[发明专利]一种说话人自适应的多视角对话情感识别方法及系统

权利要求书

1.一种说话人自适应的多视角对话情感识别方法，其特征在于包括如下步骤：

S1，将多轮对话中，每条对话语句的说话人，映射到对应的说话人ID序列，去除说话人具体身份；

S2，对进行说话人ID标记后的多轮对话，进行融合说话人信息的上下文编码，得到对话中每个语句的上下文编码表征；

S3，基于上下文编码表征，进行说话人自适应的多视角全局对话信息融合编码，得到对话的多视角全局融合信息，包括如下步骤：

S31，根据说话人ID序列，分别从说话人自身视角、他者视角、全局视角构建掩码矩阵：；

S32，将上下文编码表征，分别输入到不同的单层多头注意力网络：，三个网络分别接收作为对应的注意力控制掩码，分别输出对话的多视角全局融合表征向量集：、、；

S4，将多视角的全局融合信息，进行自适应的信息汇总，并对语句最终情感进行识别，包括如下步骤：

S41，将语句多视角全局融合表征向量、，作为向量序列，输入单层多头注意力网络中，网络的编码输出经池化全连接，得到语句的m维特征向量，其中m表示情感类别数；

S42，将特征向量进行归一化处理，得到语句属于每一类情感的概率值，取类别概率值最大的作为最终情感类别。

2.根据权利要求1所述的一种说话人自适应的多视角对话情感识别方法，其特征在于所述S31中对于的元素，其满足如下条件：

对于的元素，其满足如下条件：

对于的元素，其满足如下条件：

其中i表示注意力机制中查询语句query的索引，j表示注意力机制中接收查找语句key的索引。

3.根据权利要求1所述的一种说话人自适应的多视角对话情感识别方法，其特征在于所述S42中的特征向量，将其作为Softmax算子的自变量，计算Softmax的最终值：

其中为常量，将作为语句属于每一类情感的概率值。

4.根据权利要求1所述的一种说话人自适应的多视角对话情感识别方法，其特征在于所述S2包括如下步骤：

S21，将多轮对话中各语句以分隔符为间隔拼接起来，得到包含所有对话语句的字符长序列；

S22，根据字符长序列和说话人ID序列，构建对应的说话人ID字符序列；

S23，根据字符长序列，计算注意力掩码矩阵，用于编码阶段，控制字符长序列中每个分隔符只关注到其后紧邻的语句中的字符；控制其不能关注未来语句中的任何字符；

S24，在获取说话人ID标记后的多轮对话的嵌入阶段，将说话人ID字符序列映射为说话人ID嵌入向量矩阵，与对话向量矩阵、对话类型向量矩阵、对话位置向量矩阵进行叠加，并输出至编码阶段；

S25，取各分隔符在编码阶段输出的编码向量，作为对应对话语句的上下文编码表征。

5.根据权利要求4所述的一种说话人自适应的多视角对话情感识别方法，其特征在于所述S21中的分隔符为[SEP]，字符长序列为：

其中表示对话中第i个语句的字符序列，n表示总对话轮次长度。

6.根据权利要求4所述的一种说话人自适应的多视角对话情感识别方法，其特征在于所述S22中说话人ID字符序列为：

其中表示第i个语句对应的说话人ID，表示第i个语句对应的字符序列的长度。

7.根据权利要求4所述的一种说话人自适应的多视角对话情感识别方法，其特征在于所述S25中的上下文编码表征，构成融入说话人信息的对话语句上下文编码表征矩阵：

其中表示语句的上下文编码表征。