[发明专利]基于长短期记忆神经网络结合自动编码器的情绪识别方法

摘要

本发明公开了一种基于长短期记忆神经网络结合自动编码器的情绪识别方法，通过语音和文字来识别人类的各种复杂情绪例如愉快、害羞、愤怒。通过改变传统深度学习神经网络单一监督式训练机制，引入多监督式神经网络层和分步式模型训练，有效的将原始数据进行多次再组合，对语法中的隐性记忆关系进行充分的挖掘，从而能够有效的识别中文语言中所夹带的各种复杂情绪。本发明能够准确的检测出中文语言中夹带的复杂情感，为营销策略制定，人机语音交互系统提供重要分析依据。

主权项

1.一种基于长短期记忆神经网络结合自动编码器的情绪识别方法，其特征在于：该方法包括以下具体步骤：a、采集大量带有情绪标签和正、负、中立情感标签的语音或者文字；并将语音转化为文字数据；b、将步骤a中的数据输入到双层神经网络来建立词嵌入，词嵌入的维度范围为150‑200维；c、将通过步骤b建立的词嵌入数据中的10％‑20％输入一个双层的长短期记忆人工神经网络，以正、负、中立情感标签进行第一次训练；d、将步骤c训练的模型用于词嵌入数据中的未被训练的80％‑90％做正负中立情感预测，得到所对应的正、负、中立，以及所对应的正、负、中立情感概率P⁺、P^‑和P^*；其中P⁺为正向情感概率，P^‑为负向情感概率，P^*为中立情感概率，并且P⁺+P^‑+P^*＝1；e、将步骤d得到的正、负、中立情感概率P⁺、P^‑和P^*所对应的被预测数据的10‑15％和词嵌入数据中未被训练的80‑90％中的10‑15％输入到一个五层的自动编译器神经网络中进行非监督式训练；f、将步骤d得到的正、负、中立情感概率P⁺、P^‑和P^*所对应的被预测数据的未被训练的85‑90％输入步骤e所训练后的五层自动编译器神经网络中进行特征重组，其中，五层自动编译器神经网络的最中间层所有隐性神经元的值作为下一步的输入数据；g、将步骤d得到的正、负、中立情感概率P⁺、P^‑和P^*所对应的被预测数据的未被训练的85‑90％、步骤a采集的文字数据及步骤f中的中间层所有隐性神经元的值，按正向情绪，负向情绪，中立情绪分为三组，每组情绪对应一个双层长短期记忆人工神经网络，分别分配到三个双层长短期记忆人工神经网络中进行分开训练，得到情绪识别结果。