发明另一实施例中，所述利用所述自注意力编码器对所述句子的文本特征进行多头自注意力操作，生成交互对话中上下文相关的句子表示向量，具体包括：

利用所述自注意力编码器对所述句子的文本特征进行解析，获取所述句子的文本特征之间的影响权重；

基于所述句子的文本特征之间的影响权重，更新所述句子的文本特征；

将更新后的所述句子的文本特征输入至逐点全连接前馈层，生成交互对话中上下文相关的句子表示向量。