[发明专利]基于三元损失的语音情感识别方法及系统

说明书

本发明属于情感识别技术领域，具体涉及一种基于三元损失的语音情感识别方法及系统，旨在解决如何精确识别易混淆的情感类别的技术问题。为此目的，本发明的语音情感识别方法包括：对待测语音数据进行分帧处理，获取特定长度的语音序列；基于预设的情感时序编码网络并且根据语音序列进行时序编码获取语音序列对应的情感特征向量；基于预设的语音情感分类器并且根据多个预设的真实情感类别预测情感特征向量对应的情感类别。本发明的语音情感识别方法可以较好的识别易混淆的语音情感类别，同时本发明的语音情感识别系统能够执行并实现上述方法。

技术领域

本发明属于情感识别技术领域，具体涉及一种基于三元损失的语音情感识别方法及系统。

背景技术

语音情感识别在人机交互和人工智能中有着广泛的应用，是人机交互和人工智能领域的重点研究方向。语音情感识别主要包括两个部分，语音情感特征提取和语音情感识别模型训练。大部分的语音情感识别方法集中于提取鲁棒的有效的语音情感特征和寻找有效的情感识别模型。然而情感具有模糊性的特点，有些情感特别容易互相混淆，例如“生气”和“恶心”两个类别，“惊奇”和“伤心”两个类别。

另外在语音情感识别中存在一个棘手的问题是输入变长问题，传统的机器学习方法中需要固定长度的输入信息，一般的做法是将较长的样本截断，将较短的样本补0，然而这些做法实验效果并不理想。

相应地，本领域需要一种新的语音情感识别方法及系统来解决上述问题。

发明内容

为了解决现有技术中的上述问题，即为了解决如何精确识别易混淆的情感类别的技术问题。为此目的，本发明的一方面，提供了一种基于三元损失的语音情感识别方法，包括：

对待测语音数据进行分帧处理，获取特定长度的语音序列；

基于预设的情感时序编码网络并且根据所述语音序列进行时序编码获取所述语音序列对应的情感特征向量；

基于预设的语音情感分类器并且根据多个预设的真实情感类别预测所述情感特征向量对应的情感类别；

其中，所述情感时序编码网络为基于预设的语音数据样本并且利用机器学习算法所构建的长短时记忆神经网络模型；所述语音情感分类器为基于所述语音数据样本并且利用机器学习算法所构建的支持向量机模型。

进一步地，本发明提供的一个优选技术方案为：

在“基于预设的情感时序编码网络并且根据所述语音序列进行时序编码获取所述语音序列对应的情感特征向量”的步骤之前，所述方法还包括：

根据所述语音数据样本获取多个三元语音样本组；所述三元语音样本组包括第一语音数据样本、第二语音数据样本和第三语音数据样本，并且所述第一语音数据样本与第二语音数据样本的情感类别相同以及所述第一语音数据样本与第三语音数据样本的情感类别不同；

根据所述三元语音样本组并且按照下式所示的损失函数对所述情感时序编码网络进行网络训练：

L＝L₁+L₂

其中，所述L₁表示预设的三元组损失函数，所述L₂表示预设的交叉熵损失函数；

所述L₁如下式所示：

其中，所述“+”表示当所述“[]”中的值大于零时取该值为损失值，当所述“[]”中的值小于零时损失值为零；所述均是第i个三元语音样本组中的第一语音数据样本、第二语音数据样本和第三语音数据样本；所述N表示所述三元语音样本组的数量；所述f(x)表示语音数据样本x对应的情感特征向量，所述α表示预设的距离参数；

所述L₂如下所示：