[发明专利]一种情绪识别方法、存储介质、装置及终端设备

说明书

本发明公开了一种情绪识别方法、存储介质、装置及终端设备，方法包括：获取待识别的对话集，其中，所述对话集包括若干个文本子集，每一个文本子集包含若干个对话文本，且同一个文本子集下的若干个对话文本对应同一对话人标签；针对每一个所述文本子集，根据该文本子集中的各个对话文本，确定该文本子集对应的心理特征；根据所述对话集中各个文本子集对应的心理特征，对所述对话集中的各个对话文本进行情绪识别，得到各个所述对话文本对应的情绪特征。本发明在进行对话的情绪识别时，对话人每句话的心理特征，以及对话人之间的相互影响，构建对话图，因此能够更准确地分析每句对话的情绪。

技术领域

本发明涉及人工智能，特别涉及一种情绪识别方法、存储介质及终端设备。

背景技术

随着深度学习的不断发展，基于深度学习实现的人机对话在多个领域实现了普遍应用，例如现在很多手机语音助手、医疗助理，他们能够实现初步的语言交互或问答，并取得了较好的效果，为用户提供更加快捷和贴心的服务。目前主流的人机交互是采用通常采用卷积神经网络(Convolutional Neural Networks，CN)、循环神经网络(RecurrentNeural Network,RNN)以及它们的变体，长短期记忆(Long Short-Term Memory,LSTM)、门控循环单元(Gated Recurrent Unit,GRU)等，传统端到端深度神经网络模型识别语句，然后对其进行情绪和意图的识别，并作出相应的应答。

然而，目前的人机对话仍然处于识别非常粗糙的阶段，虽然能够进行简单的意图识别和情感识别。如某句话为“我实在太喜欢这首歌了”，模型根据关键词“喜欢”即可判断这句话的情感是喜欢。但是对于复杂的，甚至需要结合上下对话才可判断的情感，目前的模型仍然无法很好地识别。而对话中的情绪识别之所以困难，主要原因是大多数情况下，对话是动态的，是基于对话者之间的语言的来往实现的。因此，对话者由于其自身的性格、思维逻辑以及对话者之间的相互关系的影响，有时会采用特别的话术，如讽刺、欲扬先抑、正话反说。此外，在对话过程中，语言会对对话者的内心产生一定的情绪波动，从而导致每句话带有的情绪不同，这种不同可能是说话者的心理状态造成的，也可能是对话内容造成的。也正是由于每个人自身的多变性，导致目前的人机对话中的算法很难对语句中的情绪进行准确的识别。目前这些算法普遍存在以下问题：1、对话者的情绪识别准确率不高；2、不能准确判断对话者情绪的转变；3、不能准确识别对话者采用的反语、讽刺等话术；4、在复杂的多人多轮对话场景中语义理解和情绪识别能力不佳，使得现有对话机器人回答问题时普遍比较生硬，不够自然，不富有情感。

发明内容

本发明要解决的技术问题在于，针对现有技术中情绪识别的准确性低的技术问题，提供一种情绪识别方法。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种情绪识别方法，所述方法包括：

所述情绪识别方法，其中，获取待识别的对话集，其中，所述对话集包括若干个文本子集，每一个文本子集包含若干个对话文本，且同一个文本子集下的若干个对话文本对应同一对话人标签；

针对每一个所述文本子集，根据该文本子集中的各个对话文本，确定该文本子集对应的心理特征；

根据所述对话集中各个文本子集对应的心理特征，对所述对话集中的各个对话文本进行情绪识别，得到各个所述对话文本对应的情绪特征。

所述情绪识别方法，其中，所述针对每一个所述文本子集，根据该文本子集中的各个对话文本，确定该文本子集对应的心理特征，具体包括：

针对每一个所述文本子集中的对话文本，对该对话文本进行向量化，得到该文本子集对应的文本向量子集；

针对每一个文本向量子集，将该文本向量子集输入已训练的心理特征提取模型中，得到该文本向量子集对应的心理特征。