面向人機交互的語音情感識別與文本敏感詞檢測
發(fā)布時間:2021-05-16 19:13
隨著人工智能在近幾年的快速發(fā)展,人機交互成為計算機領域一個熱門的研究方向。人機交互一方面要解決準確識別與快速回應的問題,另一方面也要不斷提高機器的理解水平,完善機器對語音和文字的相關處理就是提高理解水平的關鍵之一。本文依據語音的特點,提出了一種構建特定特征集的多層網絡算法來識別語音情感,同時提出了文本的結合策略識別網絡來判斷文本是否含有敏感信息,這兩種針對語音和文本的識別方法所用到的主要理論為隨機森林算法、有向無環(huán)圖和有窮自動機。本文主要的工作內容概括如下:(1)提出一種基于重要性評分的多級網絡隨機森林(Multi-RF)算法的語音情感識別方法。本文通過分析語音各情感種類間的差別與相似性,利用多級分層網絡對語音情感進行識別,并構建基于重要性評分和按序賦權法對每層網絡構建單獨的賦權特征集,以此分離一種或兩種情感,最后用十折交叉法對所有測試樣本集的結果計算平均值,以保證結果的準確性。實驗表明,Multi-RF(Multi Rando m Forest)能有效減少情感類別間的誤判,提高語音情感的識別準確率。(2)提出一種結合策略模型,并依據該模型提出檢測情感文本敏感信息的算法。本文的結合策略...
【文章來源】:長沙理工大學湖南省
【文章頁數】:61 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內外研究現狀
1.2.1 語音情感識別國內外研究現狀
1.2.2 文本敏感詞檢測國內外研究現狀
1.3 本文主要研究內容
1.4 本文的主要結構安排
第二章 語音情感識別基礎與敏感詞檢測算法原理
2.1 語音識別基礎
2.1.1 語音的定義和構成
2.1.2 語音的常見情感相關特征
2.2 語音情感模型
2.2.1 傳統(tǒng)機器學習和統(tǒng)計學習模型
2.2.2 深度學習的情感模型
2.3 敏感詞檢測算法
2.4 本章小結
第三章 基于多級隨機森林的語音情感識別算法
3.1 隨機森林的模型選擇
3.2 基于多級網絡的隨機森林構建
3.3 多級隨機森林網絡情感識別算法
3.4 實驗與分析
3.4.1 語料庫來源與情感特征
3.4.2 多級網絡語音情感識別實驗
3.4.3 實驗結果分析
3.5 本章小結
第四章 漢英混合文本的敏感詞檢測方法
4.1 語料庫選擇
4.1.1 文本語料庫來源
4.1.2 敏感詞的定義及類別
4.2 全漢字文本的敏感詞檢測
4.2.1 有向無環(huán)圖理論
4.2.2 漢字文本的有向無環(huán)圖構建
4.3 含字母文本的敏感詞檢測方法
4.3.1 有窮自動機理論
4.3.2 敏感詞樹的構建
4.4 實驗流程與結果分析
4.4.1 實驗流程圖
4.4.2 字符串比對方法
4.4.3 敏感詞檢測結果分析
4.5 本章小結
第五章 語音情感識別的敏感詞關聯探究
5.1 關聯探究的設想
5.2 關聯探究的實驗
5.3 本章小結
第六章 總結與展望
6.1 工作總結
6.2 展望
參考文獻
致謝
附錄A (攻讀碩士學位期間發(fā)表的學術論文)
【參考文獻】:
期刊論文
[1]基于參數尋優(yōu)決策樹SVM的語音情感識別[J]. 王富,孫林慧,蘇敏,趙城. 計算機技術與發(fā)展. 2018(07)
[2]一種改進的字符串模式匹配算法[J]. 蔡婷,楊衛(wèi)帥. 物聯網技術. 2017(07)
[3]改進的隨機森林分類方法及其應用[J]. 張艷翠. 科技創(chuàng)新與應用. 2016(29)
[4]基于關聯規(guī)則的語音情感中韻律特征抽取算法研究[J]. 徐照松,元昌安,覃曉,元建,李雙. 計算機應用與軟件. 2015(09)
[5]基于KMP算法的改進算法KMPP[J]. 李莉,江育娥,林劼,江秉華. 計算機工程與應用. 2016(08)
[6]基于改進的隨機森林的人體部件識別[J]. 郭天楚,吳曉雨,楊磊,黃向生. 中國傳媒大學學報(自然科學版). 2014(05)
[7]基于隨機森林算法的高維模糊分類研究[J]. 張修遠,劉修國. 國土資源遙感. 2014(02)
[8]WM與MWM算法分析[J]. 燕紅文,楊懷卿. 農業(yè)網絡信息. 2013(12)
[9]語音情感識別研究進展綜述[J]. 韓文靜,李海峰,阮華斌,馬琳. 軟件學報. 2014(01)
[10]基于改進型SVM算法的語音情感識別[J]. 李書玲,劉蓉,張鎏欽,劉紅. 計算機應用. 2013(07)
本文編號:3190246
【文章來源】:長沙理工大學湖南省
【文章頁數】:61 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內外研究現狀
1.2.1 語音情感識別國內外研究現狀
1.2.2 文本敏感詞檢測國內外研究現狀
1.3 本文主要研究內容
1.4 本文的主要結構安排
第二章 語音情感識別基礎與敏感詞檢測算法原理
2.1 語音識別基礎
2.1.1 語音的定義和構成
2.1.2 語音的常見情感相關特征
2.2 語音情感模型
2.2.1 傳統(tǒng)機器學習和統(tǒng)計學習模型
2.2.2 深度學習的情感模型
2.3 敏感詞檢測算法
2.4 本章小結
第三章 基于多級隨機森林的語音情感識別算法
3.1 隨機森林的模型選擇
3.2 基于多級網絡的隨機森林構建
3.3 多級隨機森林網絡情感識別算法
3.4 實驗與分析
3.4.1 語料庫來源與情感特征
3.4.2 多級網絡語音情感識別實驗
3.4.3 實驗結果分析
3.5 本章小結
第四章 漢英混合文本的敏感詞檢測方法
4.1 語料庫選擇
4.1.1 文本語料庫來源
4.1.2 敏感詞的定義及類別
4.2 全漢字文本的敏感詞檢測
4.2.1 有向無環(huán)圖理論
4.2.2 漢字文本的有向無環(huán)圖構建
4.3 含字母文本的敏感詞檢測方法
4.3.1 有窮自動機理論
4.3.2 敏感詞樹的構建
4.4 實驗流程與結果分析
4.4.1 實驗流程圖
4.4.2 字符串比對方法
4.4.3 敏感詞檢測結果分析
4.5 本章小結
第五章 語音情感識別的敏感詞關聯探究
5.1 關聯探究的設想
5.2 關聯探究的實驗
5.3 本章小結
第六章 總結與展望
6.1 工作總結
6.2 展望
參考文獻
致謝
附錄A (攻讀碩士學位期間發(fā)表的學術論文)
【參考文獻】:
期刊論文
[1]基于參數尋優(yōu)決策樹SVM的語音情感識別[J]. 王富,孫林慧,蘇敏,趙城. 計算機技術與發(fā)展. 2018(07)
[2]一種改進的字符串模式匹配算法[J]. 蔡婷,楊衛(wèi)帥. 物聯網技術. 2017(07)
[3]改進的隨機森林分類方法及其應用[J]. 張艷翠. 科技創(chuàng)新與應用. 2016(29)
[4]基于關聯規(guī)則的語音情感中韻律特征抽取算法研究[J]. 徐照松,元昌安,覃曉,元建,李雙. 計算機應用與軟件. 2015(09)
[5]基于KMP算法的改進算法KMPP[J]. 李莉,江育娥,林劼,江秉華. 計算機工程與應用. 2016(08)
[6]基于改進的隨機森林的人體部件識別[J]. 郭天楚,吳曉雨,楊磊,黃向生. 中國傳媒大學學報(自然科學版). 2014(05)
[7]基于隨機森林算法的高維模糊分類研究[J]. 張修遠,劉修國. 國土資源遙感. 2014(02)
[8]WM與MWM算法分析[J]. 燕紅文,楊懷卿. 農業(yè)網絡信息. 2013(12)
[9]語音情感識別研究進展綜述[J]. 韓文靜,李海峰,阮華斌,馬琳. 軟件學報. 2014(01)
[10]基于改進型SVM算法的語音情感識別[J]. 李書玲,劉蓉,張鎏欽,劉紅. 計算機應用. 2013(07)
本文編號:3190246
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3190246.html
最近更新
教材專著