[发明专利]语音情感分类方法、装置、设备及介质

说明书

本发明公开了语音情感分类方法、装置、计算机设备及存储介质，涉及人工智能技术，先获取待识别语音数据并进行语音识别，得到语音识别结果，然后在所述待识别语音数据中所选定的目标语音识别子结果根据字符预处理策略进行预处理得到预处理结果，通过目标BERT模型对预处理结果进行特征提取得到最终向量表达结果，最后将最终向量表达结果输入至预先训练的情绪分类模型进行运算，得到对应的情绪分类结果。实现了更深层的网络结构进行特征提取，而且还可以显示地区分说话人的情绪影响，并为特征进行神经元和向量两个粒度的加权，特征融合粒度更精细，最终得到的情绪识别结果更加准确。

技术领域

本发明涉及人工智能的语音语义技术领域，尤其涉及一种语音情感分类方法、装置、计算机设备及存储介质。

背景技术

情绪识别是人工智能领域的重要分支，尤其是对话场景中的情绪识别格外重要。在对话过程中，说话人会收到两方面的情绪影响，一方面是来自其他说话人的情绪影响，这一情绪影响试图改变说话人的情绪，另一方面是来自说话人自身的情绪影响，这一情绪影响试图保持说话人的情绪。为建模这两类情绪影响，既有的方法使用“扁平”和“层次”两种基于“循环神经网络”的模型结构进行建模。

然而，1)既有方法均基于“循环神经网络”，没有利用强大的预训练BERT模型。2)“扁平”模型通过将不同说话人的情绪表达串联在同一个时间序列中，无法区分不同的说话人；3)“层次”模型虽然通过“分支层”将相同说话人的情绪表达串联在同一时间序列中，但不同说话人的情绪影响仍然被混合在“主干层”同一个时间序列中无法区分。

发明内容

本发明实施例提供了一种语音情感分类方法、装置、计算机设备及存储介质，旨在解决现有技术中基于现有的模型对多人对话场景中的对话进行情感识别的结果不准确的问题。

第一方面，本发明实施例提供了一种语音情感分类方法，其包括：

响应于语音情感分类指令，根据所述语音情感分类指令获取待识别语音数据并进行语音识别，得到语音识别结果；其中，所述语音识别结果中包括多个按时序升序排列的语音识别子结果，每一语音识别子结果对应一个说话人及相应的说话内容数据；

获取预先训练的目标BERT模型，及所述目标BERT模型所相应的字符预处理策略；

将在所述待识别语音数据中所选定的目标语音识别子结果根据所述字符预处理策略进行预处理得到预处理结果，通过所述目标BERT模型对预处理结果进行特征提取得到最终向量表达结果；以及

调用预先训练的情绪分类模型，将所述最终向量表达结果输入至所述情绪分类模型进行运算，得到对应的情绪分类结果。

第二方面，本发明实施例提供了一种语音情感分类装置，其包括：

说话人识别单元，用于若检测到用户端或其他服务器发送的待识别语音数据，说话人识别单元，用于响应于语音情感分类指令，根据所述语音情感分类指令获取待识别语音数据并进行语音识别，得到语音识别结果；其中，所述语音识别结果中包括多个按时序升序排列的语音识别子结果，每一语音识别子结果对应一个说话人及相应的说话内容数据；

目标模型选定单元，用于获取预先训练的目标BERT模型，及所述目标BERT模型所相应的字符预处理策略；

最终向量获取单元，用于将在所述待识别语音数据中所选定的目标语音识别子结果根据所述字符预处理策略进行预处理得到预处理结果，通过所述目标BERT模型对预处理结果进行特征提取得到最终向量表达结果；以及

情绪分类单元，用于调用预先训练的情绪分类模型，将所述最终向量表达结果输入至所述情绪分类模型进行运算，得到对应的情绪分类结果。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的语音情感分类方法。