[发明专利]情绪识别方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能领域，实现消除不同说话人对情绪识别的影响，提高情绪识别的准确性。涉及一种情绪识别方法、装置、设备和介质，该方法包括：调用待训练的情绪识别模型，将情绪特征信息与说话人特征信息输入特征生成器进行特征生成，得到情绪特征向量组与说话人特征向量组；将说话人特征向量组与说话人类别标签输入说话人分类模型进行训练，获取说话人分类模型对应的预测特征向量；将预测特征向量反向传播至特征生成器进行特征生成，将消除说话人特征的情绪特征向量组与情绪类别标签输入情绪分类模型进行训练；获取待识别的语音信号输入训练后的情绪识别模型得到情绪识别结果。此外，本申请还涉及区块链技术，情绪识别模型可存储于区块链中。

技术领域

本申请涉及人工智能领域，尤其涉及一种情绪识别方法、装置、计算机设备和存储介质。

背景技术

随着人工智能的快速发展，人机交互技术受到人们的高度重视。在人机交互过程中，需要对不同用户、不同任务、不同场景给予不同的情感反馈和支持，并对人的情感做出友好、灵敏以及智能的反应。因此需要训练计算机进行情绪识别，以使计算机学习人类的理解、察觉和反馈情感特征的能力。

现有的情绪识别模型，一般通过对语音信号进行分析与识别，进而预测情绪类别。但是在实际场景中，人类表达的情感状态常常受到文化、国家、人群等多种因素，现有的情绪识别模型并不能有效地规避这些因素的影响，从而情绪识别的准确度较低。

因此如何提高情绪识别模型的准确性成为亟需解决的问题。

发明内容

本申请提供了一种情绪识别方法、装置、计算机设备和存储介质，通过将说话人分类模型输出的预测特征向量反向传播至特征生成器生成消除说话人特征的情绪特征向量，并根据消除说话人特征的情绪特征向量对情绪分类模型进行训练，可以实现消除不同说话人对情绪分类模型的影响，提高了情绪识别的准确性。

第一方面，本申请提供了一种情绪识别方法，所述方法包括：

获取训练数据，所述训练数据包括情绪特征信息与标注的情绪类别标签、以及说话人特征信息与标注的说话人类别标签；

调用待训练的情绪识别模型，所述情绪识别模型包括特征生成器、情绪分类模型以及说话人分类模型；

将所述情绪特征信息与所述说话人特征信息输入所述特征生成器进行特征生成，得到对应的情绪特征向量组与说话人特征向量组；

将所述说话人特征向量组与标注的所述说话人类别标签输入所述说话人分类模型进行迭代训练至收敛，并获取训练后的所述说话人分类模型对应的预测特征向量；

将所述预测特征向量反向传播至所述特征生成器进行特征生成，得到消除说话人特征的情绪特征向量组；

将消除说话人特征的所述情绪特征向量组与标注的所述情绪类别标签输入所述情绪分类模型进行迭代训练，直至所述情绪分类模型收敛，获得训练后的情绪识别模型；

获取待识别的语音信号，将所述语音信号输入所述训练后的情绪识别模型得到所述语音信号对应的情绪识别结果。

第二方面，本申请还提供了一种情绪识别装置，所述装置包括：

训练数据获取模块，用于获取训练数据，所述训练数据包括情绪特征信息与标注的情绪类别标签、以及说话人特征信息与标注的说话人类别标签；

模型调用模块，用于调用待训练的情绪识别模型，所述情绪识别模型包括特征生成器、情绪分类模型以及说话人分类模型；

第一特征生成模块，用于将所述情绪特征信息与所述说话人特征信息输入所述特征生成器进行特征生成，得到对应的情绪特征向量组与说话人特征向量组；