[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

说明书

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。

技术领域

本发明涉及用于人工智能识别领域，是一种通过深度学习神经网络来实现情感识别的方法。可用于精准营销行业，社交网络，客服质量管理以及人机交互领域。

背景技术

人工智能技术和机器人产业诞生至今，人类一直在努力改变人工智能核心算法以及外部硬件，使得人工智能系统或硬件更加智能化和人性化。人类在智能化这条路上已经迈出了巨大的一步，通过传统机器学习算法加上当前主流的深度学习算法，人类已经能够通过人工智能算法基本实现机器智能化。谷歌最新的AlphaGo智能系统已经能够做到和世界项尖围棋选手一较高低的地步。

虽然人类在智能化领域已经获得了重大的突破，但是至今为止几乎所有的人工智能系统都没有能够拥有识别人类情绪的能力从而使得自身变得更加人性化。比如现在各大手机厂商所宣传的手机语音交互功能，其实都只能做到以完成任务为目的的交流。用户在手机智能助手交流的过程中都仍然会保有一种和机器对话的感觉。

机器人性化不但能够提升消费者在使用人工智能产品时的体验感，更加能够大大增强人工智能设备在单独完成任务时的任务成功率。人类在独立完成任务时之所以能够在成功率上大大超越机器设备，正是因为人类是一种情绪化的生物。人类会因为外界环境的变化从而产生不同的情绪状态，比如在感知到未知存在的情况下，人类会产生害怕和紧张的情绪，而正是这样的情绪能够让人类更加有效的处理外界环境对任务所带来的影响。而这样的情绪能力是目前所有的人工智能设备都不具备的功能。

现有的人工智能情感识别技术多专注于图像识别，而图像识别由于硬件的要求较高以及人类面部表情本身的多变性和快速性，使得图像识别技术依旧很难在日常生活中被广泛的应用。而由于语言本身是具有一定的语法结构，并且语言情感识别对硬件要求相对较小，语言情感识别是更具有应用性的一种识别方式。

语言情感识别目前已知的技术多局限于单一维度的情感判断既正向情感和负向情感。对于人类复杂情绪的判断，比如愉快、紧张、害羞还缺乏有效的判断方式。

发明内容

本发明的目的是针对现有人工智能技术对多维度复杂情感的判断不足而提出的一种能够识别语言中复杂情感的方法。此方法能够在数据允许的情况下，识别任意给定的人类情感。

实现本发明目的的具体技术方案是：

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，其特点是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、中立情感标签，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；