【技术实现步骤摘要】
本申请涉及计算机应用领域中的人工智能技术，尤其涉及一种数据处理方法、装置、设备、存储介质及计算机程序产品。
技术介绍
1、情绪识别是指对情绪进行识别的过程，是情感计算的一个组成部分。为了实现情绪识别，通常是直接对待识别信息进行情绪识别，以识别出当前所对应的情绪；然而，由于上述情绪识别的过程中，直接对待识别信息进行情绪识别所依据的数据单一，因此，影响了情绪识别的准确度。
技术实现思路
1、本申请实施例提供一种数据处理方法、装置、设备、计算机可读存储介质及计算机程序产品，能够提升情绪识别的准确度。
2、本申请实施例的技术方案是这样实现的：
3、本申请实施例提供一种数据处理方法，包括：
4、对当前轮的待识别信息进行情绪预测，得到当前情绪方向、以及多种候选情绪中每种所述候选情绪的第一概率，其中，所述当前情绪方向为所述待识别信息的情绪所属方向，所述候选情绪为预先设定的情绪；
5、基于所述当前情绪方向，从情绪跳转关系中确定每种所述候选情绪对应的第二概率，其中，所述情绪跳转关系表示历史情绪和所述候选情绪之间结合情绪方向进行跳转的概率，所述历史情绪为所述当前轮之前所预测出的情绪；
6、对所述第一概率和所述第二概率进行整合，得到所述候选情绪的目标概率；
7、基于多种所述候选情绪中每种所述候选情绪对应的所述目标概率，确定所述待识别信息的情绪识别结果。
8、本申请实施例提供一种数据处理装置，包括：
9、情绪预
10、跳转预测模块，用于基于所述当前情绪方向，从情绪跳转关系中确定每种所述候选情绪对应的第二概率，其中，所述情绪跳转关系表示历史情绪和所述候选情绪之间结合情绪方向进行跳转的概率，所述历史情绪为所述当前轮之前所预测出的情绪；
11、概率整合模块，用于对所述第一概率和所述第二概率进行整合，得到所述候选情绪的目标概率；
12、结果确定模块，用于基于多种所述候选情绪中每种所述候选情绪对应的所述目标概率，确定所述待识别信息的情绪识别结果。
13、在本申请实施例中，所述数据处理装置还包括关系获取模块，用于获取多个情绪样本序列、以及所述情绪样本序列中每个情绪样本的情绪方向样本，其中，所述情绪样本序列是指标注出的轮次连续的n个所述情绪样本，n为正整数；基于多个所述情绪样本序列、以及每个所述情绪样本的所述情绪方向样本，生成多个样本元组序列，其中，所述样本元组序列包括多个样本元组，所述样本元组包括第n轮所述情绪样本、第n+1轮所述情绪样本和第n+1轮所述情绪样本的所述情绪方向样本，n∈n-1；基于多个所述样本元组序列，统计相邻轮次的两个所述情绪样本之间针对所述情绪方向样本进行跳转的概率，其中，所述情绪跳转关系是基于所述历史情绪从统计结果中确定出的。
14、在本申请实施例中，所述概率整合模块，还用于获取与当前轮次负相关的第一整合权重、以及与所述当前轮次正相关的第二整合权重，其中，所述当前轮次表示当前轮的预测次序；获取所述第一概率与所述第一整合权重的第一整合结果；获取所述第二概率与所述第二整合权重的第二整合结果；将所述第一整合结果和所述第二整合结果的结合结果，确定为所述候选情绪的所述目标概率。
15、在本申请实施例中，所述结果确定模块，还用于基于所述目标概率对多种所述候选情绪进行倒序排列，得到待筛选情绪序列；基于指定筛选参数，从所述待筛选情绪序列中筛选目标情绪序列，其中，所述指定筛选参数包括概率阈值参数和情绪数量参数中的一种或两种；将所述目标情绪序列、以及所述目标情绪序列中每个目标情绪的所述目标概率，确定为所述情绪识别结果。
16、在本申请实施例中，所述结果确定模块，还用于基于所述目标概率，从多种所述候选情绪的倒序排列中筛选指定数量的所述候选情绪；将所述指定数量的所述候选情绪，确定为当前候选情绪序列，其中，所述当前候选情绪序列用于确定下一轮预测的所述历史情绪。
17、在本申请实施例中，所述情绪预测模块，还用于对当前轮的所述待识别信息进行情绪预测，得到每种所述情绪方向对应的第三概率；将所述第三概率最大的所述情绪方向，确定为基准情绪方向；将与第三基准概率之间的概率差低于概率差阈值的所述情绪方向，确定为待选择情绪方向，其中，所述第三基准概率是指所述基准情绪方向的所述第三概率；将所述基准情绪方向和所述待选择情绪方向，确定为所述当前情绪方向。
18、在本申请实施例中，所述情绪预测模块，还用于基于当前轮的所述待识别信息，提取语义字符串序列，其中，所述语义字符串序列中的每个语义字符串用于表示情绪语义；对所述语义字符串序列进行特征提取，得到待预测特征；对所述待预测特征进行语义情绪预测，得到所述当前情绪方向、以及多种所述候选情绪中每种所述候选情绪的所述第一概率。
19、在本申请实施例中，所述特征提取和所述语义情绪预测通过情绪预测模型实现，其中，所述情绪预测模型通过以下步骤训练获得：获取识别信息样本，并获取所述识别信息样本对应的情绪标签和情绪方向标签；基于待训练预测模型，对所述识别信息样本进行情绪预测，得到情绪预测概率和情绪方向预测概率，其中，所述待训练预测模型为待训练的用于进行情绪预测的网络模型；结合所述情绪预测概率和所述情绪标签之间的差异、以及所述情绪方向预测概率与所述情绪方向标签之间的差异，训练所述待训练预测模型，得到所述情绪预测模型。
20、在本申请实施例中，所述情绪预测模块，还用于对当前轮的所述待识别音频进行文本识别，得到待识别文本；从所述待识别文本中提取各个所述语义字符串；对各个所述语义字符串进行组合，得到所述语义字符串序列。
21、在本申请实施例中，所述数据处理装置还包括情绪应用模块，用于当所述待识别信息为待呈现虚拟对象的待播放音频时，基于所述情绪识别结果，生成所述待呈现虚拟对象的表情渲染数据；在播放所述待播放音频时，基于所述表情渲染数据渲染所述待呈现虚拟对象的表情。
22、在本申请实施例中，所述情绪应用模块，还用于当所述待识别信息为交互消息时，基于所述情绪识别结果确定交互情绪状态；当所述交互情绪状态为待审核情绪状态时，显示提示信息，其中，所述提示信息用于提示改变所述交互情绪状态。
23、本申请实施例提供一种用于基于情绪进行数据处理的电子设备，包括：
24、存储器，用于存储计算机可执行指令；
25、处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本申请实施例提供的数据处理方法。
26、本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于被处理器执行时，实现本申请实施例提供的数据处理方法。
27、本申请实施例提本文档来自技高网...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述当前情绪方向，从情绪跳转关系中确定每种所述候选情绪对应的第二概率之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述第一概率和所述第二概率进行整合，得到所述候选情绪的目标概率，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于多种所述候选情绪中每种所述候选情绪对应的所述目标概率，确定所述待识别信息的情绪识别结果，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述第一概率和所述第二概率进行整合，得到所述候选情绪的目标概率之后，所述方法还包括：
6.根据权利要求1至3任一项所述的方法，其特征在于，所述对当前轮的待识别信息进行情绪预测，得到当前情绪方向，包括：
7.根据权利要求1至3任一项所述的方法，其特征在于，所述对当前轮的待识别信息进行情绪预测，得到当前情绪方向、以及多种候选情绪中每种所述候选情绪的第一概率，包括：
8.根据权利要求7所
9.根据权利要求7所述的方法，其特征在于，当所述待识别信息为待识别音频时，所述基于当前轮的所述待识别信息，提取语义字符串序列，包括：
10.根据权利要求1至3任一项所述的方法，其特征在于，所述基于多种所述候选情绪中每种所述候选情绪对应的所述目标概率，确定所述待识别信息的情绪识别结果之后，所述方法还包括：
11.根据权利要求1至3任一项所述的方法，其特征在于，所述基于多种所述候选情绪中每种所述候选情绪对应的所述目标概率，确定所述待识别信息的情绪识别结果之后，所述方法还包括：
12.一种数据处理装置，其特征在于，所述数据处理装置包括：
13.一种基于情绪进行数据处理的电子设备，其特征在于，所述电子设备包括：
14.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时，实现权利要求1至11任一项所述的数据处理方法。
15.一种计算机程序产品，包括计算机程序或计算机可执行指令，其特征在于，所述计算机程序或计算机可执行指令被处理器执行时实现权利要求1至11任一项所述的数据处理方法。
...【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述当前情绪方向，从情绪跳转关系中确定每种所述候选情绪对应的第二概率之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述第一概率和所述第二概率进行整合，得到所述候选情绪的目标概率，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于多种所述候选情绪中每种所述候选情绪对应的所述目标概率，确定所述待识别信息的情绪识别结果，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述第一概率和所述第二概率进行整合，得到所述候选情绪的目标概率之后，所述方法还包括：
6.根据权利要求1至3任一项所述的方法，其特征在于，所述对当前轮的待识别信息进行情绪预测，得到当前情绪方向，包括：
7.根据权利要求1至3任一项所述的方法，其特征在于，所述对当前轮的待识别信息进行情绪预测，得到当前情绪方向、以及多种候选情绪中每种所述候选情绪的第一概率，包括：
8.根据权利要求7所述的方法，其特征在于，所述特征提取和所述语义情绪预测通过情绪预测模型...
【专利技术属性】
技术研发人员：汪洋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。