[发明专利]一种基于声音特征和语音识别的问答意图判断方法

说明书

本申请实施例提供了一种基于声音特征和语音识别的问答意图判断方法，该方法包括提取答复语音中的语音特征参数；将语音特征参数作为预先训练的神经网络模型的输入进行运算，得到与答复语音对应的情绪特征参数；提取出答复语音中的关键词的词频，得到与答复语音对应的词频特征参数；将神经网络模型的输出作为预先训练的BERT模型的输入进行运算，得到与答复语音对应的语义特征参数；基于情绪特征参数、词频特征参数和语义特征参数确定出问题答复者的答复意图。本申请公开的基于声音特征和语音识别的问答意图判断方法可准确确定出答复者的答复意图。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于声音特征和语音识别的问答意图判断方法。

背景技术

随着人工智能的飞速发展，基于语音的意图识别也越来越被广泛应用于各种场景中。

目前，对于语音的意图识别常采用的方案是通过自然语言处理(NaturalLanguage Processing，NLP)对语音进行识别，自然语言处理的过程主要是将语音转换成机器可理解的、结构化的、完整的语义表示，然后根据确定的结构化数据、文本、音视频等生成人类可以理解的自然语言形式的文本。

然而，由于自然语言所表达的语义本身存在一定的不确定性，同一语句在不同态度下所表达的含义也不尽相同，因此往往不能准确地对语音进行意图识别。

发明内容

本申请实施例提供一种基于声音特征和语音识别的问答意图判断方法，用以解决现有技术存在的不能准确地对语音进行意图识别的问题。

本申请实施例采用下述技术方案：

本申请实施例提供了一种基于声音特征和语音识别的问答意图判断方法，包括：

提取出问题答复者所对应的答复语音中的语音特征参数；

将所述语音特征参数作为预先训练的神经网络模型的输入进行运算，得到与所述答复语音对应的情绪特征参数；

提取出所述答复语音中的关键词的词频，得到与所述答复语音对应的词频特征参数；

将所述神经网络模型的输出作为预先训练的BERT模型的输入进行运算，得到与所述答复语音对应的语义特征参数；

基于所述情绪特征参数、所述词频特征参数和所述语义特征参数确定出所述问题答复者的答复意图，所述答复意图表征所述问题答复者在答复问题时处于积极或消极状态。

可选的，所述答复语音为多个，所述方法还包括：

将所述问题答复者与提问者对话的对话语音分割成多个语音短句；

通过语音识别技术将所述多个语音短句转换为文本，得到与所述多个语音短句一一对应的多个目标文本；

从所述多个目标文本提取出与所述问题答复者对应的多个答复文本；

将与所述多个答复文本对应的多个语音短句作为所述问题答复者所对应的多个答复语音。

可选的，所述提取出问题答复者所对应答复语音中的语音特征参数，包括：

从所述问题答复者所对应的多个答复语音中提取出与所述多个答复语音一一对应的多个语音特征参数；

所述将所述语音特征参数作为预先训练的神经网络模型的输入进行运算，得到与所述答复语音对应的情绪特征参数，包括：

将所述多个语音特征参数分别作为预先训练的神经网络模型的输入进行运算，得到与所述多个答复语音一一对应的多个情绪特征参数；

所述提取出所述答复语音中的关键词的词频，得到与所述答复语音对应的词频特征参数，包括：