一种基于情感词库的语音文本情绪解析方法及装置

技术领域

本发明属于语音文本识别技术领域，具体涉及一种基于情感词库的语音文本情绪解析方法及装置。

背景技术

随着人工智能和语音技术的发展，基于语音文本的情绪识别技术成为了研究的热点之一。目前，主要的语音文本情绪识别方法包括机器学习和基于语义规则的分析两种方法。

基于语义规则的情绪识别方法是一种基于情感词库和规则的分析方法，可以通过分析文本语义和情感词汇来识别情绪的类型与强度。与基于机器学习的方法相比，基于语义规则的方法具有以下优势：(1)不需要大量的数据训练和模型优化。基于机器学习的方法需要大量的数据训练和模型优化，而基于语义规则的方法可以避免这些工作。情感词库和规则库已经包含了大量的情感知识，可以直接应用于情绪强度及类型解析。(2)可以直观地解释情绪识别的过程和结果。基于语义规则的方法是一种人类可读的方法，可以直观地解释情绪识别的过程和结果。相比之下，基于机器学习的方法通常是黑盒子，难以解释。(3)可以适用于小数据集和低计算能力的设备。基于机器学习的方法通常需要大量的数据和强大的计算能力，而基于语义规则的方法可以适用于小数据集和低计算能力的设备。这使得基于语义规则的方法更加实用和可行。(4)可以通过人工调整情感词库和规则库来提高准确性。基于语义规则的方法可以通过人工调整情感词库和规则库来提高准确性。相比之下，基于机器学习的方法需要重新训练模型，成本较高。

因此，基于语义规则的情绪识别方法具有简单、直观、实用、可解释等优点，适用于小数据集和低计算能力的设备，并且可以通过人工调整情感词库和规则库来提高准确性。

需要关注的是，基于语义规则的情绪识别依赖于情感词库。然而，目前大多数基于情感词库的技术只能进行积极消极的情感倾向分析，无法判别具体某种情绪类别，公开号为CN112767969A的中国专利申请公开了用于语音信息的情感倾向性确定方法及系统，虽然可以对情感倾向强度进行分析，但是无法实现对具体情绪类别的识别。同时，人的情绪往往是复杂的，同一段话内可能包含多种不同的情绪，现有的大多数情绪识别技术只判别形成最后的一种情绪，并未描述情绪的更全面的构成和比例，公开号为CN116259307A的中国专利申请公开了语音情绪识别方法和装置，可以对具体情绪(六种离散情绪：开心、难过、生气、厌恶、害怕、惊讶)进行识别，但是缺乏更加细致的分析和判别(比如次级情绪内疚、羞愧、兴奋等)，无法更准确、全面、充分地描述情绪。

因此，相关基于情感词库的语音文本情绪识别技术，尚未满足人们在情绪强度及类型解析的准确性、全面性、完整性等方面的需求。

发明内容

鉴于上述，本发明的目的是提供一种基于情感词库的语音文本情绪解析方法及装置，通过将目标用户语音文本中的关键词与目标情感词库进行匹配，计算情绪分值并判断情绪类型，实现情绪强度和情绪类型解析，并为用户提供相应的情绪调节处理方案，满足准确性、全面性和完整性的语音文本情绪解析需求。

为实现上述发明目的，本发明提供的技术方案如下：

第一方面，本发明实施例提供的一种基于情感词库的语音文本情绪解析方法，包括以下步骤：

接收目标用户原始语音并进行处理，提取关键词；

将提取的关键词与目标情感词库中的目标情感词进行匹配；

基于匹配的目标情感词计算情绪分值实现情绪强度解析；

基于匹配的目标情感词判断情绪类型实现情绪类型解析；

将情绪强度解析结果和情绪类型解析结果输入到情绪处理模型中，获取与目标用户匹配的情绪调节方案。

进一步地，所述接收目标用户原始语音并进行处理获取关键词，包括：

接收来自至少一个定向收音麦克风的原始语音，根据原始语音信号强度区分不同人的原始语音，筛选出目标用户的原始语音并进行降噪、信号增强预处理；将预处理后的目标用户原始语音转换为文本并提取文本中的关键词；

其中，将预处理后的目标用户原始语音信号转换为文本并提取文本中的关键词，包括：采用语音识别技术将原始语音转化为文本，对文本进行语义提取，语义提取包括对文本的内容进行整理，但是不对重复的内容进行删减。

进一步地，所述将提取的关键词与目标情感词库中的目标情感词进行匹配，包括：

将提取的关键词与目标情感词库中的目标情感词进行匹配，获取与关键词对应的情绪表达相关的目标情感词，该目标情感词包括描述情绪效价的形容词、描述情绪强度的副词以及否定词三类。

进一步地，所述基于匹配的目标情感词计算情绪分值实现情绪强度解析，包括：

统计每类目标情感词的出现频次，基于目标情感词的类型赋予对应的权重，基于出现频次和权重对每个文本中的所有目标情感词进行加权求和得到表示情绪强度的情绪分值，实现情绪强度解析。

进一步地，所述基于匹配的目标情感词判断情绪类型实现情绪类型解析，包括：

将情绪类型分为初级情绪类型和次级情绪类型，初级情绪类型包括乐、好、怒、哀、惧、恶和惊，根据每个初级情绪类型进一步划分为对应的多个次级情绪类型；

统计与各类初级情绪类型匹配的目标情感词的频次以确定每个文本中的初级情绪类型，并统计与各类次级情绪类型匹配的目标情感词的频次以确定每个文本中的至少一个次级情绪类型，完善情绪类型解析内容。

进一步地，所述将情绪强度解析结果和情绪类型解析结果输入到情绪处理模型中，获取与目标用户匹配的情绪调节方案，包括：

根据情绪强度解析结果和情绪类型解析结果，通过情绪处理模型判断目标用户的情绪状态是否符合正常情绪状态范围，并结合不同的情绪状态为目标用户提供合适的情绪调节方案以及心理干预方法。

进一步地，所述方法还包括：

可视化呈现情绪强度解析结果和情绪类型解析结果，包括：基于情绪强度和情绪类型解析结果，根据关键词的种类和频次呈现词云图，构建目标用户故事和情绪状态，并呈现情绪分值和情绪类型；

可视化呈现情绪调节方案以及心理干预方法。

第二方面，为实现上述发明目的，本发明实施例还提供了一种基于情感词库的语音文本情绪解析装置，包括：语音输入与提取模块、词语匹配模块、情绪强度解析模块、情绪类型解析模块和结果反馈模块；

所述语音输入与提取模块用于接收目标用户原始语音并进行处理提取关键词；

所述词语匹配模块用于将提取的关键词与目标情感词库中的目标情感词进行匹配；

所述情绪强度解析模块用于基于匹配的目标情感词计算情绪分值实现情绪强度解析；

所述情绪类型解析模块用于基于匹配的目标情感词判断情绪类型实现情绪类型解析；

所述结果反馈模块用于将情绪强度解析结果和情绪类型解析结果输入到情绪处理模型中，获取与目标用户匹配的情绪调节处理方案并可视化呈现。

第三方面，为实现上述发明目的，本发明实施例还提供了一种基于情感词库的语音文本情绪解析设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于当执行所述计算机程序时，实现第一方面本发明实施例提供的基于情感词库的语音文本情绪解析方法。

第四方面，为实现上述发明目的，本发明实施例还提供了一种计算机可读的存储介质，所述存储介质上存储有计算机程序，所述计算机程序使用计算机时，实现第一方面本发明实施例提供的基于情感词库的语音文本情绪解析方法。

与现有技术相比，本发明具有的有益效果至少包括：

(1)本发明通过获取目标用户的语音信息转化为文本，进一步提取文本中的关键词并与目标情感词库匹配得到目标情感词，根据目标情感词类型和出现频次计算情绪分值、判断情绪类型，实现更深层次、更准确地捕捉用户语言中隐藏的情绪信息，更加全面和完整地了解用户的情绪状态。

(2)本发明通过将情绪强度解析结果和情绪类型解析结果输入情绪处理模型中，获取匹配的情绪调节方案以及心理干预方法对目标用户进行个性化心理干预，有效保障用户心理健康。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。

图1是本发明实施例提供的基于情感词库的语音文本情绪解析方法的流程示意图；

图2是本发明实施例提供的基于情感词库的语音文本情绪解析装置的示意图；

图3是本发明实施例提供的基于情感词库的语音文本情绪解析方法及装置的使用场景示意图；

附图中具体的符号标记为：

301、目标用户；302、定向收音麦克风；303、基于情感词库的语音文本情绪解析装置；304、显示屏幕；305、上位机。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

本发明的发明构思为：针对现有技术中相关基于情感词库的语音文本情绪识别技术尚未满足人们在情绪强度解析和情绪类型解析的准确性、全面性、完整性等方面的需求问题，本发明实施例提供了一种基于情感词库的语音文本情绪解析方法及装置，实现语音文本转化、目标情感词匹配、情绪强度和情绪类型解析以及结果与建议输出，提供一体化情绪强度和情绪类型解析平台。

图1是本发明实施例提供的基于情感词库的语音文本情绪解析方法流程示意图。如图1所示，实施例提供了一种基于情感词库的语音文本情绪解析方法，包括以下步骤：

S1，接收目标用户原始语音并进行处理，提取关键词。

具体地，接收来自至少一个定向收音麦克风的原始语音，根据原始语音信号强度区分不同人的原始语音，筛选出目标用户的原始语音并进行降噪、信号增强预处理；将预处理后的目标用户原始语音转换为文本并提取文本中的关键词；其中，将预处理后的目标用户原始语音信号转换为文本并提取文本中的关键词，包括：采用语音识别技术将原始语音转化为文本，对文本进行语义提取，语义提取包括对文本的内容进行整理，但是不对重复的内容进行删减。提取得到文本中的关键词包括与事件、情绪相关的名词、副词、形容词、动词等。

实施例中，在一个咨询场景下，咨询师引导目标用户自述近期的经历和情绪状态，麦克风接受到的语音信息包含多人语音，将多人语音信号进行处理后筛选出目标用户原始语音信号并进行降噪和信号增强等预处理。将预处理后的目标用户语音信号进行解析和语义识别。采用语音识别技术，将语音转化为语音文本，对语音文本进行语义提取，语义提取包括对语音文本的内容进行整理，但是不对重复的内容进行删减，进而提取得到与事件、情绪相关的名词、副词、形容词、动词等词语作为关键词。例如，当目标用户的语音中含有“今天我失恋了，所以感觉很难受”，相应地，通过MySQL数据库匹配语音文本，提取“今天”、“失恋”、“感觉”、“很”、“难受”作为关键词。

S2，将提取的关键词与目标情感词库中的目标情感词进行匹配。

具体地，将提取的关键词与目标情感词库中的目标情感词进行匹配，获取与关键词对应的情绪表达相关的目标情感词，该目标情感词包括描述情绪效价的形容词、描述情绪强度的副词以及否定词三类。

实施例中，目标情感词库主要包含需要重点关注的情绪敏感词汇作为目标情感词，目标情感词库类型分为情绪词库、程度词库和否定词库，其中情绪词库包括描述情绪效价的形容词，程度词库包括描述情绪强度的副词，否定词库中包括否定词。目标情感词用于描述情绪的具体类型和程度等，在实际运用过程中根据实际需要选取不同类型的词汇进行设定。

下面对实施例中的目标情感词库的类型和部分目标情感词进行部分举例说明，如表1所示：

表1目标情感词库的类型和部分目标情感词示例

在获取到目标用户语音文本的关键词后，将这些关键词与目标情感词库中的目标情感词进行匹配。

S3，基于匹配的目标情感词计算情绪分值实现情绪强度解析。

具体地，统计每类目标情感词的出现频次，基于目标情感词的类型赋予对应的权重，基于出现频次和权重对每个文本中的所有目标情感词进行加权求和得到表示情绪强度的情绪分值，实现情绪强度解析。

实施例中，根据关键词匹配得到的目标情感词，包括描述情绪效价的形容词、描述情绪强度的副词以及否定词。根据描述情绪效价的形容词正负效价类别，赋予形容词1或-1的值；根据描述情绪强度的副词程度分类，赋予2、1.5、1.25、1.2、0.8或0.5的权重值；对于否定词，赋予-1的值。对于每个文本，按照语句顺序，针对每一语句进行加权计算，得到每个句子的情绪分值，再对所有语句的情绪分值进行加和，得到每个文本的表示情绪强度的情绪分值，实现情绪强度解析。

S4，基于匹配的目标情感词判断情绪类型实现情绪类型解析。

具体地，将情绪类型分为初级情绪类型和次级情绪类型，初级情绪类型包括乐、好、怒、哀、惧、恶和惊，根据每个初级情绪类型进一步划分为对应的多个次级情绪类型；统计与各类初级情绪类型匹配的目标情感词的频次以确定每个文本中的初级情绪类型，并统计与各类次级情绪类型匹配的目标情感词的频次以确定每个文本中的至少一个次级情绪类型，完善情绪类型解析内容。

实施例中，采用七大类(乐、好、怒、哀、惧、恶和惊)情感分类体系进行分类作为初级情绪类型，每个初级情绪类型进一步细分为对应的多个次级情绪类型。首先，统计与各类初级情绪类型匹配的目标情感词的频次，确定文本所属的初级情绪类型；其次，统计与各类次级情绪类型匹配的目标情感词的频次，对频次进行降序排序，选择排序前五的频次对应的次级情绪类型，综合展现情绪复杂度，完善情绪类型解析内容。

下面对实施例中的情绪类型划分及对应的目标情感词进行部分举例说明，如表2所示：

表2情绪类型划分及对应的目标情感词示例

在步骤S3情绪强度解析和步骤S4情绪类型解析时，会出现多种情绪状态，例如目标用户既悲伤又内疚，同时还带有愤怒，根据情绪分值、初级情绪类型、次级情绪类型等情绪强度及类型解析的结果，总体判断目标用户的情绪状态，并将初级情绪类型作为主要对象进行优先处理。

S5，将情绪强度解析结果和情绪类型解析结果输入到情绪处理模型中，获取与目标用户匹配的情绪调节方案。

具体地，根据情绪强度解析结果和情绪类型解析结果，通过情绪处理模型判断目标用户的情绪状态是否符合正常情绪状态范围，并结合不同的情绪状态为目标用户提供合适的情绪调节方案以及心理干预方法。

具体的，还包括可视化呈现情绪强度解析结果和情绪类型解析结果，包括：基于情绪强度和情绪类型解析结果，根据关键词的种类和频次呈现词云图，构建目标用户故事和情绪状态，并呈现情绪分值和情绪类型；可视化呈现情绪调节方案以及心理干预方法。

实施例中，结合情绪强度解析结果和情绪类型解析结果，绘制情绪词云图并呈现情绪分值情况。同时，判定目标用户当前为较严重的情绪问题，主要由亲密关系导致，需要对其悲伤情绪进行调节，并帮助其构建良好的爱情观、建立健康的亲密关系，因此，处理方案将会提供情绪调节及恋爱心理学相关的心理知识，帮助其改善情绪。

综上，一种基于情感词库的语音文本情绪解析方法，将目标用户语音文本中的关键词与目标情感词库进行匹配得到目标情感词，根据目标情感词类型和出现频次计算情绪分值并判断情绪类型，实现情绪强度解析和情绪类型解析，并为用户提供相应的情绪调节处理方案，实现更深层次、更准确地捕捉用户语言中隐藏的情绪信息，更加全面和完整地了解用户的情绪状态，为目标用户进行个性化心理干预，有效保障用户心理健康。

基于同样的发明构思，实施例还提供了一种基于情感词库的语音文本情绪解析装置200，如图2所示，包括语音输入与提取模块210、词语匹配模块220、情绪强度解析模块230、情绪类型解析模块240和结果反馈模块250。

其中，语音输入与提取模块210用于接收目标用户原始语音并进行处理，提取关键词；

词语匹配模块220用于将提取的关键词与目标情感词库中的目标情感词进行匹配；

情绪强度解析模块230用于基于匹配的目标情感词计算情绪分值实现情绪强度解析；

情绪类型解析模块240用于基于匹配的目标情感词判断情绪类型实现情绪类型解析；

结果反馈模块250用于将情绪强度解析结果和情绪类型解析结果输入到情绪处理模型中，获取与目标用户匹配的情绪调节处理方案并可视化呈现。

实施例中，如图3所示，为基于情感词库的语音文本情绪解析方法及装置的使用场景示意图。目标用户301通过向定向收音麦克风302输入语音信息，包括但不限于近期的经历和情绪状态。基于情感词库的语音文本情绪解析装置303可接入一个或多个定向收音麦克风，将语音信息转为文本信息，并进行关键词提取、目标情感词匹配、情绪强度解析、情绪类型分析和结果方案匹配等处理，最后在显示屏幕304上显示对应结果。此外，处理结果可通过外接接口反馈至上位机305进行存档或统一管理。

基于同样的发明构思，实施例还提供了一种基于情感词库的语音文本情绪解析设备，包括存储器和处理器，其中，存储器用于存储计算机程序，处理器用于当执行计算机程序时，实现上述基于情感词库的语音文本情绪解析方法。

基于同样的发明构思，实施例还提供了一种计算机可读的存储介质，存储介质上存储有计算机程序，计算机程序使用计算机时，实现上述基于情感词库的语音文本情绪解析方法。

需要说明的是，上述实施例提供的基于情感词库的语音文本情绪解析装置、基于情感词库的语音文本情绪解析设备和计算机可读的存储介质均与基于情感词库的语音文本情绪解析方法实施例属于同一构思，其具体实现过程详见基于情感词库的语音文本情绪解析方法实施例，这里不再赘述。

以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。