基于用户语音信息的情绪分析方法与流程

本发明涉及情绪识别，尤其涉及一种基于用户语音信息的情绪分析方法。

背景技术：

1、据中国科学院心理研究所和社会科学文献出版社联合发布的《中国国民心理健康发展报告(2017～2018)》表明，目前国内网上分析情绪的方法主要是通过问券调查的形式进行，存在较大的误差和明显的主观性，精准性较差；而个人的认知受多方面影响，准确度不高。

2、在当前的智能客服领域，目前语音识别情绪的方法主要通过提取识别语音片段的音频特征向量与多个情绪特征模型进行匹配，以及将匹配结果为相匹配的情绪特征模型所对应的情绪分类作为语音片段的情绪分类。该方法识别具有广泛性，缺乏针对性，存在的误差性较大。现有的技术主要通过获取的音频流中的音频特征向量，再将音频特征向量和情绪特征模型进行匹配的方式识别情绪，该方法存在一定局限性，比如忽略了语音片段中语速、语调和个人的语言习惯等特性，对情绪识别的准确度不高，因此，亟需一种基于用户语音信息的情绪分析方法，用于解决上述问题。

技术实现思路

1、针对现有技术的不足，本发明提供一种基于用户语音信息的情绪分析方法，用于解决上述问题。

2、一种基于用户语音信息的情绪分析方法，包括：实时获取分析对象的语音信息，根据语音信息确定语音文本和额外语音信息；

3、基于额外语音信息生成情绪辅助信息，根据情绪辅助信息对语音文本进行情感词汇提取，根据文本情感词汇确定语音文本发出时用户的情绪分析结果。

4、作为本发明的一种实施例，一种基于用户语音信息的情绪分析方法还包括：

5、根据语音信息的获取时间对语音文本进行排序，生成排序结果n，其中，n为排序结果中语音文本的数量；

6、当n为1时，基于第一额外语音信息生成第一情绪辅助信息，根据第一情绪辅助信息对第一语音文本进行情感词汇提取，根据第一文本情感词汇确定语音文本发出时用户的第一情绪分析结果；

7、当n为2时，基于第二额外语音信息生成第二情绪辅助信息，根据第二情绪辅助信息对第二语音文本进行情感词汇提取，根据第二文本情感词汇和第一情绪分析结果确定语音文本发出时用户的第二情绪分析结果；

8、当n为m时，基于第m额外语音信息生成第m情绪辅助信息，根据第m情绪辅助信息对第m语音文本进行情感词汇提取，根据第m文本情感词汇和第m-1情绪分析结果确定语音文本发出时用户的第m情绪分析结果，其中，m为大于2的整数。

9、作为本发明的一种实施例，根据第m文本情感词汇和第m-1情绪分析结果确定语音文本发出时用户的第m情绪分析结果，包括：

10、获取第m文本情感词汇，根据预设文本情感词汇-情绪对照表确定第m文本情感词汇对应的初始情绪分析结果；

11、判断初始情绪分析结果与第m-1情绪分析结果的情绪波动是否符合预设范围，若符合，以初始情绪分析结果作为第m情绪分析结果；

12、若不符合，根据初始情绪分析结果与第m-1情绪分析结果的情绪类别确定情绪分级策略，根据情绪分级策略对初始情绪分析结果进行标记，生成第m情绪分析结果。

13、作为本发明的一种实施例，根据语音信息确定语音文本和额外语音信息，包括：

14、采集语音信息并转化为文本，确定语音文本；

15、提取语音信息中的语音特征信息，确定额外语音信息；其中，语音特征信息包括：声线特征信息、语速特征信息、语义特征信息和语调幅值变化特征信息。

16、作为本发明的一种实施例，基于额外语音信息生成情绪辅助信息，包括：

17、获取额外语音信息，对每一语音文本进行额外语音信息关联，确定每一语音文本的情绪辅助信息。

18、作为本发明的一种实施例，根据情绪辅助信息对语音文本进行情感词汇提取，包括：

19、获取语音文本，提取语音文本中含有情感的词作为初始情感词汇；

20、获取所有初始情感词汇的词义，根据所有初始情感词汇的词义和当前语音文本的语义特征信息生成文本情感词汇。

21、作为本发明的一种实施例，根据文本情感词汇确定语音文本发出时用户的情绪分析结果，包括：

22、获取文本情感词汇，根据预设文本情感词汇-情绪对照表确定语音文本发出时用户的情绪分析结果。

23、作为本发明的一种实施例，每获取所有初始情感词汇的词义，根据所有初始情感词汇的词义和当前语音文本的语义特征信息生成文本情感词汇，包括：

24、获取所有初始情感词汇的词义，根据预设词义匹配数据库对每一初始情感词汇进行词义匹配，确定每一初始情感词汇的标准词汇；

25、获取当前语音文本的语义特征信息，根据预设语义匹配数据库对语义特征信息进行语义匹配，确定当前语音文本对应的语义词汇；

26、计算得到每一初始情感词汇的标准词汇与语义词汇的词义相似度，统计所有词义相似度计算得到所有初始情感词汇的标准词汇与语义词汇的平均词义相似度；

27、根据平均词义相似度和语义词汇对预设词汇匹配数据库进行词义匹配，确定文本情感词汇。

28、作为本发明的一种实施例，一种基于用户语音信息的情绪分析方法还包括：

29、判断是否存在任一初始情感词汇的词义与文本情感词汇的词义相似度小于预设相似度；

30、若存在，提取对应初始情感词汇作为待预测反向词汇；

31、获取待预测反向词汇对应的声线特征信息、语速特征信息和语调幅值变化特征信息作为预测辅助信息，根据预测辅助信息判断待预测反向词汇的词义是否存在误差，若存在误差，生成校正值；

32、根据校正值对待预测反向词汇的词义进行校正，生成校正词义；

33、根据校正词义替换所有初始情感词汇中待预测反向词汇的词义，并根据校正后所有初始情感词汇词义和当前语音文本的语义特征信息生成文本情感词汇。

34、作为本发明的一种实施例，一种基于用户语音信息的情绪分析方法还包括：

35、获取所有初始情感词汇，基于每一初始情感词汇的预测辅助信息判断对应初始情感词汇的词义是否存在误差，若存在误差，生成第二校正值；

36、根据第二校正值对存在误差的初始情感词汇的词义进行校正，生成第二校正词义；

37、根据第二校正词义替换对应存在误差的初始情感词汇的词义；

38、校正结束后，获取所有初始情感词汇的词义和当前语音文本的语义特征信息生成文本情感词汇。

39、本发明的有益效果为：

40、本发明提供一种基于用户语音信息的情绪分析方法，有利于语音客服在面对用户时能够及时分辨用户情绪，从而制定更加合适的答复策略满足用户需求，提高用户满意度。

41、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

42、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。