[发明专利]一种语音情感识别方法、系统及计算机可读存储介质

说明书

本申请涉及一种语音情感识别方法、系统及计算机可读存储介质，属于通信的技术领域，该方法以边缘层为执行主体，包括接收语音数据；而后提取所述语音数据中的语音特征，其中，所述语音特征包括所述语音数据中能够表示情绪的内容；将所述语音特征输入至预先训练完成的支持向量机模型中，以获得情绪倾向的输出结果；其中，所述支持向量机模型在所述云层进行训练，训练完成后，所述云层派发所述支持向量机模型至所述边缘层。由于对语音数据的预测以及处理是在边缘层进行的，云层只是进行了对支持向量机模型的训练，因此节省了资源消耗，从而节约了带宽。

技术领域

本申请涉及通信的技术领域，尤其是涉及一种语音情感识别方法、系统及计算机可读存储介质。

背景技术

由于人类的情感是复杂而又多方面的，并不能被直接测量，仅能通过它们的外在表现形式来识别，因此催生出各种用于识别人类情感的方法；按照心理学定义，情感即情绪可以分为愤怒、厌恶、恐惧、开心、悲伤、惊奇等。

情感识别可以广泛适用于金融和电信领域，协助识别客户感受，提高客户服务和精准营销质量；还可以用于金融反欺诈，从数据表现来看，由于欺诈客户和诚实客户的动机不同，在回答问题时，诚实客户往往是在回忆或如实地表述，而欺诈客户是在编造、撒谎，两者所承受的认知压力是完全不同的，一般会反映到语音上；在教育领域，老师通过学生的回答，了解他们对课程的兴趣，喜欢或厌恶。

目前主要通过人脸识别、社交文本进行进行情感识别，由于情感识别算法主要方式是机器学习，机器学习的一般流程是：采集原始数据、预处理、提取特征、训练模型、用训练好的模型进行预测；机器学习通常是在云端进行。

针对上述相关技术，发明人发现存在以下缺陷：由于每次获取的用户的语音数据都要上传云端进行处理以及预测，因此带宽占用高。

发明内容

为了节约带宽，本申请提供一种语音情感识别方法、系统及计算机可读存储介质。

第一方面，本申请提供的一种语音情感识别方法，采用如下技术方案：

一种语音情感识别方法方法，以边缘层为执行主体，包括：

接收语音数据；

提取所述语音数据中的语音特征，其中，所述语音特征包括所述语音数据中能够表示情绪的内容；

输入所述语音特征至预先训练完成的支持向量机模型中，获得情绪倾向的输出结果；其中，所述支持向量机模型在云层进行训练，训练完成后，所述云层派发所述支持向量机模型至所述边缘层。

通过采用上述技术方案，边缘层接收到语音数据后，提取该语音数据中的语音特征，而后将该语音特征输入至支持向量机模型中，经过支持向量机模型的运算后，获得情绪倾向的输出结果；

由于对语音数据的预测以及处理是在边缘层进行的，云层只是进行了对支持向量机模型的训练，因此节省了资源消耗，从而节约了带宽。

可选的，所述方法还包括：

基于错误的输出结果，发送对应的所述语音数据至所述云层，所述云层接收所述语音数据后，更新所述支持向量机模型；其中，对应的所述语音数据已经预先添加正确情绪的标注。

通过采用上述技术方案，获得支持向量机模型的输出结果后，会判断该输出结果是否正确，若错误，则会发送对应的语音数据至云层，云层接收收到该语音数据后，会更新支持向量机模型，从而减少了用户暴露隐私的风险，也降低了网络负载。

可选的，采用主成分分析算法提取所述语音数据中的语音特征。

通过采用上述技术方案，可以提高支持向量机模型预测的准确性。

可选的，所述接收语音数据之后的步骤，包括：

对所述语音数据进行预处理；所述预处理包括合成、降噪、增益以及去除静音。

通过采用上述技术方案，提高对语音数据进行特征提取的准确性。