技术特征:
1.一种基于声音特征和语音识别的问答意图判断方法,其特征在于,包括:提取出问题答复者所对应的答复语音中的语音特征参数;将所述语音特征参数作为预先训练的神经网络模型的输入进行运算,得到与所述答复语音对应的情绪特征参数;提取出所述答复语音中的关键词的词频,得到与所述答复语音对应的词频特征参数;将所述神经网络模型的输出作为预先训练的bert模型的输入进行运算,得到与所述答复语音对应的语义特征参数;基于所述情绪特征参数、所述词频特征参数和所述语义特征参数确定出所述问题答复者的答复意图,所述答复意图表征所述问题答复者在答复问题时处于积极或消极状态。2.根据权利要求1所述的方法,其特征在于,所述答复语音为多个,所述方法还包括:将所述问题答复者与提问者对话的对话语音分割成多个语音短句;通过语音识别技术将所述多个语音短句转换为文本,得到与所述多个语音短句一一对应的多个目标文本;从所述多个目标文本提取出与所述问题答复者对应的多个答复文本;将与所述多个答复文本对应的多个语音短句作为所述问题答复者所对应的多个答复语音。3.根据权利要求2所述的方法,其特征在于,所述提取出问题答复者所对应答复语音中的语音特征参数,包括:从所述问题答复者所对应的多个答复语音中提取出与所述多个答复语音一一对应的多个语音特征参数;所述将所述语音特征参数作为预先训练的神经网络模型的输入进行运算,得到与所述答复语音对应的情绪特征参数,包括:将所述多个语音特征参数分别作为预先训练的神经网络模型的输入进行运算,得到与所述多个答复语音一一对应的多个情绪特征参数;所述提取出所述答复语音中的关键词的词频,得到与所述答复语音对应的词频特征参数,包括:提取出所述多个答复语音中的关键词的词频,得到与所述多个答复语音一一对应的多个词频特征参数;所述将所述神经网络模型的输出作为预先训练的bert模型的输入进行运算,得到与所述答复语音对应的语义特征参数,包括:将所述多个情绪特征参数分别作为预先训练的bert模型的输入进行运算,得到与所述多个答复语音一一对应的多个语义特征参数;所述基于所述情绪特征参数、所述词频特征参数和所述语义特征参数确定出所述问题答复者的答复意图,包括:基于所述多个情绪特征参数、所述多个词频特征参数和所述多个语义特征参数,确定出所述问题答复者的答复意图。4.根据权利要求3所述的方法,其特征在于,所述基于所述多个情绪特征参数、所述多个词频特征参数和所述多个语义特征参数,确定出所述问题答复者的答复意图,包括:将对应同一答复语音的情绪特征参数、词频特征参数和语义特征参数进行融合,得到
与所述多个答复语音一一对应的多个目标特征参数;通过支持向量机算法或极端梯度提升算法对所述多个目标特征参数进行分类,得到所述答复意图。5.根据权利要求2所述的方法,其特征在于,所述将所述问题答复者与提问者对话的对话语音分割成多个语音短句,包括:基于贝叶斯信息准则或通过逐帧计算语音能量将所述对话语音分割成多个语音短句。6.根据权利要求2所述的方法,其特征在于,所述从所述多个目标文本提取出与所述问题答复者对应的多个答复文本,包括:通过隐马尔可夫模型或文本分类算法textcnn将所述多个目标文本进行分类,得到与所述问题答复者对应的多个答复文本。7.根据权利要求1所述的方法,其特征在于,所述语音特征参数包括共振峰频率、基音周期、低水平特征、过零率和音频能量中的至少一种。
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。