一种基于语义理解的情绪识别方法及系统与流程

本发明涉及情绪识别，更具体的，涉及一种基于语义理解的情绪识别方法及系统。

背景技术：

1、情绪包括愤怒、快乐、中性等类型，可以影响一个人的判断、理解、人际交往等，对个人的影响以及人与人之间的影响都发挥着至关重要的作用。当前，情绪识别被用于的范围越来越广，比如病人的治疗、智能客服等，发挥着越来越重要的作用。

技术实现思路

1、鉴于上述问题，本发明的目的是提供一种基于语义理解的情绪识别方法及系统，能够提高情绪识别的准确性。

2、本发明第一方面提供了一种基于语义理解的情绪识别方法，包括：

3、获取语音信息；

4、根据语音信息，得到对应语音信息中的关键词；

5、根据所述关键词在预设情绪等级表中查询，得到关键词对应的第一情绪等级；

6、获取对应关键词的位置以及数量信息；

7、根据关键词的位置以及数量信息，得到关键词对应的第一情绪等级的概率值；

8、获取对应关键词的声音特征以及对应特征值；

9、根据对应关键词的声音特征值，得到关键词对应的第二情绪等级；

10、根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应语音的情绪等级。

11、本方案中，所述根据关键词的位置以及数量信息，得到关键词对应的第一情绪等级的概率值的步骤，具体包括：

12、根据关键词的位置信息，得到对应关键词的位置占比；

13、根据关键词的数量信息，得到对应关键词的数量占比；

14、将所述关键词的位置占比乘以预设第一权重系数，得到关键词的第一情绪等级的第一概率值；

15、将所述关键词的数量占比乘以预设第二权重系数，得到关键词的第一情绪等级的第二概率值；

16、将所述关键词的第一概率值和第二概率值进行累加，得到关键词对应的第一情绪等级的概率值。

17、本方案中，所述根据关键词的位置信息，得到对应关键词的位置占比的步骤，具体包括：

18、获取关键词在语音信息中出现的时间，并根据出现的时间先后顺序对关键词进行排序，得到对应关键词序号和语音信息中的关键词总序号；

19、当关键词存在多个序号时，取关键词最后出现的时间对应的关键词序号；

20、将关键词序号除以语音信息中的关键词总序号，得到对应关键词的位置占比。

21、本方案中，所述根据关键词的数量信息，得到对应关键词的数量占比的步骤，具体包括：

22、获取语音信息中的关键词总数量；

23、将对应关键词的数量除以语音信息中的关键词总数量，得到对应关键词的数量占比。

24、本方案中，所述根据对应关键词的声音特征值，得到关键词对应的第二情绪等级的步骤，具体包括：

25、将关键词的声音特征值乘以对应特征的预设权重系数，得到对应特征分值；

26、将关键词的声音的不同特征分值进行累加，得到对应关键词的特征总分值；

27、根据对应关键词的特征总分值落入的预设特征分值范围，得到对应关键词的特征等级；

28、根据对应关键词的特征等级，匹配关键词对应的第二情绪等级。

29、本方案中，所述根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应语音的情绪等级的步骤，具体包括：

30、根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应关键词的最终情绪等级；

31、将关键词的最终情绪等级乘以对应关键词的位置占比，得到情绪对比值；

32、将相同的最终情绪等级对应的情绪对比值进行累加，得到对应最终情绪等级的情绪对比累计值；

33、判断所述最终情绪等级的情绪对比累计值是否大于预设第一阈值，若是，将对应最终情绪等级设为该语音信息中存在的情绪等级；若否，将对应语音信息中的情绪设为中性。

34、本方案中，所述根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应关键词的最终情绪等级的步骤，具体包括：

35、当关键词对应的第一情绪等级和第二情绪等级相同时，将关键词对应的第一情绪等级或第二情绪等级设为对应关键词的最终情绪等级；

36、当关键词对应的第一情绪等级和第二情绪等级不相同时，判断所述第一情绪等级的概率值是否大于预设第一概率阈值，若是，将关键词对应的第一情绪等级设为对应关键词的最终情绪等级；

37、若否，将关键词对应的第一情绪等级乘以对应概率值，得到第一对比值；将关键词对应的第二情绪等级乘以预设对比系数，得到第二对比值；

38、当第一对比值大于第二对比值时，将关键词对应的第一情绪等级设为对应关键词的最终情绪等级；

39、当第二对比值大于第一对比值时，将关键词对应的第二情绪等级设为对应关键词的最终情绪等级；

40、当第一对比值等于第二对比值时，将对应关键词的最终情绪设为中性，对应关键词的最终情绪等级和预设中性等级相同。

41、本发明第二方面提供了一种基于语义理解的情绪识别系统，包括存储器和处理器，所述存储器中存储有一种基于语义理解的情绪识别方法程序，所述一种基于语义理解的情绪识别方法程序被所述处理器执行时实现如下步骤：

42、获取语音信息；

43、根据语音信息，得到对应语音信息中的关键词；

44、根据所述关键词在预设情绪等级表中查询，得到关键词对应的第一情绪等级；

45、获取对应关键词的位置以及数量信息；

46、根据关键词的位置以及数量信息，得到关键词对应的第一情绪等级的概率值；

47、获取对应关键词的声音特征以及对应特征值；

48、根据对应关键词的声音特征值，得到关键词对应的第二情绪等级；

49、根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应语音的情绪等级。

50、本方案中，所述根据关键词的位置以及数量信息，得到关键词对应的第一情绪等级的概率值的步骤，具体包括：

51、根据关键词的位置信息，得到对应关键词的位置占比；

52、根据关键词的数量信息，得到对应关键词的数量占比；

53、将所述关键词的位置占比乘以预设第一权重系数，得到关键词的第一情绪等级的第一概率值；

54、将所述关键词的数量占比乘以预设第二权重系数，得到关键词的第一情绪等级的第二概率值；

55、将所述关键词的第一概率值和第二概率值进行累加，得到关键词对应的第一情绪等级的概率值。

56、本方案中，所述根据关键词的位置信息，得到对应关键词的位置占比的步骤，具体包括：

57、获取关键词在语音信息中出现的时间，并根据出现的时间先后顺序对关键词进行排序，得到对应关键词序号和语音信息中的关键词总序号；

58、当关键词存在多个序号时，取关键词最后出现的时间对应的关键词序号；

59、将关键词序号除以语音信息中的关键词总序号，得到对应关键词的位置占比。

60、本方案中，所述根据关键词的数量信息，得到对应关键词的数量占比的步骤，具体包括：

61、获取语音信息中的关键词总数量；

62、将对应关键词的数量除以语音信息中的关键词总数量，得到对应关键词的数量占比。

63、本方案中，所述根据对应关键词的声音特征值，得到关键词对应的第二情绪等级的步骤，具体包括：

64、将关键词的声音特征值乘以对应特征的预设权重系数，得到对应特征分值；

65、将关键词的声音的不同特征分值进行累加，得到对应关键词的特征总分值；

66、根据对应关键词的特征总分值落入的预设特征分值范围，得到对应关键词的特征等级；

67、根据对应关键词的特征等级，匹配关键词对应的第二情绪等级。

68、本方案中，所述根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应语音的情绪等级的步骤，具体包括：

69、根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应关键词的最终情绪等级；

70、将关键词的最终情绪等级乘以对应关键词的位置占比，得到情绪对比值；

71、将相同的最终情绪等级对应的情绪对比值进行累加，得到对应最终情绪等级的情绪对比累计值；

72、判断所述最终情绪等级的情绪对比累计值是否大于预设第一阈值，若是，将对应最终情绪等级设为该语音信息中存在的情绪等级；若否，将对应语音信息中的情绪设为中性。

73、本方案中，所述根据关键词对应的第一情绪等级、第一情绪等级的概率值和第二情绪等级，得到对应关键词的最终情绪等级的步骤，具体包括：

74、当关键词对应的第一情绪等级和第二情绪等级相同时，将关键词对应的第一情绪等级或第二情绪等级设为对应关键词的最终情绪等级；

75、当关键词对应的第一情绪等级和第二情绪等级不相同时，判断所述第一情绪等级的概率值是否大于预设第一概率阈值，若是，将关键词对应的第一情绪等级设为对应关键词的最终情绪等级；

76、若否，将关键词对应的第一情绪等级乘以对应概率值，得到第一对比值；将关键词对应的第二情绪等级乘以预设对比系数，得到第二对比值；

77、当第一对比值大于第二对比值时，将关键词对应的第一情绪等级设为对应关键词的最终情绪等级；

78、当第二对比值大于第一对比值时，将关键词对应的第二情绪等级设为对应关键词的最终情绪等级；

79、当第一对比值等于第二对比值时，将对应关键词的最终情绪设为中性，对应关键词的最终情绪等级和预设中性等级相同。

80、本发明公开了一种基于语义理解的情绪识别方法及系统，通过语义和声音的特征进行结合，提高了情绪识别的准确性。