[发明专利]一种电网巡检机器人听觉隐私信息分类方法

权利要求书

1.一种电网巡检机器人听觉隐私信息分类方法，其特征在于：它包括：

步骤1、获取听觉设备监听的语音数据S；

步骤2、加载隐私特征模型Mi；

步骤3、利用语音模块将语音数据S转化为文本数据T；

步骤4、利用隐私特征模型Mi对文本数据T进行鉴定，从而判段所监听的语音信息中是否具有所关注的隐私信息，并输出隐私类别；

步骤5、监听结束，则卸载模型；否则转步骤1循环监听。

2.根据权利要求1所述的一种电网巡检机器人听觉隐私信息分类方法，其特征在于：所述语音转换模块为科大讯飞语音模块。

3.根据权利要求1所述的一种电网巡检机器人听觉隐私信息分类方法，其特征在于：所述隐私特征模型Mi是基于卷积神经网络获得；具体方法包括：

步骤2.1、对训练数据集I进行数据预处理，生成批量训练数据集Ii，I＝{I1，I2，...，Ii}；

步骤2.2、输入批量训练数据集Ii，经过Embedding层，利用word2vec生成相同维度的字向量，使每条文本数据的尺寸为(600,64)；

步骤2.3、经过卷积层，进行一维卷积，通过256个尺寸为(5，64)的卷积核，获得256个(596，1)的一维特征向量；

步骤2.4、经过最大池化层，得到256个最大特征向量值；

步骤2.5、经过第一个全连接层，后面接Dropout及Relu激活函数，防止过拟合同时增加神经网络模型的非线性；

步骤2.6、经过第二个全连接层，通过softmax函数计算出文本数据的预测概率分布及其相应的损失值；

步骤2.7执行误差反向传播操作，用Adam算法优化更新特征模型，满足设置条件后输出隐私特征模型；

步骤2.8、对测试数据集进行数据预处理，采用处理后的测试数据集对隐私特征模型进行测试，最终输出隐私特征模型Mi。

4.根据权利要求3所述的一种电网巡检机器人听觉隐私信息分类方法，其特征在于：训练数据集通过巡检机器人的六麦环形麦克风阵列收集训练语音数据；设计了以下六种场景：1)对话内容涉及家庭人员出行计划的场景；2)对话内容涉及家庭人员联系方式的场景；3)对话内容涉及支付密码的场景；4)对话内容涉及宗教的场景；5)对话内容涉及贵重物存放处的聊天场景；6)对话内容涉及言语批评朋友或者攻击双方父母的场景。

5.根据权利要求3所述的一种电网巡检机器人听觉隐私信息分类方法，其特征在于：训练数据集包括：第1类数据：对话内容涉及出行计划的场景；第2类数据：对话内容涉及人员联系方式的场景；第3类数据：对话内容涉及支付密码的场景；第4类数据：对话内容涉及宗教的场景；第5类数据：对话内容涉及贵重物存放处的场景；第6类数据：对话内容涉及言语批评；第7类数据：不属于上述6种场景的对方，属于不包括隐私信息的数据类别。

6.根据权利要求3所述的一种电网巡检机器人听觉隐私信息分类方法，其特征在于：数据预处理时，首先考虑到程序在python2环境下运行的编码问题，在打开文本数据集时，把文本的格式编码成UTF-8格式，在处理文本时解码为Unicode格式，然后按以下步骤进行：1)读取训练数据集Ii，构建列表contents，列表中的每个元素即为一条文本数据中的字和符号；同时构建列表labels，列表中的每个元素即为对应文本数据的隐私类别；并构建字列表words，列表中的元素即为训练集中的字和符号；2)读取字列表words，由此构建{字：数字id}的字典D1；3)读取分类目录，构建{隐私类别：数字id}的字典D2；4)根据字典D1，将列表contents中每个元素包含的字与符号转化为数字，即为列表date_id；根据字典D2，将列表labels中的每个元素转化为数字，即为label_id；5)经过padding把列表date_id中的每一个元素转换为固定长度600，同时对标签进行one-hot编码；6)生成批量训练数据集I＝{I1，I2，...，Ii}。