專利名稱：語(yǔ)音情緒的分類方法及其情緒語(yǔ)意模型的建立方法
技術(shù)領(lǐng)域：
本發(fā)明是有關(guān)于一種情緒辨識(shí)方法，且特別是有關(guān)于一種結(jié)合語(yǔ)意與韻律的語(yǔ)音
情緒的分類方法及其情緒語(yǔ)意模型的建立方法。
背景技術(shù)：
近幾年，由于科技的日新月異，人們與智慧型電子裝置之間的溝通模式，已不再是過(guò)去以指令輸入至電子裝置，而電子裝置再以文字回應(yīng)的方式所能滿足。因此，未來(lái)人類與智能電子裝置之間的人機(jī)接口也將透過(guò)最自然且方便的溝通媒介"語(yǔ)音"來(lái)進(jìn)行控制。而為了使人機(jī)接口系統(tǒng)更為多樣性與人性化，許多學(xué)者、廠商則莫不開始著手研究情緒的辨識(shí)。
以客服系統(tǒng)而言，目前利用電視以及網(wǎng)絡(luò)來(lái)進(jìn)行購(gòu)物的使用者越來(lái)越普遍。當(dāng)產(chǎn)品發(fā)生故障時(shí)，使用者大都皆會(huì)打電話至客服中心詢問(wèn)。倘若客服系統(tǒng)能夠辨識(shí)出使用者目前的情緒狀態(tài)，客服人員便能夠趁早來(lái)安撫使用者的情緒。并且，客服人員亦可依據(jù)所辨識(shí)出的使用者的情緒來(lái)判斷自身是否能夠解決，而決定是否將電話轉(zhuǎn)接給資深客服人員來(lái)進(jìn)行安撫動(dòng)作。如此一來(lái)，便能夠解決許多不必要的沖突產(chǎn)生。據(jù)此，如何提高情緒辨識(shí)的正確率，亦為目前研究的重要一環(huán)。

發(fā)明內(nèi)容
本發(fā)明提供一種情緒語(yǔ)意模型的建立方法，結(jié)合語(yǔ)意屬性與韻律屬性來(lái)建構(gòu)情緒語(yǔ)意模型。 本發(fā)明提供一種語(yǔ)音情緒的分類方法，分析詞語(yǔ)的語(yǔ)意屬性并結(jié)合韻律屬性，借以提高分類的正確率。 本發(fā)明提出一種情緒語(yǔ)意模型的建立方法。先提供一個(gè)情緒語(yǔ)料庫(kù)，其包括分屬于多個(gè)情緒類別的多個(gè)語(yǔ)音信號(hào)。接著，分別擷取語(yǔ)音信號(hào)中的各詞語(yǔ)的語(yǔ)意屬性與韻律屬性。其中，語(yǔ)意屬性是查詢?cè)~匯知識(shí)庫(kù)而獲得，而韻律屬性是由各語(yǔ)音信號(hào)中擷取所得。之后，便可借由各語(yǔ)音信號(hào)的語(yǔ)意屬性與韻律屬性，建立情緒語(yǔ)意模型。 在本發(fā)明的一實(shí)施例中，上述建立情緒語(yǔ)意模型的步驟，包括依據(jù)語(yǔ)意屬性與韻律屬性，將各語(yǔ)音信號(hào)分別轉(zhuǎn)換為語(yǔ)意韻律向量。再將這些語(yǔ)意韻律向量代入高斯混合模型，以建立情緒語(yǔ)意模型。 在本發(fā)明的一實(shí)施例中，上述依據(jù)語(yǔ)意屬性與韻律屬性，分別轉(zhuǎn)換各語(yǔ)音信號(hào)為語(yǔ)意韻律向量的步驟，先依據(jù)各詞語(yǔ)的語(yǔ)意屬性與韻律屬性，獲得一語(yǔ)意韻律記錄。接著，借由語(yǔ)意韻律記錄來(lái)探勘一情緒規(guī)則。之后，便可依據(jù)上述情緒規(guī)則，將語(yǔ)意韻律記錄轉(zhuǎn)換為語(yǔ)意韻律向量。 在本發(fā)明的一實(shí)施例中，上述獲得語(yǔ)意韻律記錄的步驟包括依據(jù)語(yǔ)意屬性，判斷各詞語(yǔ)是否為語(yǔ)意標(biāo)簽。其中，語(yǔ)意標(biāo)簽是依據(jù)詞匯知識(shí)庫(kù)所定義而得。當(dāng)詞語(yǔ)屬于語(yǔ)意標(biāo)簽時(shí)，結(jié)合此詞語(yǔ)的語(yǔ)意標(biāo)簽與其所對(duì)應(yīng)的韻律屬性為一語(yǔ)意韻律標(biāo)簽，以將語(yǔ)意韻律標(biāo)簽記錄至語(yǔ)意韻律記錄。另外，更可依據(jù)語(yǔ)意屬性，判斷在不為語(yǔ)意標(biāo)簽的詞語(yǔ)中是否包
5括情緒特征詞，以結(jié)合情緒特征詞與其對(duì)應(yīng)的韻律屬性為一特征集合，而將特征集合記錄 至語(yǔ)意韻律記錄。 在本發(fā)明的一實(shí)施例中，情緒語(yǔ)意模型的建立方法更包括依據(jù)一基本情緒規(guī)則 以及詞匯知識(shí)庫(kù)，訂定語(yǔ)意標(biāo)簽。其中，語(yǔ)意標(biāo)簽包括特定語(yǔ)意標(biāo)簽、否定語(yǔ)意標(biāo)簽與轉(zhuǎn)折 語(yǔ)意標(biāo)簽。 在本發(fā)明的一實(shí)施例中，上述將語(yǔ)意韻律記錄轉(zhuǎn)換為語(yǔ)意韻律向量的步驟，首先， 依據(jù)情緒規(guī)則，計(jì)算語(yǔ)意韻律記錄中的情緒特征詞的語(yǔ)意分?jǐn)?shù)以及韻律分?jǐn)?shù)。接著，依據(jù) 語(yǔ)意分?jǐn)?shù)以及韻律分?jǐn)?shù)，分別獲得各語(yǔ)音信號(hào)的語(yǔ)意韻律記錄在語(yǔ)意韻律向量中的維度分 數(shù)。而上述語(yǔ)意韻律向量的維度是依據(jù)情緒規(guī)則的數(shù)量而決定。 在本發(fā)明的一實(shí)施例中，上述在分別擷取語(yǔ)音信號(hào)中的各詞語(yǔ)的語(yǔ)意屬性與韻律 屬性的步驟之前，更包括將各語(yǔ)音信號(hào)轉(zhuǎn)換為文句。并且，對(duì)上述文句進(jìn)行斷詞處理，而獲 得上述詞語(yǔ)。 在本發(fā)明的一實(shí)施例中，上述詞匯知識(shí)庫(kù)為知網(wǎng)(HowNet)。韻律屬性包括音高、能 量以及音長(zhǎng)。 本發(fā)明提出一種語(yǔ)音情緒的分類方法。首先，依據(jù)多個(gè)語(yǔ)音信號(hào)中的各測(cè)試詞語(yǔ) 所包括的語(yǔ)意屬性以及韻律屬性，建立一情緒語(yǔ)意模型。而語(yǔ)意屬性是查詢?cè)~匯知識(shí)庫(kù)而 獲得，韻律屬性則是由各語(yǔ)音信號(hào)所取得。接著，擷取待測(cè)語(yǔ)音信號(hào)中的各待測(cè)詞語(yǔ)的語(yǔ)意 屬性與韻律屬性。之后，將各待測(cè)詞語(yǔ)的語(yǔ)意屬性與韻律屬性，代入上述情緒語(yǔ)意模型，以 獲得情緒語(yǔ)意分?jǐn)?shù)。最后，依據(jù)情緒語(yǔ)意分?jǐn)?shù)來(lái)判斷待測(cè)語(yǔ)音信號(hào)的情緒類別。
在本發(fā)明的一實(shí)施例中，語(yǔ)音情緒的分類方法更包括在待測(cè)語(yǔ)音信號(hào)中，檢測(cè)一 情緒顯著音段，以擷取情緒顯著音段的韻律特征。之后，將韻律特征代入情緒韻律模型，以 獲得情緒韻律分?jǐn)?shù)。據(jù)此，上述判斷待測(cè)語(yǔ)音信號(hào)的情緒類別的步驟，更可依據(jù)情緒語(yǔ)意分 數(shù)與情緒韻律分?jǐn)?shù)來(lái)進(jìn)行判斷。 在本發(fā)明的一實(shí)施例中，上述在待測(cè)語(yǔ)音信號(hào)中，檢測(cè)情緒顯著音段的步驟，可擷 取待測(cè)語(yǔ)音信號(hào)的音高軌跡，而音高軌跡包括多個(gè)音高。借由檢測(cè)音高軌跡中的連續(xù)音段， 以將音高軌跡中的連續(xù)音段作為情緒顯著音段。 基于上述，本發(fā)明先依據(jù)各詞語(yǔ)的語(yǔ)意屬性與韻律屬性來(lái)訓(xùn)練語(yǔ)意韻律模型，以 借由此語(yǔ)意韻律模型來(lái)作為語(yǔ)音情緒的分類。如此一來(lái)，經(jīng)由韻律屬性來(lái)加強(qiáng)各情緒類別 的情緒特征，將可提高情緒分類的正確率。


為讓本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，以下結(jié)合附圖對(duì)本發(fā)明的具 體實(shí)施方式作詳細(xì)說(shuō)明，其中
圖l是依照本發(fā)明第
圖2是依照本發(fā)明第
圖3是依照本發(fā)明第
圖4是依照本發(fā)明第
圖5是依照本發(fā)明第
圖6是依照本發(fā)明第
6
一實(shí)施例所繪示的情緒語(yǔ)意模型的建立方法流程圖。
一實(shí)施例所繪示的語(yǔ)音情緒的分類方法流程圖。
二實(shí)施例所繪示的情緒語(yǔ)意模型的建立方法流程圖。
二實(shí)施例所繪示的知網(wǎng)概念記錄形式的示意圖。
二實(shí)施例所繪示的語(yǔ)意標(biāo)簽的定義方法流程圖。
二實(shí)施例所繪示的基本情緒因素的示意圖。
圖7是依照本發(fā)明第二實(shí)施例所繪示的語(yǔ)意標(biāo)簽的示意圖。 圖8A是依照本發(fā)明第二實(shí)施例所繪示的附加屬性的示意圖。 圖8B是依照本發(fā)明第二實(shí)施例所繪示的附加屬性權(quán)重表的示意圖。 圖9是依照本發(fā)明第二實(shí)施例所繪示的韻律屬性權(quán)重表的示意圖。 圖10是依照本發(fā)明第三實(shí)施例所繪示的語(yǔ)音情緒分類方法的流程圖, 主要元件符號(hào)說(shuō)明 S105 S115 :本發(fā)明第一實(shí)施例的情緒語(yǔ)意模型的建立方法各步驟 S205 S220 :本發(fā)明第一實(shí)施例的語(yǔ)音情緒的分類方法各步驟 S310 S365 :本發(fā)明第二實(shí)施例的情緒語(yǔ)意模型的建立方法各步驟 S505 S510 :本發(fā)明第二實(shí)施例的語(yǔ)意標(biāo)簽的定義方法各步驟 S1010 S1030 :本發(fā)明第三實(shí)施例的語(yǔ)音情緒分類方法各步驟 301 :知網(wǎng) 302、 1002 :語(yǔ)意標(biāo)簽資料庫(kù) 303、 1003 :韻律屬性資料庫(kù) 304、 1004 :情緒規(guī)則 305:附加屬性權(quán)重表 306:韻律屬性權(quán)重表 1001 :聲學(xué)模型 1005 :情緒語(yǔ)意模型 1006 :情緒韻律模型
具體實(shí)施例方式
有別于傳統(tǒng)僅使用情緒關(guān)鍵字于情緒分類，在下列實(shí)施例中，將進(jìn)一步分析文字 語(yǔ)意并應(yīng)用于情緒分類上。為了使本發(fā)明的內(nèi)容更為明了，以下特舉實(shí)施例作為本發(fā)明確 實(shí)能夠據(jù)以實(shí)施的范例。
第一實(shí)施例 圖1是依照本發(fā)明第一實(shí)施例所繪示的情緒語(yǔ)意模型的建立方法流程圖。請(qǐng)參照 圖1，在步驟S105中，提供一情緒語(yǔ)料庫(kù)，其包括多個(gè)語(yǔ)音信號(hào)。在建立情緒語(yǔ)意模型之前， 先搜集多種情緒類別的語(yǔ)音信號(hào)。例如，可由多個(gè)不同的人針對(duì)生氣、悲傷、高興以及中性 四種情緒類別分別進(jìn)行語(yǔ)音錄制，以建立情緒語(yǔ)料庫(kù)。 接著，在步驟SllO中，擷取各個(gè)語(yǔ)音信號(hào)中的各詞語(yǔ)的語(yǔ)意屬性與韻律屬性，以
利用語(yǔ)意屬性與韻律屬性來(lái)做為分類的特征值。例如，先將各個(gè)語(yǔ)音信號(hào)轉(zhuǎn)換為文句，再將
文句進(jìn)行斷詞處理以切割為多個(gè)詞語(yǔ)。之后，自一詞匯知識(shí)庫(kù)中查詢這些詞語(yǔ)的語(yǔ)意屬性，
并且自語(yǔ)音信號(hào)擷取這些詞語(yǔ)的韻律屬性(例如，音高、能量以及音長(zhǎng))。 最后，在步驟S115中，依據(jù)語(yǔ)意屬性與韻律屬性，建立情緒語(yǔ)意模型。例如，依據(jù)
語(yǔ)意屬性與韻律屬性，將各語(yǔ)音信號(hào)轉(zhuǎn)換為語(yǔ)意韻律向量。之后，再借由語(yǔ)意韻律向量來(lái)訓(xùn)
練情緒語(yǔ)意模型。即是將所擷取出的語(yǔ)意屬性與韻律屬性等情緒特征利用分類技術(shù)加以歸納。 —般而言，分類技術(shù)包括支持向量機(jī)(Support Vector Machine, SVM)、類神經(jīng)網(wǎng)
7絡(luò)(Neural Network, NN)、隱藏式馬可夫模組(Hidden Markov Model, HMM)以及高斯混合 模式(Gaussian Mixture Model，G匪)等。在分類技術(shù)中， 一般是借由在空間上的向量來(lái)進(jìn) 行訓(xùn)練。 舉例來(lái)說(shuō)，依據(jù)各詞語(yǔ)的語(yǔ)意屬性與韻律屬性可獲得此文句的一筆語(yǔ)意韻律記 錄。接著，再借由自情緒語(yǔ)料庫(kù)所取得的全部的語(yǔ)意韻律記錄來(lái)探勘出各個(gè)情緒類別的情 緒規(guī)則。之后，便可依據(jù)上述情緒規(guī)則，將語(yǔ)意韻律記錄轉(zhuǎn)換為語(yǔ)意韻律向量。
在此，可預(yù)先利用上述詞匯知識(shí)庫(kù)來(lái)定義出多個(gè)語(yǔ)意標(biāo)簽。在定義上述語(yǔ)意標(biāo)簽 之后，再加入語(yǔ)音信號(hào)中的韻律屬性，而將語(yǔ)意標(biāo)簽擴(kuò)展成語(yǔ)意韻律標(biāo)簽。據(jù)此，便可經(jīng)由 韻律屬性來(lái)加強(qiáng)各情緒類別的情緒特征。 進(jìn)一步地說(shuō)，在擷取出各詞語(yǔ)的語(yǔ)意屬性之后，判斷各詞語(yǔ)的語(yǔ)意屬性是否為語(yǔ) 意標(biāo)簽。當(dāng)詞語(yǔ)屬于語(yǔ)意標(biāo)簽時(shí)，便將此詞語(yǔ)的語(yǔ)意標(biāo)簽與其所對(duì)應(yīng)的韻律屬性結(jié)合為一 語(yǔ)意韻律標(biāo)簽。之后，再將語(yǔ)意韻律標(biāo)簽記錄至文句所對(duì)應(yīng)的語(yǔ)意韻律記錄。另一方面，更 可依據(jù)語(yǔ)意屬性，判斷在不為語(yǔ)意標(biāo)簽的詞語(yǔ)中是否包括情緒特征詞，以結(jié)合情緒特征詞 與其對(duì)應(yīng)的韻律屬性為一特征集合，而將特征集合記錄至語(yǔ)意韻律記錄。據(jù)此，便可依據(jù)自 動(dòng)探勘而得的情緒規(guī)則，將語(yǔ)意韻律記錄轉(zhuǎn)換為語(yǔ)意韻律向量，以借由語(yǔ)意韻律向量在空 間中的關(guān)系來(lái)訓(xùn)練情緒語(yǔ)意模型。 而在建立情緒語(yǔ)意模組之后，便可開始進(jìn)行語(yǔ)音情緒的辨識(shí)。以下再舉一例來(lái)說(shuō) 明。 圖2是依照本發(fā)明第一實(shí)施例所繪示的語(yǔ)音情緒的分類方法流程圖。請(qǐng)參照?qǐng)D2， 在步驟S205中，接收一待測(cè)語(yǔ)音信號(hào)。在接收到待測(cè)語(yǔ)音信號(hào)之后，便將待測(cè)語(yǔ)音信號(hào)轉(zhuǎn) 換為文句，并將此文句切割為多個(gè)待測(cè)詞語(yǔ)。 接著，如步驟S210所示，自詞匯知識(shí)庫(kù)中查詢這些待測(cè)詞語(yǔ)的語(yǔ)意屬性并且自待 測(cè)語(yǔ)音信號(hào)來(lái)擷取這些待測(cè)詞語(yǔ)的韻律屬性。 之后，在步驟S215中，將各待測(cè)詞語(yǔ)的語(yǔ)意屬性與韻律屬性，代入情緒語(yǔ)意模型，
以獲得情緒語(yǔ)意分?jǐn)?shù)。由于情緒語(yǔ)意模型已經(jīng)建立，在此將語(yǔ)意屬性及韻律屬性代入情緒
語(yǔ)意模型，便可獲得此待測(cè)語(yǔ)音信號(hào)在各情緒類別中所代表的情緒語(yǔ)意分?jǐn)?shù)。 最后，在步驟S220中，依據(jù)情緒語(yǔ)意分?jǐn)?shù)，判斷待測(cè)語(yǔ)音信號(hào)的情緒類別。 一般而
言，情緒語(yǔ)意分?jǐn)?shù)越高者通常是代表最后的分類結(jié)果。倘若快樂(lè)情緒類別的情緒語(yǔ)意分?jǐn)?shù)
為最高，即代表此待測(cè)語(yǔ)音信號(hào)屬于快樂(lè)情緒類別。 上述詞匯知識(shí)庫(kù)例如為知網(wǎng)(Hownet)。知網(wǎng)是一個(gè)以漢語(yǔ)和英語(yǔ)的詞語(yǔ)所代表的 概念為描述物件，并且揭示概念與概念之間所具有的屬性之間的關(guān)系。以下便以知網(wǎng)為例， 再舉一實(shí)施例來(lái)詳細(xì)說(shuō)明建立情緒語(yǔ)意模型的各步驟。
第二實(shí)施例 圖3是依照本發(fā)明第二實(shí)施例所繪示的情緒語(yǔ)意模型的建立方法流程圖。請(qǐng)參照 圖3，在步驟S310中，首先，查詢知網(wǎng)301來(lái)擷取文句中各詞語(yǔ)的語(yǔ)意屬性。在知網(wǎng)301中 記錄了多個(gè)詞語(yǔ)的概念以及這些詞語(yǔ)之間的關(guān)系。 以下列舉一例來(lái)說(shuō)明知網(wǎng)的概念記錄形式。圖4是依照本發(fā)明第二實(shí)施例所繪示 的知網(wǎng)概念記錄形式的示意圖。請(qǐng)參照?qǐng)D4，在知網(wǎng)中，每一個(gè)詞語(yǔ)是由其概念與描述形成 一筆記錄。而每一筆記錄主要包括功能變量名稱(包括詞語(yǔ)、詞詞語(yǔ)性、詞語(yǔ)例子以及概念
8定義)與資料。以"w—c二打"為例，其中"打"為資料，而"打"的功能變量名稱為"wj:"，也 就是說(shuō)"打"為一個(gè)詞語(yǔ)。而以"g_c = v"為例，其中"v"為資料，而"v"的功能變量名稱
為"G_C"，也就是說(shuō)"V"為一個(gè)詞詞語(yǔ)性。其余以此類推。 返回圖3，接著，在步驟S315中，查詢語(yǔ)意標(biāo)簽資庫(kù)302，以判斷語(yǔ)意屬性是否屬于 語(yǔ)意標(biāo)簽。在此，語(yǔ)意標(biāo)簽是借由知網(wǎng)301當(dāng)中所定義的語(yǔ)意屬性而訂定。以下再舉一例 來(lái)說(shuō)明語(yǔ)意標(biāo)簽的定義方法各步驟。 圖5是依照本發(fā)明第二實(shí)施例所繪示的語(yǔ)意標(biāo)簽的定義方法流程圖。請(qǐng)參照?qǐng)D5， 在步驟S505中，先訂定基本引發(fā)的情緒因素。例如，參考情緒心理學(xué)以了解人類在什么情 境或狀況之下，會(huì)引發(fā)情緒的產(chǎn)生。在整理歸納出引發(fā)情緒的基本情緒因素后，分析這些基 本情緒因素所隱含的主要語(yǔ)意。 舉例來(lái)說(shuō)，圖6是依照本發(fā)明第二實(shí)施例所繪示的基本情緒因素的示意圖。圖6 所示即為歸納所得的基本情緒因素。在此，分別為快樂(lè)情緒因素、生氣情緒因素以及悲傷情 緒因素。 經(jīng)由對(duì)基本情緒因素的觀察，可以發(fā)現(xiàn)這些基本情緒因素之中，均會(huì)有某些特定
語(yǔ)意的表現(xiàn)。例如得到某種好處、解除某種壓力、失去某種好處等等。在上述語(yǔ)意表現(xiàn)中，
例如將"得到"、"解除"、"失去"等動(dòng)作描述部分稱為"動(dòng)作語(yǔ)意詞"，而將附屬于動(dòng)作語(yǔ)意詞
而形成完整語(yǔ)意的部分稱為"附屬動(dòng)作語(yǔ)意詞"，如某種好處、壓力、目標(biāo)等。 回到圖5，為了由語(yǔ)音信號(hào)所辨識(shí)出來(lái)文句中正確擷取出語(yǔ)意屬性，之后便如步驟
S510，利用基本情緒規(guī)則與知網(wǎng)來(lái)定義出語(yǔ)意標(biāo)簽。 舉例來(lái)說(shuō)，圖7是依照本發(fā)明第二實(shí)施例所繪示的語(yǔ)意標(biāo)簽的示意圖。在此，語(yǔ)意 標(biāo)簽包括特定語(yǔ)意標(biāo)簽、否定語(yǔ)意標(biāo)簽以及轉(zhuǎn)折語(yǔ)意標(biāo)簽。其中，特定語(yǔ)意標(biāo)簽是用來(lái)表達(dá) 特定語(yǔ)意的詞語(yǔ)，否定語(yǔ)意標(biāo)簽具有否定意味的詞語(yǔ)，而轉(zhuǎn)折語(yǔ)意標(biāo)簽則具有語(yǔ)氣轉(zhuǎn)折的 詞語(yǔ)。 在此，便根據(jù)知網(wǎng)中的動(dòng)詞，選取出其中具有表達(dá)特定語(yǔ)意的語(yǔ)意屬性，再將這些 語(yǔ)意屬性分為15類，成為15個(gè)特定語(yǔ)意標(biāo)簽的定義。 以語(yǔ)意標(biāo)簽[達(dá)成]為例，在知網(wǎng)中具有"Vachievel達(dá)成"、"fulful1實(shí)現(xiàn)"、 "end|終結(jié)"、"finishl完畢"、"succeed |成功"屬性的詞語(yǔ)將會(huì)被歸類到[達(dá)成]此一語(yǔ) 意標(biāo)簽。例如，"查出"與"猜到"兩個(gè)詞語(yǔ)在知網(wǎng)中的記錄為"DEF = Vachievel達(dá)成"，因 此，上述兩個(gè)詞語(yǔ)將會(huì)被歸類至[達(dá)成]這個(gè)語(yǔ)意標(biāo)簽。 否定語(yǔ)意標(biāo)簽的定義是將知網(wǎng)里所有詞語(yǔ)的定義中具有特征"negl負(fù)否"的詞語(yǔ) 全部直接擷取，而成為否定語(yǔ)意標(biāo)簽的定義。 轉(zhuǎn)折語(yǔ)意標(biāo)簽的定義則是觀察知網(wǎng)中所有副詞與連接詞，將具有轉(zhuǎn)折語(yǔ)氣的詞語(yǔ) 擷取成為轉(zhuǎn)折語(yǔ)意標(biāo)簽的定義。此外，再根據(jù)轉(zhuǎn)折語(yǔ)的特性，將轉(zhuǎn)折語(yǔ)意標(biāo)簽分為二種，一 為[轉(zhuǎn)折-擷取]，另一為[轉(zhuǎn)折-省略]。 在語(yǔ)意標(biāo)簽定義完成之后，便可利用其來(lái)對(duì)語(yǔ)音情緒進(jìn)行分類。
返回圖3，在步驟S315中，當(dāng)詞語(yǔ)的語(yǔ)意屬性符合語(yǔ)意標(biāo)簽時(shí)，如步驟S320所示， 標(biāo)示對(duì)應(yīng)的語(yǔ)意標(biāo)簽。之后，如步驟S325所示，查詢韻律屬性資料庫(kù)303以將語(yǔ)意標(biāo)簽擴(kuò)充 為語(yǔ)意韻律標(biāo)簽。據(jù)此，可經(jīng)由韻律屬性來(lái)加強(qiáng)各情緒類別的情緒特征。接著，在步驟S340 中，將語(yǔ)意韻律標(biāo)簽記錄至此文句所對(duì)應(yīng)的一語(yǔ)意韻律記錄中。
舉例來(lái)說(shuō)，在將語(yǔ)音信號(hào)轉(zhuǎn)換為文句并進(jìn)行斷詞之后，可依據(jù)各個(gè)詞語(yǔ)在語(yǔ)音信 號(hào)中的音段，擷取出此一音段的韻律屬性，并記錄至韻律屬性資料庫(kù)303。在此，韻律屬性包 括音高、能量以及音長(zhǎng)。而每一種韻律屬性可分別量化成三個(gè)程度來(lái)表示，音高與能量以高 (H)、中(M)、低(L)來(lái)表示，而音長(zhǎng)則以長(zhǎng)(L)、中(M)、短(S)來(lái)表示。 返回步驟S315，當(dāng)詞語(yǔ)的語(yǔ)意屬性不符合語(yǔ)意標(biāo)簽，如步驟S330所示，自這些詞 語(yǔ)中取情緒特征詞。之后，如步驟S335所示，將這些情緒特征詞結(jié)合對(duì)應(yīng)的韻律屬性而成 為一特征集合。接著，在步驟S340中，將特征集合記錄至此文句所對(duì)應(yīng)的一語(yǔ)意韻律記錄 中。 也就是說(shuō)，除了已經(jīng)被標(biāo)上語(yǔ)意標(biāo)簽的詞與之外在，其他未被標(biāo)上語(yǔ)意標(biāo)簽的詞 語(yǔ)(例如，形容詞或名詞)中，取其在知網(wǎng)301中的情緒特征詞，并將此情緒特征詞加入至 語(yǔ)意韻律記錄之中，如此一來(lái)才算是一個(gè)完整文句的語(yǔ)意特征。 舉例來(lái)說(shuō)，假設(shè)語(yǔ)音信號(hào)轉(zhuǎn)換的文句為，"都快沒(méi)錢過(guò)日子了 ，還好今天拿到一點(diǎn) 錢了"。在經(jīng)過(guò)上述步驟S310 S325之后，獲得"沒(méi)"的語(yǔ)意韻律標(biāo)簽為[否定—PM—El DS]，"還好"的語(yǔ)意韻律標(biāo)簽為[轉(zhuǎn)折_擷取_PL_EM_DL]，"拿到"的語(yǔ)意韻律標(biāo)簽為[得 到_PH_EH_DM]，而其他詞語(yǔ)則無(wú)任何語(yǔ)意標(biāo)簽。 接著，在其他未標(biāo)示語(yǔ)意標(biāo)簽的詞語(yǔ)中，依據(jù)其語(yǔ)意屬性來(lái)找出情緒特征詞。在經(jīng) 過(guò)上述步驟S330 S335之后，獲得"錢"的特征集合為[wealth |錢財(cái)_PH_EM_DS]，而"一 點(diǎn)"的特征集合為[few|少—Pl^EiLDM]。 據(jù)此，所獲得的語(yǔ)意韻律記錄則為{[否定_PM_EH_DS]、[轉(zhuǎn)折_擷取_PL_EM_DL]、 [得到_PH_EH_DM] 、 [few |少_PL_EM_DM] 、 [wealth |錢財(cái)_PH_EM_DS]}。
值得注意的是，在本實(shí)施例中，僅擷取[轉(zhuǎn)折-擷取]之后的語(yǔ)意韻律標(biāo)簽，因此 最后得到的語(yǔ)意韻律記錄為{[得到_PH_EH_DM] 、 [few |少_PL_EM_DM] 、 [wealth |錢財(cái)—PH— EM—DS]}。 而辨識(shí)后的文句經(jīng)由語(yǔ)意屬性以及韻律屬性的擷取后，成為一筆語(yǔ)意韻律記錄。 之后，便運(yùn)用資料探勘的技術(shù)，從全部的語(yǔ)意韻律記錄中，自動(dòng)來(lái)探勘出情緒規(guī)則304。
由于語(yǔ)意韻律標(biāo)簽的標(biāo)示程序是以被標(biāo)示的語(yǔ)意韻律標(biāo)簽為中心，因此所要求的 情緒規(guī)則形態(tài)為T — D。其中，T代表語(yǔ)意韻律標(biāo)簽，例如[達(dá)成_PH_EM_DS]、[解除_PM_ EH_DM]等。而D為附屬于某個(gè)動(dòng)作的附屬語(yǔ)意詞，是利用知網(wǎng)301來(lái)擷取出主要的情緒特 征詞并結(jié)合韻律屬性而成為特征集合，如[symbol I符號(hào)_PM_EH_DM]。在此T與D可以是一 個(gè)或多個(gè)。據(jù)此，不論是T1'T2 — Dl或是T3 — D2'D3均有可能。 經(jīng)由資料探勘技術(shù)得到情緒規(guī)則304后，在步驟S345 S355中，利用情緒規(guī)則 304，將每一筆語(yǔ)意韻律記錄轉(zhuǎn)換為一語(yǔ)意韻律向量表示，其中每一條情緒規(guī)則代表向量空 間中的一個(gè)維度。 倘若中性情緒規(guī)則為R/， R/，. . . ， ，快樂(lè)情緒規(guī)則為R/1， R2H，. . . ， A;，生氣情 緒規(guī)則為R2a， ... ，A^ ，悲傷情緒規(guī)則為R/， R2S， ... ，。 則每 一 筆語(yǔ)意韻律記錄的語(yǔ)意韻律向量表示為 w =(《,vf,.."《v/7,《,…，《，vf,vf ，...《)。而此語(yǔ)意韻律向
10量則是在維度為rN+rH+rA+rs向量空間中的一個(gè)點(diǎn)。 在步驟S345中，依據(jù)情緒規(guī)則304，計(jì)算語(yǔ)意韻律記錄的語(yǔ)意分?jǐn)?shù)。詳細(xì)地說(shuō)，在 計(jì)分時(shí)，先檢查語(yǔ)意韻律記錄的T部分是否符合情緒規(guī)則304的T部分。倘若語(yǔ)意韻律記 錄的T部分符合情緒規(guī)則的T部分，才進(jìn)一步對(duì)D部分進(jìn)行檢查，以計(jì)算此維度分?jǐn)?shù)。
由于在知網(wǎng)301定義中，詞語(yǔ)具有階層關(guān)系，此階層關(guān)系是在語(yǔ)意韻律記錄與情 緒規(guī)則304之間二個(gè)情緒特征詞不一樣時(shí)，用來(lái)計(jì)算二個(gè)情緒特征詞的語(yǔ)意相似度。在知 網(wǎng)301中，若階層關(guān)系最深共分m層，階層愈深，其關(guān)系愈好，即語(yǔ)意愈相近。因此語(yǔ)意韻律 記錄與情緒規(guī)則304之間二個(gè)情緒特征詞Di， Dj的比對(duì)分?jǐn)?shù)為
V
1
附
1
if A ^ 其中，L(Di， Dj)為Di， Dj最大相同路徑長(zhǎng)，N(L(Di， D》)為最大相同路徑節(jié)點(diǎn)下的 子節(jié)點(diǎn)數(shù)，m為階層關(guān)系。 階層關(guān)系求得后，若語(yǔ)意韻律記錄中的情緒特征詞尚有一附加屬性存在，再依不 同的屬性關(guān)系再進(jìn)行運(yùn)算，如步驟S350所示，依據(jù)附加屬性權(quán)重表305來(lái)計(jì)算附加屬性的 計(jì)分。舉例來(lái)說(shuō)，圖8A是依照本發(fā)明第二實(shí)施例所繪示的附加屬性的示意圖。圖8B是依 照本發(fā)明第二實(shí)施例所繪示的附加屬性權(quán)重表的示意圖。在圖8A，以知網(wǎng)301為例，定義了 八種附加屬性。在圖8B中，依據(jù)各附加屬性之間的關(guān)系，給予各附加屬性一權(quán)重值。
返回圖4，接著，在步驟S355中，依據(jù)韻律屬性權(quán)重表306計(jì)算韻律屬性的計(jì)分。 舉例來(lái)說(shuō)，圖9是依照本發(fā)明第二實(shí)施例所繪示的韻律屬性權(quán)重表的示意圖。在圖9中，將 韻律屬性可分別量化成三個(gè)程度來(lái)表示，音高與能量以高(H)、中(M)、低(L)來(lái)表示，而音 長(zhǎng)則以長(zhǎng)(U、中(M)、短(S)來(lái)表示。依據(jù)量化的程度差距來(lái)給予一權(quán)重值。H與M兩者 程度較近，賦予的權(quán)重值為0. 5 ;而H與L兩者程度較遠(yuǎn)，賦予的權(quán)重值為0. 25 ;另外，M與 H兩者程度較近，所賦予的權(quán)重值亦為0.5。以此類推。 之后，在步驟S360中，根據(jù)上述步驟S345 S355來(lái)計(jì)算出語(yǔ)意韻律向量中的各 維度分?jǐn)?shù)。 舉例來(lái)說(shuō)，假設(shè)Di為[symbol |符號(hào)_PM_EH_DM] ， D」為[&language |語(yǔ)言_PH_EM_ DM]。 Di在知網(wǎng)的路徑為1. 1. 2. 5. 1. l，而Dj在知網(wǎng)的路徑為1. 1. 2. 5. 1， L(Di， D》為5， N(L(Di， Dj))為4，求得階層關(guān)系分?jǐn)?shù)Vp為5/28。附加屬性分?jǐn)?shù)、為0. 5。韻律屬性分?jǐn)?shù) vf為0. 5。最后求得在語(yǔ)意韻律向量中的一維度分?jǐn)?shù)為v = VpXVrXVf。
最后，在步驟S365中，在各情緒類別的語(yǔ)意韻律向量收集完成之后，便可以高斯 混合模型建構(gòu)出每一情緒類別的情緒語(yǔ)意模型。在情緒語(yǔ)意模型建構(gòu)完成之后，便可開始 進(jìn)行語(yǔ)音情緒的分類。以下再舉另一實(shí)施例來(lái)說(shuō)明。
第三實(shí)施例 圖10是依照本發(fā)明第三實(shí)施例所繪示的語(yǔ)音情緒分類方法的流程圖。請(qǐng)參照?qǐng)D 10，在本實(shí)施例中，接收到待測(cè)語(yǔ)音信號(hào)之后，可分別對(duì)待測(cè)語(yǔ)音信號(hào)進(jìn)行文字語(yǔ)意的分析 以及韻律特征的擷取。 在文字語(yǔ)意的分析上，首先如步驟S1010所示，利用一語(yǔ)音辨識(shí)的聲學(xué)模型
111001(例如HMM)將待測(cè)語(yǔ)音信號(hào)轉(zhuǎn)換為文句。接著，如步驟1015所示，利用語(yǔ)意標(biāo)簽資料 庫(kù)1002、韻律屬性資料庫(kù)1003以及情緒規(guī)則1004，將此文句轉(zhuǎn)換為語(yǔ)意韻律向量。
在此，步驟1015與前述第二實(shí)施例中的步驟S310 S360相同或相似，而語(yǔ)意標(biāo) 簽資料庫(kù)1002、韻律屬性資料庫(kù)1003以及情緒規(guī)則1004與前述第二實(shí)施例中的語(yǔ)意標(biāo)簽 資料庫(kù)302、韻律屬性資料庫(kù)303以及情緒規(guī)則304的建立方法亦相同或相似，故在此皆不 再贅述。 另一方面，在韻律特征的擷取上，首先如步驟S1020所示，在待測(cè)語(yǔ)音信號(hào)中，檢 測(cè)一情緒顯著音段。在待測(cè)語(yǔ)音信號(hào)中，為了避免非情緒音段影響了情緒辨識(shí)的準(zhǔn)確率，因 而可先檢測(cè)情緒顯著音段(Emotionally Salient Segment)，以針對(duì)顯著音段來(lái)擷取韻律 特征。所謂的情緒顯著音段是先計(jì)算出整個(gè)待測(cè)語(yǔ)音信號(hào)的音高軌跡(Pitch Contour)。 倘若音高軌跡中存在連續(xù)音段，則將此連續(xù)音段定義為情緒顯著音段。
接著，在步驟S1025中，基于情緒顯著音段來(lái)擷取韻律特征。韻律特征包括最大音 高值、最小音高值、平均音高值、音高變異數(shù)、最大能量值、最小能量值、平均能量值、能量變 異數(shù)、最大共振峰值、最小共振峰值、平均共振峰值、共振峰變異數(shù)，共計(jì)12個(gè)參數(shù)。將此12 個(gè)參數(shù)視為12維度的韻律向量。 最后在步驟S1030中，結(jié)合情緒語(yǔ)意模型1005與情緒韻律模型1006，并且根據(jù)貝 式定理來(lái)決定待測(cè)語(yǔ)音信號(hào)的情緒類別。詳細(xì)地說(shuō)，也就是將語(yǔ)意韻律向量代入情緒語(yǔ)意 模型1005而獲得情緒語(yǔ)意分?jǐn)?shù)，并將韻律向量代入情緒韻律模型1006而獲得情緒韻律分 數(shù)。之后，借由貝式定理所找出的事后機(jī)率最大的情緒類別，即為最后的辨識(shí)結(jié)果。
在此，情緒韻律模型1006例如亦是以高斯混合模型所建立。也就是將情緒語(yǔ)料庫(kù) 中的語(yǔ)音信號(hào)，分別擷取上述12個(gè)參數(shù)，以此12個(gè)參數(shù)作為韻律向量來(lái)訓(xùn)練此情緒韻律模 型1006。 綜上所述，在上述實(shí)施例中，分析各詞語(yǔ)的語(yǔ)意屬性，并進(jìn)一步結(jié)合韻律屬性，據(jù) 以提高情緒分類的正確率。此外，更可僅針對(duì)語(yǔ)音信號(hào)中的情緒顯著音段進(jìn)行分析，以避免 非情緒的音段影響了情緒分類的正確率。 雖然本發(fā)明已以較佳實(shí)施例揭示如上，然其并非用以限定本發(fā)明，任何本領(lǐng)域技 術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作些許的修改和完善，因此本發(fā)明的保護(hù)范 圍當(dāng)以權(quán)利要求書所界定的為準(zhǔn)。
權(quán)利要求
一種情緒語(yǔ)意模型的建立方法，包括提供一情緒語(yǔ)料庫(kù)，其包括分屬于多個(gè)情緒類別的多個(gè)語(yǔ)音信號(hào)；分別擷取該些語(yǔ)音信號(hào)中的多個(gè)詞語(yǔ)各自的一語(yǔ)意屬性與一韻律屬性，其中該語(yǔ)意屬性是依據(jù)一詞匯知識(shí)庫(kù)而獲得，該韻律屬性是由各該些語(yǔ)音信號(hào)所取得；以及借由該些語(yǔ)音信號(hào)各自的該語(yǔ)意屬性與該韻律屬性，建立該情緒語(yǔ)意模型。
2. 如權(quán)利要求1所述的情緒語(yǔ)意模型的建立方法，其特征在于，借由該些語(yǔ)音信號(hào)各 自的該語(yǔ)意屬性與該韻律屬性，建立該情緒語(yǔ)意模型的步驟，包括依據(jù)該語(yǔ)意屬性與該韻律屬性，分別轉(zhuǎn)換各該些語(yǔ)音信號(hào)為一語(yǔ)意韻律向量，以借由 該些語(yǔ)音信號(hào)各自的該語(yǔ)意韻律向量，建立該情緒語(yǔ)意模型。
3. 如權(quán)利要求2所述的情緒語(yǔ)意模型的建立方法，其特征在于，借由該些語(yǔ)音信號(hào)各 自的該語(yǔ)意韻律向量，建立該情緒語(yǔ)意模型的步驟，包括將該些語(yǔ)音信號(hào)各自的該語(yǔ)意韻律向量代入一高斯混合模型，以建立該情緒語(yǔ)意模型。
4. 如權(quán)利要求2所述的情緒語(yǔ)意模型的建立方法，其特征在于，依據(jù)該語(yǔ)意屬性與該 韻律屬性，分別轉(zhuǎn)換各該些語(yǔ)音信號(hào)為該語(yǔ)意韻律向量的步驟，包括依據(jù)該些詞語(yǔ)各自的該語(yǔ)意屬性與該韻律屬性，獲得一語(yǔ)意韻律記錄； 借由該語(yǔ)意韻律記錄，探勘一情緒規(guī)則；以及 依據(jù)該情緒規(guī)則，將該語(yǔ)意韻律記錄轉(zhuǎn)換為該語(yǔ)意韻律向量。
5. 如權(quán)利要求4所述的情緒語(yǔ)意模型的建立方法，其特征在于，依據(jù)該些詞語(yǔ)各自的 該語(yǔ)意屬性與該韻律屬性，獲得該語(yǔ)意韻律記錄的步驟，包括依據(jù)該語(yǔ)意屬性，判斷各該些詞語(yǔ)是否屬于一語(yǔ)意標(biāo)簽，其中該語(yǔ)意標(biāo)簽是依據(jù)該詞 匯知識(shí)庫(kù)所定義而得；以及當(dāng)該些詞語(yǔ)其中之一屬于該語(yǔ)意標(biāo)簽時(shí)，結(jié)合該語(yǔ)意標(biāo)簽與其所對(duì)應(yīng)的該韻律屬性為 一語(yǔ)意韻律標(biāo)簽，以將該語(yǔ)意韻律標(biāo)簽記錄至該語(yǔ)意韻律記錄。
6. 如權(quán)利要求5所述的情緒語(yǔ)意模型的建立方法，其特征在于，更包括 依據(jù)一基本情緒因素以及該詞匯知識(shí)庫(kù)，訂定該語(yǔ)意標(biāo)簽，其中該語(yǔ)意標(biāo)簽包括一特定語(yǔ)意標(biāo)簽、一否定語(yǔ)意標(biāo)簽與一轉(zhuǎn)折語(yǔ)意標(biāo)簽。
7. 如權(quán)利要求5所述的情緒語(yǔ)意模型的建立方法，其特征在于，依據(jù)該些詞語(yǔ)各自的 該語(yǔ)意屬性與該韻律屬性，獲得該語(yǔ)意韻律記錄的步驟，更包括依據(jù)該語(yǔ)意屬性，判斷在不屬于該語(yǔ)意標(biāo)簽的該些詞語(yǔ)中是否包括一情緒特征詞，以 結(jié)合該情緒特征詞與其對(duì)應(yīng)的該韻律屬性為一特征集合，而將該特征集合記錄至該語(yǔ)意韻 律記錄。
8. 如權(quán)利要求7所述的情緒語(yǔ)意模型的建立方法，其特征在于，依據(jù)該情緒規(guī)則，將該語(yǔ)意韻律記錄轉(zhuǎn)換為該語(yǔ)意韻律向量的步驟，包括依據(jù)該情緒規(guī)則，計(jì)算該語(yǔ)意韻律記錄中的情緒特征詞的一語(yǔ)意分?jǐn)?shù)以及一韻律分 數(shù)；以及依據(jù)該語(yǔ)意分?jǐn)?shù)以及該韻律分?jǐn)?shù)，分別獲得該些語(yǔ)音信號(hào)各自的該語(yǔ)意韻律記錄在 該語(yǔ)意韻律向量中的一維度分?jǐn)?shù)，而該語(yǔ)意韻律向量的維度是依據(jù)該情緒規(guī)則的數(shù)量而決 定。
9. 如權(quán)利要求1所述的情緒語(yǔ)意模型的建立方法，其特征在于，在分別擷取該些語(yǔ)音 信號(hào)中的該些詞語(yǔ)各自的該語(yǔ)意屬性與該韻律屬性的步驟之前，更包括轉(zhuǎn)換各該些語(yǔ)音信號(hào)為一文句；以及 對(duì)該文句進(jìn)行斷詞處理，而獲得該些詞語(yǔ)。
10. 如權(quán)利要求1所述的情緒語(yǔ)意模型的建立方法，其特征在于，該詞匯知識(shí)庫(kù)為知網(wǎng)。
11. 如權(quán)利要求1所述的情緒語(yǔ)意模型的建立方法，其特征在于，該韻律屬性包括音 高、能量以及音長(zhǎng)。
12. —種語(yǔ)音情緒的分類方法，包括依據(jù)多個(gè)語(yǔ)音信號(hào)中的多個(gè)測(cè)試詞語(yǔ)各自所包括的一語(yǔ)意屬性以及一韻律屬性，建立 一情緒語(yǔ)意模型，其中該語(yǔ)意屬性是依據(jù)一詞匯知識(shí)庫(kù)而獲得，該韻律屬性是由各該些語(yǔ) 音信號(hào)所取得；接收一待測(cè)語(yǔ)音信號(hào)；擷取該待測(cè)語(yǔ)音信號(hào)中的多個(gè)待測(cè)詞語(yǔ)各自的該語(yǔ)意屬性與該韻律屬性； 將該些待測(cè)詞語(yǔ)各自的該語(yǔ)意屬性與該韻律屬性，代入該情緒語(yǔ)意模型，以獲得一情 緒語(yǔ)意分?jǐn)?shù)；以及依據(jù)該情緒語(yǔ)意分?jǐn)?shù)，判斷該待測(cè)語(yǔ)音信號(hào)的情緒類別。
13. 如權(quán)利要求12所述的語(yǔ)音情緒的分類方法，其特征在于，更包括 在該待測(cè)語(yǔ)音信號(hào)中，檢測(cè)一情緒顯著音段； 擷取該情緒顯著音段的多個(gè)韻律特征；將該些韻律特征代入一情緒韻律模型，以獲得一情緒韻律分?jǐn)?shù)。
14. 如權(quán)利要求13所述的語(yǔ)音情緒的分類方法，其特征在于，依據(jù)該情緒語(yǔ)意分?jǐn)?shù)，判 斷該待測(cè)語(yǔ)音信號(hào)的情緒類別的步驟，更包括依據(jù)該情緒語(yǔ)意分?jǐn)?shù)與該情緒韻律分?jǐn)?shù)，判斷該待測(cè)語(yǔ)音信號(hào)的情緒類別。
15. 如權(quán)利要求13所述的語(yǔ)音情緒的分類方法，其特征在于，在該待測(cè)語(yǔ)音信號(hào)中，檢 測(cè)該情緒顯著音段的步驟，包括擷取該待測(cè)語(yǔ)音信號(hào)的一音高軌跡；以及檢測(cè)該音高軌跡中的連續(xù)音段，以將該音高軌跡中的連續(xù)音段作為該情緒顯著音段。
16. 如權(quán)利要求12所述的語(yǔ)音情緒的分類方法，其特征在于，將該些待測(cè)詞語(yǔ)各自的 該語(yǔ)意屬性與該韻律屬性，代入該情緒語(yǔ)意模型的步驟，包括依據(jù)該語(yǔ)意屬性與該韻律屬性，轉(zhuǎn)換該待測(cè)語(yǔ)音信號(hào)為一語(yǔ)意韻律向量；以及 將該語(yǔ)意韻律向量代入該情緒語(yǔ)意模型。
17. 如權(quán)利要求16所述的語(yǔ)音情緒的分類方法，其特征在于，依據(jù)該語(yǔ)意屬性與該韻 律屬性，轉(zhuǎn)換該待測(cè)語(yǔ)音信號(hào)為該語(yǔ)意韻律向量的步驟，包括依據(jù)該些待測(cè)詞語(yǔ)各自的該語(yǔ)意屬性與該韻律屬性，獲得一語(yǔ)意韻律記錄；以及 依據(jù)一情緒規(guī)則，將該語(yǔ)意韻律記錄轉(zhuǎn)換為該語(yǔ)意韻律向量。
18. 如權(quán)利要求17所述的語(yǔ)音情緒的分類方法，其特征在于，依據(jù)該些待測(cè)詞語(yǔ)各自 的該語(yǔ)意屬性與該韻律屬性，獲得該語(yǔ)意韻律記錄的步驟，包括依據(jù)該語(yǔ)意屬性，判斷各該些待測(cè)詞語(yǔ)是否屬于一語(yǔ)意標(biāo)簽，其中該語(yǔ)意標(biāo)簽是依據(jù)該詞匯知識(shí)庫(kù)所定義而得；當(dāng)該些待測(cè)詞語(yǔ)其中之一屬于該語(yǔ)意標(biāo)簽時(shí)，結(jié)合該語(yǔ)意標(biāo)簽與其所對(duì)應(yīng)的該韻律屬性為一語(yǔ)意韻律標(biāo)簽，以將該語(yǔ)意韻律標(biāo)簽記錄至該語(yǔ)意韻律記錄；以及依據(jù)該語(yǔ)意屬性，判斷在不屬于該語(yǔ)意標(biāo)簽的該些待測(cè)詞語(yǔ)中是否為一情緒特征詞，以結(jié)合該情緒特征詞與其對(duì)應(yīng)的該韻律屬性為一特征集合，而將該特征集合記錄至該語(yǔ)意韻律記錄。
19. 如權(quán)利要求18所述的語(yǔ)音情緒的分類方法，其特征在于，該語(yǔ)意標(biāo)簽包括一特定語(yǔ)意標(biāo)簽、一否定語(yǔ)意標(biāo)簽與一轉(zhuǎn)折語(yǔ)意標(biāo)簽。
20. 如權(quán)利要求18所述的語(yǔ)音情緒的分類方法，其特征在于，依據(jù)該情緒規(guī)則，將該語(yǔ)意韻律記錄轉(zhuǎn)換為該語(yǔ)意韻律向量的步驟，包括依據(jù)該情緒規(guī)則，計(jì)算該語(yǔ)意韻律記錄中的情緒特征詞的一語(yǔ)意分?jǐn)?shù)以及一韻律分?jǐn)?shù)；以及依據(jù)該語(yǔ)意分?jǐn)?shù)以及該韻律分?jǐn)?shù)，獲得該語(yǔ)意韻律記錄在該語(yǔ)意韻律向量中的一維度分?jǐn)?shù)，而該語(yǔ)意韻律向量的維度是依據(jù)該情緒規(guī)則的數(shù)量而決定。
21. 如權(quán)利要求12所述的語(yǔ)音情緒的分類方法，其特征在于，建立該情緒語(yǔ)意模型的步驟，包括依據(jù)一高斯混合模型，建立該情緒語(yǔ)意模型。
22. 如權(quán)利要求12所述的語(yǔ)音情緒的分類方法，其特征在于，在擷取該待測(cè)語(yǔ)音信號(hào)中的該些待測(cè)詞語(yǔ)各自的該語(yǔ)意屬性與該韻律屬性的步驟之前，更包括轉(zhuǎn)換該待測(cè)語(yǔ)音信號(hào)為一文句；以及對(duì)該文句進(jìn)行斷詞處理，而獲得該些待測(cè)詞語(yǔ)。
23. 如權(quán)利要求12所述的語(yǔ)音情緒的分類方法，其特征在于，該詞匯知識(shí)庫(kù)為知網(wǎng)。
24. 如權(quán)利要求12所述的語(yǔ)音情緒的分類方法，其特征在于，該韻律屬性包括音高、能量以及音長(zhǎng)。
全文摘要
揭示一種語(yǔ)音情緒的分類方法及其情緒語(yǔ)意模型的建立方法。首先，借由一情緒語(yǔ)料庫(kù)的語(yǔ)音信號(hào)所包括的語(yǔ)意屬性以及韻律屬性，建立一情緒語(yǔ)意模型。接著，擷取待測(cè)語(yǔ)音信號(hào)中的各待測(cè)詞語(yǔ)的語(yǔ)意屬性與韻律屬性。之后，將各待測(cè)詞語(yǔ)的語(yǔ)意屬性與韻律屬性，輸入上述情緒語(yǔ)意模型，借此來(lái)將待測(cè)語(yǔ)音信號(hào)分類至對(duì)應(yīng)的情緒類別。如此一來(lái)，經(jīng)由韻律屬性來(lái)加強(qiáng)各情緒類別的情緒特征，將可提高情緒分類的正確率。
文檔編號(hào)G10L15/00GK101751923SQ20081017949
公開日2010年6月23日 申請(qǐng)日期2008年12月3日 優(yōu)先權(quán)日2008年12月3日
發(fā)明者吳宗憲, 朱家德, 李偉銓, 林瑞堂, 許進(jìn)順 申請(qǐng)人:財(cái)團(tuán)法人資訊工業(yè)策進(jìn)會(huì)