[发明专利]用户情绪识别的方法和系统

说明书

本申请涉及一种用户情绪识别的方法和系统，该用户情绪识别的方法包括：获取语音数据，并根据语音数据，提取语音特征；对语音数据进行转化处理，得到文本数据，并根据文本数据，提取文本特征；输入语音特征和文本特征至用户情绪识别模型中，输出用户的情绪标签，其中，在用户情绪识别模型中：使用卷积神经网络表征语音特征，得到第一特征，使用长短时记忆网络表征第一特征，得到第二特征，使用卷积神经网络表征文本特征，得到第三特征，使用长短时记忆网络表征第三特征，得到第四特征，将第二特征和第四特征进行全连接，确定用户的情绪标签，通过本申请，解决了相关技术中用户情绪识别的准确度不高的问题，有利于提高用户情绪识别的准确度。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种用户情绪识别的方法和系统。

背景技术

随着人工智能技术的发展，智能语音机器人在产业上已经逐渐成熟，越来越多的企业开始关注并使用。

智能语音机器人与用户在交互过程中会产生语音数据，通过对这些语音数据进行情绪识别，可以获得用户在沟通过程中的情绪信息；在相关技术中，用户情绪是根据获取到的语音数据，单独从语音数据的角度进行识别，或者，根据语音数据转化成的文本数据，单独从文本数据的角度进行识别，用户情绪识别的准确度不高。

针对相关技术中用户情绪识别的准确度不高的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种用户情绪识别的方法和系统，有利于提高用户情绪识别的准确度。

第一方面，本申请实施例提供了一种用户情绪识别的方法，所述方法包括：

获取语音数据，并根据所述语音数据，提取语音特征，其中，所述语音特征包括梅尔倒谱系数特征；

对所述语音数据进行转化处理，得到文本数据，并根据所述文本数据，提取文本特征，其中，所述文本特征包括字词特征和位置特征；

输入所述语音特征和所述文本特征至用户情绪识别模型中，输出所述用户的情绪标签，其中，在所述用户情绪识别模型中：

使用卷积神经网络表征所述语音特征，得到第一特征，使用长短时记忆网络表征所述第一特征，得到第二特征，

使用卷积神经网络表征所述文本特征，得到第三特征，使用长短时记忆网络表征所述第三特征，得到第四特征，

将所述第二特征和所述第四特征进行全连接，确定所述用户的情绪标签。

在其中一些实施例中，所述语音特征还包括音高特征、语调特征和语速特征，所述语音特征的提取过程包括：

根据所述语音数据的波形，确定所述波形的峰值、频率和周期；

根据所述峰值、所述频率和所述周期，一一对应确定所述语音数据的所述音高特征、所述语调特征和所述语速特征；

用Embedding表示所述音高特征、所述语调特征和所述语速特征。

在其中一些实施例中，所述文本特征还包括发音特征，所述文本特征的提取过程包括：

确定所述文本数据中的每个字在所述文本数据中的发音，得到所述发音特征，其中，所述发音包括拼音、音调、声母或韵母；

用Embedding表示所述发音特征。

在其中一些实施例中，所述提取所述文本特征之前，所述方法包括：对所述文本数据纠错，其中，所述纠错的过程包括：