一种情绪识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种情绪识别方法、装置、设备及存储介质。该方法包括：获取音频数据；对所述音频数据进行识别，得到对话文本；将所述对话文本输入文本情绪识别模型，得到第一情绪向量；根据所述对话文本中的关键词确定第二情绪向量；根据所述音频数据确定第三情绪向量；根据所述第一情绪向量、所述第二情绪向量以及所述第三情绪向量确定目标情绪，通过本发明专利技术的技术方案，解决了单模态情绪检测算法中存在的文本质量不高、文本中情绪特征不明显等问题，能够提升情绪识别的准确度。够提升情绪识别的准确度。够提升情绪识别的准确度。

【技术实现步骤摘要】
一种情绪识别方法、装置、设备及存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种情绪识别方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能技术的飞速发展，特别是语音识别和自然语言理解技术的突破，众多先进的机器学习技术逐渐落地于各类实际生产之中。电话语音坐席作为当前银行服务的一大主要生产对象，其不仅需要准确地将服务内容传达给用户，还需要用热情主动的服务态度带给用户最佳的交流体验。为了更好地引导电话银行坐席人员在服务过程中对用户的情绪进行感知和预判，以及对自己的情绪进行恰当控制，情绪检测技术逐渐开始助力电话银行坐席，展现了广泛的实际价值。
[0003]目前基于传统方法而提出的现有技术包括使用SVM和CRF组合方法进行情绪分析；以及基于TF
‑
IDF特征使用CNN进行情绪情感分析等。
[0004]现有技术往往采用单模态数据分析方法，该类方法存在一定的局限性，无法应对某些真实的场景。例如在电话银行交互场景中，因音频质量差或者方言问题，机器撰写的文本效果较差，最终导致单文本模型错误预测；若文本中没有较为明显表现情绪的特征，会导致单本文模型难以预测对话情绪。

技术实现思路

[0005]本专利技术实施例提供一种情绪识别方法、装置、设备及存储介质，解决了单模态情绪检测算法中存在的文本质量不高、文本中情绪特征不明显等问题，能够提升情绪识别的准确度。
[0006]根据本专利技术的一方面，提供了一种情绪识别方法，包括：
[0007]获取音频数据；
[0008]对所述音频数据进行识别，得到对话文本；
[0009]将所述对话文本输入文本情绪识别模型，得到第一情绪向量；
[0010]根据所述对话文本中的关键词确定第二情绪向量；
[0011]根据所述音频数据确定第三情绪向量；
[0012]根据所述第一情绪向量、所述第二情绪向量以及所述第三情绪向量确定目标情绪。
[0013]根据本专利技术的另一方面，提供了一种情绪识别装置，该情绪识别装置包括：
[0014]获取模块，用于获取音频数据；
[0015]文本识别模块，用于对所述音频数据进行识别，得到对话文本；
[0016]情绪识别模块，用于将所述对话文本输入文本情绪识别模型，得到第一情绪向量；
[0017]第一确定模块，用于根据所述对话文本中的关键词确定第二情绪向量；
[0018]第二确定模块，用于根据所述音频数据确定第三情绪向量；
[0019]第三确定模块，用于根据所述第一情绪向量、所述第二情绪向量以及所述第三情绪向量确定目标情绪。
[0020]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0021]至少一个处理器；以及
[0022]与所述至少一个处理器通信连接的存储器；其中，
[0023]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的情绪识别方法。
[0024]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的情绪识别方法。
[0025]本专利技术实施例通过获取音频数据；对所述音频数据进行识别，得到对话文本；将所述对话文本输入文本情绪识别模型，得到第一情绪向量；根据所述对话文本中的关键词确定第二情绪向量；根据所述音频数据确定第三情绪向量；根据所述第一情绪向量、所述第二情绪向量以及所述第三情绪向量确定目标情绪，解决了单模态情绪检测算法中存在的文本质量不高、文本中情绪特征不明显等问题，能够提升情绪识别的准确度。
[0026]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0027]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0028]图1是本专利技术实施例中的一种情绪识别方法的流程图；
[0029]图2是本专利技术实施例中的一种情绪识别装置的结构示意图；
[0030]图3是本专利技术实施例中的一种电子设备的结构示意图。
具体实施方式
[0031]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0032]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于
清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0033]实施例一
[0034]图1为本专利技术实施例提供的一种情绪识别方法的流程图，本实施例可适用于针对电话银行场景下的情绪识别的情况，该方法可以由本专利技术实施例中的情绪识别装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
[0035]S110，获取音频数据。
[0036]其中，所述音频数据为：坐席和用户电话沟通过程中的音频数据。
[0037]具体的，获取音频数据的方式可以为：获取通话过程中的音频数据，包括：坐席对应的音频数据和用户对应的音频数据。
[0038]本专利技术实施例不但能够对用户的情绪进行识别，也可以对坐席的情绪进行识别，进而实现对电话银行交互场景下坐席与用户双方的情绪进行检测，确保服务气氛良好。
[0039]S120，对所述音频数据进行识别，得到对话文本。
[0040]具体的，对所述音频数据进行识别，得到对话文本的方式可以为：音频数据经自动语音识别技术(Automatic Speech Recognition，ASR)后会转化为文本数据。
[0041]S130，将所述对话文本输入文本情绪识别模型，得到第一情绪向量。
[0042]其中，所述第一情绪向量包括：至少一个情绪和每个情绪对应的概率，例如可以是，情绪A对应的概率30％，情绪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情绪识别方法，其特征在于，包括：获取音频数据；对所述音频数据进行识别，得到对话文本；将所述对话文本输入文本情绪识别模型，得到第一情绪向量；根据所述对话文本中的关键词确定第二情绪向量；根据所述音频数据确定第三情绪向量；根据所述第一情绪向量、所述第二情绪向量以及所述第三情绪向量确定目标情绪。2.根据权利要求1所述的方法，其特征在于，根据所述对话文本中的关键词确定第二情绪向量，包括：获取所述对话文本中的关键词和所述关键词对应的类型信息；根据所述关键词对应的类型信息确定所述关键词的权重；根据所述对话文本中的关键词对应的情绪值和所述关键词的权重确定第二情绪向量。3.根据权利要求2所述的方法，其特征在于，根据所述对话文本中的关键词对应的情绪值和所述关键词的权重确定第二情绪向量，包括：根据所述对话文本中的关键词对应的情绪值和所述关键词的权重确定目标情绪值；获取所述目标情绪值对应的第二情绪向量。4.根据权利要求1所述的方法，其特征在于，将所述对话文本输入文本情绪识别模型，得到第一情绪向量，包括：对所述对话文本进行拆分，得到至少一个子句；根据所述至少一个子句生成目标矩阵；将所述目标矩阵输入文本情绪识别模型，得到第一情绪向量，其中，所述第一情绪向量包括：至少一个情绪和每个情绪对应的概率。5.根据权利要求1所述的方法，其特征在于，根据所述音频数据确定第三情绪向量，包括：对所述音频数据进行特征提取，得到目标音频特征矩阵；将所述目标音频特征矩阵输入语音情绪识别模型，得到第三情绪向量，其中，所述第三情绪向量包括：至少一个情绪和每个情绪对应的概率。6.根据权利要求1所述的方法，其特征在于，根据所述第一情绪向量、所述第二情绪向量以及所述第三情绪向量确定目标情绪，包括：获取所述第一情绪向量中的第一情绪、所述第二情绪向量中的第二情绪以及所述第三情绪向量中的第三情绪，其中，第一情绪为第一情绪向量中概率最大的情绪，所述第二情绪为所述第二情绪向量中概率最大...

【专利技术属性】
技术研发人员：刘学源，张琛，潘仰耀，汪贇，张彤，张辰昱，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：