近年來(lái),人工智能技術(shù)再一次在學(xué)術(shù)界掀起浪潮,越來(lái)越多的人工智能產(chǎn)品出現(xiàn)在大眾的視野當(dāng)中。語(yǔ)音是人類(lèi)重要的表達(dá)方式,人工智能想要達(dá)到真正的智能,情感的識(shí)別是研究中不可或缺且格外重要的方向。語(yǔ)音情感識(shí)別技術(shù)是機(jī)器與人之間進(jìn)行情感交互的橋梁,可以落地到醫(yī)療、安防、交通等諸多領(lǐng)域。目前學(xué)術(shù)界對(duì)于語(yǔ)音情感識(shí)別的研究主要采用的是深度學(xué)習(xí)的方法,本文基于情感的認(rèn)知引入并聚焦注意力機(jī)制,研究構(gòu)建適用于語(yǔ)音情感識(shí)別的深度學(xué)習(xí)網(wǎng)絡(luò),主要研究?jī)?nèi)容包括以下三個(gè)部分:1.研究了基于注意力機(jī)制的結(jié)構(gòu)化情感信息提取語(yǔ)音情感信息是動(dòng)態(tài)的,本文應(yīng)用注意力機(jī)制在不同維度計(jì)算情感特征的注意力權(quán)重,實(shí)現(xiàn)對(duì)情感特征的多維度關(guān)注,提取情感結(jié)構(gòu)化信息。具體本文從時(shí)間、頻率、通道三個(gè)維度計(jì)算注意力,時(shí)間上應(yīng)用單層及多層注意力對(duì)情感結(jié)構(gòu)化信息進(jìn)行全局和局部提取;頻率及通道上分析計(jì)算注意力權(quán)重的不同方法并進(jìn)行研究改進(jìn)。本文最終通過(guò)應(yīng)用注意力機(jī)制提取情感結(jié)構(gòu)化信息,實(shí)現(xiàn)了 3.48%的UA準(zhǔn)確率提升。2.提出了基于注意力的相對(duì)性情感信息提取方法語(yǔ)音情感是相對(duì)的,相對(duì)語(yǔ)音中情感外的信息是變化的,本文應(yīng)用多任務(wù)學(xué)習(xí)和注意力機(jī)制引入情感相對(duì)信息...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1語(yǔ)音情感識(shí)別系統(tǒng)框架

天津師范大學(xué)碩士學(xué)位論文9第二章語(yǔ)音情感識(shí)別基本理論2.1語(yǔ)音情感識(shí)別系統(tǒng)框架一個(gè)典型的語(yǔ)音情感識(shí)別系統(tǒng)包括語(yǔ)音情感信息描述、語(yǔ)音情感語(yǔ)料庫(kù)、語(yǔ)音情感特征提娶語(yǔ)音情感特征選擇和語(yǔ)音情感分類(lèi)識(shí)別等幾個(gè)部分。系統(tǒng)整體框架流程如圖2.1所示，語(yǔ)音信號(hào)采集模塊通過(guò)傳感器獲得語(yǔ)音信號(hào)，對(duì)采....

圖3.1基于不同類(lèi)型注意力機(jī)制的語(yǔ)音情感識(shí)別模型

天津師范大學(xué)碩士學(xué)位論文25圖3.1基于不同類(lèi)型注意力機(jī)制的語(yǔ)音情感識(shí)別模型在此過(guò)程之中，LocalAttention，ComponentAttention和MonotonicAttention，由于其包含其他注意力機(jī)制并未擁有的超參數(shù)Scope，所以這些注意力機(jī)制提前進(jìn)行了Sc....

圖3.2CNN結(jié)構(gòu)下AttentionScope波動(dòng)對(duì)比

天津師范大學(xué)碩士學(xué)位論文25圖3.1基于不同類(lèi)型注意力機(jī)制的語(yǔ)音情感識(shí)別模型在此過(guò)程之中，LocalAttention，ComponentAttention和MonotonicAttention，由于其包含其他注意力機(jī)制并未擁有的超參數(shù)Scope，所以這些注意力機(jī)制提前進(jìn)行了Sc....

圖3.3BLSTM結(jié)構(gòu)下AttentionScope波動(dòng)對(duì)比

天津師范大學(xué)碩士學(xué)位論文25圖3.1基于不同類(lèi)型注意力機(jī)制的語(yǔ)音情感識(shí)別模型在此過(guò)程之中，LocalAttention，ComponentAttention和MonotonicAttention，由于其包含其他注意力機(jī)制并未擁有的超參數(shù)Scope，所以這些注意力機(jī)制提前進(jìn)行了Sc....

本文編號(hào)：3980260