[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

说明书

本发明公开了一种说话人自适应的多视角对话情感识别方法及系统，方法包括：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；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；系统包括：依次连接的多轮对话预处理模块、上下文编码模块、多视角全局融合编码模块和情感识别模块。

技术领域

本发明涉及人工智能领域，尤其是涉及一种说话人自适应的多视角对话情感识别方法及系统。

背景技术

对话机器人作为人工智能领域的重要研究方向，赋予机器人拟人化的情感计算能力，近来引起了学术界和产业界的广泛关注。多说话人参与的多轮对话作为最普适的对话场景形式，其特点在于：1）参与对话的说话人数不定；2）说话人在对话中发言的次序不定；3）影响说话人的情感状态变迁的因素复杂，不仅存在自身因素、他者因素、还受到整体对话进程的影响。

现有主流方法大多假设对话为两人交替参与的形式，难以拓展到多说话人的场景；针对对话语句的上下文编码，现有方法大多未能有效融入说话人信息；针对说话人情感状态变迁因素复杂的问题，现有方法存在多说话人场景下适用拓展性差、模型结构复杂等问题。

因此，如何有效解决多轮对话场景中多说话人自适应，并从多视角（方面）对用户情感状态进行建模，进而提高说话人情感识别的精确度，是一项亟待解决的问题。

发明内容

为解决现有技术的不足，实现提高对话情感识别精度的目的，本发明采用如下的技术方案：

一种说话人自适应的多视角对话情感识别方法，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的同时，保留一段对话中不同说话人之间的区分性；

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、全局视角构建维度为掩码矩阵：；

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，分别从不同视角输出对话的多视角全局融合表征向量：、、；

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，网络的编码输出经过池化层（Pooling）后，输入到单层的全连接网络（FC），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。

进一步地，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。