语音问答方法、装置、电子设备及可读存储介质与流程

本发明涉及语音交互领域，尤其涉及一种语音问答方法、装置、电子设备及可读存储介质。

背景技术：

随着人工智能的发展，机器人发挥着越来越重要的作用，如当前很多公司通过机器客服，采用预设的语音问答方法与客户进行语音问答，大大的提高了效率。

但是，目前的语音问答方法，外呼的机器客服无法感知用户的情绪，不能针对客户的不同情绪下的诉求不能准确的匹配对应情绪的答案语音以及时安抚用户的情绪，，因此，语音问答的准确率较低。

技术实现要素：

本发明提供一种语音问答方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高语音问答的准确率。

为实现上述目的，本发明提供的一种语音问答方法，包括：

对问题语音进行语音筛选，得到目标语音；

对所述目标语音进行文本识别处理，得到目标文本；

利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别，得到文本情绪识别结果；

对所述目标语音进行语音情绪识别，得到语音情绪识别结果；

利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果；

对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，得到目标情绪识别结果；

根据所述意图识别结果及所述目标情绪识别结果进行答案语音匹配，得到所述问题语音的答案语音。

可选地，所述对问题语音进行语音筛选，得到目标语音，包括：

对所述问题语音进行预处理，得到标准语音；

对所述标准语音进行分段切分，得到多个语音片段；

将每个所述语音片段按照时间进行顺序进行标记，得到每个所述语音片段对应的初始语音片段；

对每个所述初始语音片段进行静音抑制，得到每个所述初始语音片段对应的标准语音片段；

汇总所有全部所述标准语音片段，得到所述目标语音。可选地，所述对所述问题语音进行预处理，得到标准语音，包括：

利用预设的降噪算法对所述问题语音进行噪声过滤处理，得到降噪语音；

对所述降噪语音进行预加重操作，得到所述标准语音。

可选地，所述对所述目标语音进行文本识别处理，得到目标文本，包括：

将所述目标语音中的每个所述标准语音片段转换成文本，得到每个所述标准语音片段对应的初始文本；

对所述初始文本进行文本纠错处理，得到标准文本；

汇总所有全部所述标准文本，得到所述目标文本。可选地，所述利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别之前，所述方法还包括：

构建初始文本情绪识别模型；

获取历史文本集，对所述历史文本集进行情绪标签标记，得到训练集；

利用所述训练集对所述初始文本情绪识别模型进行迭代训练，得到所述文本情绪识别模型。

可选地，所述利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果，包括：

对所述目标文本进行指代消解，得到指代消解文本；

利用所述意图识别模型对所述目标文本进行意图识别，得到意图识别结果。

可选地，所述对所述目标语音进行语音情绪识别，得到语音情绪识别结果，包括：

对所述目标语音进行声音特征提取，得到目标声音特征；

利用预构建的情绪识别模型对所述目标声音特征进行情绪识别，得到语音情绪识别结果。

为了解决上述问题，本发明还提供一种语音问答装置，所述装置包括：

信息获取模块，用于获取文件信息；

关联计算模块，用于提取所述文件信息中的语音问答信息，利用所述语音问答信息进行关联计算，得到文件关联值集；根据所述文件关联值集划分所述语音问答信息中对应文件的关联关系，得到文件关联关系集；

语音问答模块，用于响应语音问答请求，根据所述语音问答请求确定待访问文件，利用所述文件关联关系集对所述待访问文件进行访问。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个计算机程序；及

处理器，执行所述存储器中存储的计算机程序以实现上述所述的语音问答方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的语音问答方法。

本发明实施例对问题语音进行语音筛选，得到目标语音；对所述目标语音进行文本识别处理，得到目标文本；利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别，得到文本情绪识别结果；对所述目标语音进行语音情绪识别，得到语音情绪识别结果；利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果；对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，得到目标情绪识别结果，根据多维度的情绪识别结果进行综合判断，提升情绪识别的准确性；根据所述意图识别结果及所述目标情绪识别结果进行答案语音匹配，得到所述问题语音的答案语音，根据用户的情绪匹配及意图识别结果对应的话术的答案语音，而不是单一的根据意图识别结果进行机械的答案语音匹配，通过多维的角度进行匹配，匹配的准确率更高。因此，本发明实施例提出的语音问答方法、装置、电子设备及计算机可读存储介质提高了语音问答的准确率。

附图说明

图1为本发明一实施例提供的语音问答方法的流程示意图；

图2为本发明一实施例提供的语音问答方法中得到文本情绪识别模型的流程示意图；

图3为本发明一实施例提供的语音问答装置的模块示意图；

图4为本发明一实施例提供的实现语音问答方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种语音问答方法。所述语音问答方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述语音问答方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示的本发明一实施例提供的语音问答方法的流程示意图，在本发明实施例中，所述语音问答方法包括：

s1、对问题语音进行语音筛选，得到目标语音；

本发明实施例中，所述问题语音为用户的电话语音，进一步地为了过滤所述问题语音中的无用信息，对所述问题语音进行语音筛选，得到所述目标语音。

为了更好的对所述问题语音进行语音筛选，需要先对所述问题语音进行预处理，以去除所述问题语音中的噪音部分，增强问题语音中的部分，得到标准语音，使得筛选的信息更加准确。

详细地，本发明实施例中为了去除所述问题语音中的噪声，利用预设的降噪算法对所述问题语音进行噪声过滤处理，得到降噪语音；较佳地，本发明实施例中所述降噪算法为lms算法；进一步地，为了保证后续信息获取的准确性，突出降噪语音中的人声，因此，对所述降噪语音进行预加重处理，增加所述降噪语音中的人声部分，得到所述标准语音。

具体地，本发明实施例可以通过函数y(t)＝x()-μx(-1)执行所述预加重操作，其中，x(t)为降噪语音，t为时间，y(t)为所述标准语音，μ为所述预加重操作的调节值，本发明实施例中，所述μ的取值范围为[0.9,1.0]。

综上所述，本发明实施例中，对所述问题语音进行预处理，得到所述标准语音，包括：利用预设的降噪算法对所述问题语音进行噪声过滤处理，得到降噪语音；对所述降噪语音进行预加重操作，得到所述标准语音。

进一步地，本发明实施例中，所述标准语音中包含了用户的多句语音，为了进一步地分析每句话的信息，对所述标准语音进行分段切分得到多个语音片段，可选地，本发明实施例中根据所述标准语音中的语音间隙对所述标准语音进行分段切分得到多个语音片段，其中，语音间隙为根据所述标准语音中大于或等于预设时长的静音片段，进一步地，本发明实施例中将每个所述语音片段按照时间顺序进行标记，得到每个所述语音片段对应的初始语音片段，进一步地，为了节省存储资源，本发明实施例需要去除所述初始语音片段里的静音期，因此，对每个所述初始语音片段进行静音抑制，得到每个所述初始语音片段对应的标准语音片段，节省带宽，降低存储资源；本发明实施例中所述静音抑制不影响所述初始语音片段对应的顺序标记，因此，所述标准语音片段也有对应的顺序标记，进一步地，汇总全部所述标准语音片段，得到所述目标语音。

s2、对所述目标语音进行文本识别处理，得到目标文本；

为了获取所述目标语音中的文本，方便后续的文本处理，本发明实施例中，需要将所述目标语音转换成文字，因此，对所述目标语音进行文本识别处理，得到目标文本。

详细地，本发明实施例中对所述目标语音进行文本识别处理，得到目标文本，包括：将所述目标语音中的每个所述标准语音片段转换成文本，得到每个所述标准语音片段对应的初始文本，可选地，本发明实施例中利用asr(automaticspeechrecognition，自动语音识别)技术将所述目标语音中的每个所述标准语音片段转换成文本；进一步地，为了保证文本识别的准确性，对所述初始文本进行文本纠错处理，得到标准文本，其中，所述文本纠错处理时将所述初始文本中预设错误类型的文本错误进行纠正，所述错误类型包括：谐音字词，如：配副眼睛-配副眼镜；混淆音字词，如：流浪织女-牛郎织女；字词顺序颠倒，如：伍迪艾伦-艾伦伍迪；形似字错误，如：高梁-高粱；进一步地，本发明实施例中，汇总全部所述标准文本，得到所述目标文本。

本发明的另一实施例中，为了保证数据的隐私性，所述目标文本可以存储在区块链节点中。

s3、利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别，得到文本情绪识别结果；

详细地，参阅图2所示，本发明实施例中，所述利用预构建的文本情绪识别模型对所述目标文本进行情绪识别之前，还包括：

s31、构建初始文本情绪识别模型；

如上所述，本发明实施例中所述文本情绪识别模型为卷积神经网络模型；

s32、获取历史文本集，对所述历史文本集进行情绪标签标记，得到训练集；

本发明实施例中，所述历史文本集为多个历史文本的集合，所述历史文本为与所述目标文本格式相同内容不同的文本。

进一步地，本发明实施例将所述历史文本集中的每个历史文本进行情绪标签标记，得到初始训练集，其中，所述情绪标签为所述历史文本包含的信息所表达出的情绪，如正面情绪或者负面情绪等。

进一步地，本发明实施例将所述初始训练集中的每个历史文本进行向量化处理，得到对应的历史文本向量。具体地，本发明实施例中利用word2vector算法将所述初始训练集中的每个历史文本进行向量化处理。

本发明实施例汇总所有的历史文本向量，得到用于对所述初始文本情绪识别模型进行训练的训练集。

s33、利用所述训练集对所述初始文本情绪识别模型进行迭代训练，得到所述文本情绪识别模型。

详细地，所述利用所述训练集对所述初始文本情绪识别模型进行迭代训练，包括：

步骤a：根据预设的卷积池化次数，对所述训练集进行卷积池化操作，得到特征集；

步骤b：利用预设的激活函数对所述特征集进行计算得到预测值，获取所述训练集中每个历史文本向量对应的所述情绪标签的标签值，根据所述预测值及所述标签值，利用预构建的损失函数进行计算，得到损失值；

本发明实施例中所述标签值与所述情绪标签是一一对应的，例如：共有两种情绪标签a和b，历史文本向量对应的情绪标签为a，那么对应的标签值为a标签为1，b标签为0。

步骤c：对比所述损失值与预设的损失阈值的大小，当所述损失值大于或等于所述预设阈值时，调整所述初始文本情绪识别模型的模型参数，返回所述步骤a；当所述损失值小于所述预设阈值时，停止训练，得到所述文本情绪识别模型。

详细地，本发明实施例中所述对所述训练集进行卷积池化操作得到特征集，包括：对所述训练集进行卷积操作得到卷积数据集；对所述卷积数据集进行最大池化操作得到所述特征集。

进一步地，所述卷积操作为：

其中，ω’表示所述卷积数据集的通道数，ω表示所述训练集的通道数，k为预设卷积核的大小，f为预设卷积操作的步幅，p为预设数据补零矩阵。

进一步地，本发明较佳实施例所述激活函数包括：

其中，μt表示所述预测值，s表示所述特征集中的数据。

详细地，本发明较佳实施例所述损失函数包括：

其中，lce表示所述损失值，n为所述训练集的数据数目，i为正整数，yi为所述标签值，pi为所述预测值。

进一步地，本发明实施例中所述利用预构建的文本情绪识别模型对所述目标文本进行情绪识别，得到所述文本情绪识别结果，包括：将所述目标文本转化为目标文本向量，利用所述文本情绪识别模型对所述目标文本向量进行处理，得到所述文本情绪识别结果，其中所述语音情绪识别结果为用户的情绪，包含：正面情绪及负面情绪，其中，所述正面情绪为正面及中性的情绪，如用户开心或平静，所述负面情绪为负面的情绪，如用户谩骂。

s4、对所述目标语音进行语音情绪识别，得到语音情绪识别结果；

为了保证情绪识别的准确性，需要综合多维度的情绪识别结果，因此，本发明实施例还需要对所述目标语音进行语音情绪识别。

详细地，本发明实施例中对所述目标语音进行声音特征提取，得到目标声音特征；其中，所述目标声音特征为所述目标语音对应的梅尔频率倒谱系数，可选地，本发明实施例利用梅尔频率倒谱系数提取算法对所述目标语音进行声音特征提取。

进一步地，本发明实施例利用预构建的情绪识别模型对所述目标声音特征进行情绪识别，得到语音情绪识别结果，其中所述语音情绪识别结果为用户的情绪，包含：正面情绪及负面情绪，其中，所述正面情绪为正面及中性的情绪，如用户开心或平静，所述负面情绪为负面的情绪，如用户抱怨。

详细地，本发明实施例中，利用预构建的情绪识别模型对所述目标声音特征进行情绪识别之前，还包括：获取历史语音集，其中，所述历史语音集为包含多个历史语音的集合，所述历史语音为与所述目标语音类型相同内容不同的语音，进一步地，本发明实施例对所述历史语音集进行每个历史语音进行声音特征提取，得到对应的历史语音特征，其中，所述历史语音特征为所述历史语音对应的梅尔频率倒谱系数，可选地，本发明实施例利用梅尔频率倒谱系数提取算法对所述历史语音集进行每个历史语音进行声音特征提取，汇总所有的所述历史语音特征，得到历史语音特征集，对所述历史语音特征集中的每个所述历史语音特征进行情绪标签标记，得到语音训练集，其中，情绪标签标记与s32使用的情绪标签相同；利用所述语音训练集对预构建的深度学习模型进行迭代训练，直至所述深度学习模型收敛，得到所述情绪识别模型，可选地，本发明实施例中所述深度学习模型为卷积神经网络模型。

s5、利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果；

详细地，本发明实施例中对所述目标文本进行意图识别，但有时由于文本中的指代词指代不明，导致意图识别的结果不准确，例如：目标文本为一个对话文本为“a用户：今天吃的酸菜鱼真不错，b用户：下次带我一起去吃这个啊！”，其中，目标文本中“下次带我一起去吃这个啊”，代词“这个”指代“酸菜鱼”，对“酸菜鱼”这一实体进行了省略(实际目标文本应该是：下次带我一起去吃酸菜鱼)，为了更好的进行意图识别，需要对目标文本中的指代现象进行消解将代词指代的实体进行补全变成“下次带我一起去吃酸菜鱼”。因此，需要对所述目标文本进行指代消解，得到指代消解文本；进一步地，本发明实施例对所述指代消解文本进行意图识别，得到所述意图识别结果。

详细地，本发明一实施例中利用预构建的指代消解模型目标文本进行指代消解，得到所述指代消解文本；可选地，所述指代消解模型为end-to-end模型。

进一步地，本发明实施例利用预构建的意图识别模型对所述目标文本进行意图识别，得到所述意图识别结果；可选地，本发明实施例中，所述意图识别模型为nlu(自然语言理解，naturallanguageunderstanding)模型。

s6、对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，得到目标情绪识别结果；

详细地，本发明实施例中根据所述文本情绪识别及所述语音情绪识别结果进行逻辑运算，若所述文本情绪识别结果与所述语音情绪识别结果均为正面情绪，则所述目标情绪识别结果为正面情绪；若所述文本情绪识别结果与所述语音情绪识别结果均为负面情绪，则所述目标情绪识别结果为负面情绪；若所述文本情绪识别结果与所述语音情绪识别结果不相同，则所述目标情绪识别结果为负面情绪。其中，所述正面情绪为正面及中性的情绪，如用户开心或平静，所述负面情绪为负面的情绪，如用户抱怨、谩骂。

s7、根据所述意图识别结果及所述目标情绪识别结果进行答案语音匹配，得到问题语音的答案语音。

详细地，本发明实施例中通过意图识别及目标情绪识别可以准确地判断当前的客户的问题及情绪，从而进行对应的情感模式匹配，匹配合适的答案语音进行语音回复，提高机器客服的服务质量及准确度，如：意图识别结果为“用户抱怨a问题”，目标情绪识别结果为“负面”，则在预设的答案语音数据库中进行匹配，得到所述匹配结果；根据所述匹配结果对应的话术的答案语音对所述问题语音对应的用户进行语音回复，实现智能问答。

如图4所示，是本发明语音问答装置的功能模块图。

本发明所述语音问答装置100可以安装于电子设备中。根据实现的功能，所述语音问答装置可以包括情绪识别模块101、意图识别模块102、答案语音匹配模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述情绪识别模块101用于对问题语音进行语音筛选，得到目标语音；对所述目标语音进行文本识别处理，得到目标文本；利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别，得到文本情绪识别结果；对所述目标语音进行语音情绪识别，得到语音情绪识别结果；

本发明实施例中，所述问题语音为用户的电话语音，进一步地为了过滤所述问题语音中的无用信息，对所述问题语音进行语音筛选，得到所述目标语音。

为了更好的对所述问题语音进行语音筛选，需要先对所述问题语音进行预处理，以去除所述问题语音中的噪音部分，增强问题语音中的部分，得到标准语音，使得筛选的信息更加准确。

详细地，本发明实施例中为了去除所述问题语音中的噪声，所述情绪识别模块101利用预设的降噪算法对所述问题语音进行噪声过滤处理，得到降噪语音；较佳地，本发明实施例中所述降噪算法为lms算法；进一步地，为了保证后续信息获取的准确性，突出降噪语音中的人声，因此，所述情绪识别模块101对所述降噪语音进行预加重处理，增加所述降噪语音中的人声部分，得到所述标准语音。

具体地，本发明实施例可以通过函数y(t)＝x()-μx(-1)执行所述预加重操作，其中，x(t)为降噪语音，t为时间，y(t)为所述标准语音，μ为所述预加重操作的调节值，本发明实施例中，所述μ的取值范围为[0.9,1.0]。

综上所述，本发明实施例中，所述情绪识别模块101对所述问题语音进行预处理，得到所述标准语音，包括：利用预设的降噪算法对所述问题语音进行噪声过滤处理，得到降噪语音；对所述降噪语音进行预加重操作，得到所述标准语音。

进一步地，本发明实施例中，所述标准语音中包含了用户的多句语音，为了进一步地分析每句话的信息，所述情绪识别模块101对所述标准语音进行分段切分得到多个语音片段，可选地，本发明实施例中根据所述标准语音中的语音间隙对所述标准语音进行分段切分得到多个语音片段，其中，语音间隙为根据所述标准语音中大于或等于预设时长的静音片段，进一步地，本发明实施例中所述情绪识别模块101将所述语音片段按照时间顺序进行标记，得到每个所述语音片段对应的初始语音片段，进一步地，为了节省存储资源，本发明实施例需要去除所述初始语音片段里的静音期，因此，所述情绪识别模块101对每个所述初始语音片段进行静音抑制，得到每个所述初始语音片段对应的标准语音片段，节省带宽，降低存储资源；本发明实施例中所述静音抑制不影响所述初始语音片段对应的顺序标记，因此，所述标准语音片段也有对应的顺序标记，进一步地，汇总全部所述标准语音片段，得到所述目标语音。

为了获取所述目标语音中的文本，方便后续的文本处理，本发明实施例中，需要将所述目标语音转换成文字，因此，对所述目标语音进行文本识别处理，得到目标文本。

详细地，本发明实施例中所述情绪识别模块101对所述目标语音进行文本识别处理，得到目标文本，包括：将所述目标语音中的每个所述标准语音片段转换成文本，得到每个所述标准语音片段对应的初始文本，可选地，本发明实施例中利用asr(automaticspeechrecognition，自动语音识别)技术将所述目标语音中的每个所述标准语音片段转换成文本；进一步地，为了保证文本识别的准确性，对所述初始文本进行文本纠错处理，得到标准文本，其中，所述文本纠错处理时将所述初始文本中预设错误类型的文本错误进行纠正，所述错误类型包括：谐音字词，如：配副眼睛-配副眼镜；混淆音字词，如：如流浪织女-牛郎织女；字词顺序颠倒，如：伍迪艾伦-艾伦伍迪；形似字错误，如：高梁-高粱；进一步地，本发明实施例中，汇总全部所述标准文本，得到所述目标文本。

本发明的另一实施例中，为了保证数据的隐私性，所述目标文本可以存储在区块链节点中。

详细地，本发明实施例中，所述情绪识别模块101利用预构建的文本情绪识别模型对所述目标文本进行情绪识别之前，还包括如下手段：

构建初始文本情绪识别模型；

如上所述，本发明实施例中所述文本情绪识别模型为卷积神经网络模型；

获取历史文本集，对所述历史文本集进行情绪标签标记，得到训练集；

本发明实施例中，所述历史文本集为多个历史文本的集合，所述历史文本为与所述目标文本格式相同内容不同的文本。

进一步地，本发明实施例将所述历史文本集中的每个历史文本进行情绪标签标记，得到初始训练集，其中，所述情绪标签为所述历史文本包含的信息所表达出的情绪，如正面情绪或者负面情绪等。

进一步地，本发明实施例将所述初始训练集中的每个历史文本进行向量化处理，得到对应的历史文本向量。具体地，本发明实施例中利用word2vector算法将所述初始训练集中的每个历史文本进行向量化处理。

本发明实施例汇总所有的历史文本向量，得到用于对所述初始文本情绪识别模型进行训练的训练集。

利用所述训练集对所述初始文本情绪识别模型进行迭代训练，得到所述文本情绪识别模型。

详细地，所述利用所述训练集对所述初始文本情绪识别模型进行迭代训练，包括：

步骤a：根据预设的卷积池化次数，对所述训练集进行卷积池化操作，得到特征集；

步骤b：利用预设的激活函数对所述特征集进行计算得到预测值，获取所述训练集中每个历史文本向量对应的所述情绪标签的标签值，根据所述预测值及所述标签值，利用预构建的损失函数进行计算，得到损失值；

本发明实施例中所述标签值与所述情绪标签是一一对应的，例如：共有两种情绪标签a和b，历史文本向量对应的情绪标签为a，那么对应的标签值为a标签为1，b标签为0。

步骤c：对比所述损失值与预设的损失阈值的大小，当所述损失值大于或等于所述预设阈值时，调整所述初始文本情绪识别模型的模型参数，返回所述步骤a；当所述损失值小于所述预设阈值时，停止训练，得到所述文本情绪识别模型。

详细地，本发明实施例中所述对所述训练集进行卷积池化操作得到特征集，包括：对所述训练集进行卷积操作得到卷积数据集；对所述卷积数据集进行最大池化操作得到所述特征集。

进一步地，所述卷积操作为：

其中，ω’表示所述卷积数据集的通道数，ω表示所述训练集的通道数，k为预设卷积核的大小，f为预设卷积操作的步幅，p为预设数据补零矩阵。

进一步地，本发明较佳实施例所述激活函数包括：

其中，μt表示所述预测值，s表示所述特征集中的数据。

详细地，本发明较佳实施例所述损失函数包括：

其中，lce表示所述损失值，n为所述训练集的数据数目，i为正整数，yi为所述标签值，pi为所述预测值。

进一步地，本发明实施例中所述利用预构建的文本情绪识别模型对所述目标文本进行情绪识别，得到所述文本情绪识别结果，包括：将所述目标文本转化为目标文本向量，利用所述文本情绪识别模型对所述目标文本向量进行处理，得到所述文本情绪识别结果，其中所述语音情绪识别结果为用户的情绪，包含：正面情绪及负面情绪，其中，所述正面情绪为正面及中性的情绪，如用户开心或平静，所述负面情绪为负面的情绪，如用户谩骂。

为了保证情绪识别的准确性，需要综合多维度的情绪识别结果，因此，本发明实施例还需要对所述目标语音进行语音情绪识别。

详细地，本发明实施例中所述情绪识别模块101对所述目标语音进行声音特征提取，得到目标声音特征；其中，所述目标声音特征为所述目标语音对应的梅尔频率倒谱系数，可选地，本发明实施例利用梅尔频率倒谱系数提取算法对所述目标语音进行声音特征提取。

进一步地，本发明实施例利用预构建的情绪识别模型对所述目标声音特征进行情绪识别，得到语音情绪识别结果，其中所述语音情绪识别结果为用户的情绪，包含：正面情绪及负面情绪，其中，所述正面情绪为正面及中性的情绪，如用户开心或平静，所述负面情绪为负面的情绪，如用户抱怨。

详细地，本发明实施例中，所述情绪识别模块101利用预构建的情绪识别模型对所述目标声音特征进行情绪识别之前，还包括：获取历史语音集，其中，所述历史语音集为包含多个历史语音的集合，所述历史语音为与所述目标语音类型相同内容不同的语音，进一步地，本发明实施例对所述历史语音集进行每个历史语音进行声音特征提取，得到对应的历史语音特征，其中，所述历史语音特征为所述历史语音对应的梅尔频率倒谱系数，可选地，本发明实施例利用梅尔频率倒谱系数提取算法对所述历史语音集进行每个历史语音进行声音特征提取，汇总所有的所述历史语音特征，得到历史语音特征集，对所述历史语音特征集中的每个所述历史语音特征进行情绪标签标记，得到语音训练集，其中，情绪标签标记与s32使用的情绪标签相同；利用所述语音训练集对预构建的深度学习模型进行迭代训练，直至所述深度学习模型收敛，得到所述情绪识别模型，可选地，本发明实施例中所述深度学习模型为卷积神经网络模型。

所述意图识别模块102用于利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果；

详细地，本发明实施例中对所述目标文本进行意图识别，但有时由于文本中的指代词指代不明，导致意图识别的结果不准确，例如：目标文本为一个对话文本为“a用户：今天吃的酸菜鱼真不错，b用户：下次带我一起去吃这个啊！”，其中，目标文本中“下次带我一起去吃这个啊”，代词“这个”指代“酸菜鱼”，对“酸菜鱼”这一实体进行了省略(实际目标文本应该是：下次带我一起去吃酸菜鱼)，为了更好的进行意图识别，需要对目标文本中的指代现象进行消解将代词指代的实体进行补全变成“下次带我一起去吃酸菜鱼”。因此，所述意图识别模块102需要对所述目标文本进行指代消解，得到指代消解文本；进一步地，本发明实施例所述意图识别模块102对所述指代消解文本进行意图识别，得到所述意图识别结果。

详细地，本发明一实施例中利用预构建的指代消解模型目标文本进行指代消解，得到所述指代消解文本；可选地，所述指代消解模型为end-to-end模型。

进一步地，本发明实施例利用预构建的意图识别模型对所述目标文本进行意图识别，得到所述意图识别结果；可选地，本发明实施例中，所述意图识别模型为nlu(自然语言理解，naturallanguageunderstanding)模型。

所述答案语音匹配模块103用于对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，得到目标情绪识别结果；根据所述意图识别结果及所述目标情绪识别结果进行答案语音匹配，得到所述问题语音的答案语音。

详细地，本发明实施例中所述答案语音匹配模块103对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，若所述文本情绪识别结果与所述语音情绪识别结果均为正面情绪，则所述目标情绪识别结果为正面情绪；若所述文本情绪识别结果与所述语音情绪识别结果均为负面情绪，则所述目标情绪识别结果为负面情绪；若所述文本情绪识别结果与所述语音情绪识别结果不相同，则所述目标情绪识别结果为负面情绪。其中，所述正面情绪为正面及中性的情绪，如用户开心或平静，所述负面情绪为负面的情绪，如用户抱怨、谩骂。

详细地，本发明实施例中所述答案语音匹配模块103通过意图识别及目标情绪识别可以准确地判断当前的客户的问题及情绪，从而进行对应的情感模式匹配，匹配合适的答案语音进行语音回复，提高机器客服的服务质量及准确度，如：意图识别结果为“用户抱怨a问题”，目标情绪识别结果为“负面”，则在预设的答案语音数据库中进行匹配，得到所述匹配结果；根据所述匹配结果对应的话术的答案语音对所述问题语音对应的用户进行语音回复，实现智能问答。

如图4所示，是本发明实现语音问答方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如语音问答程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡、闪存卡(flashcard)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如语音问答程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(controlunit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如语音问答程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的语音问答程序12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：

对问题语音进行语音筛选，得到目标语音；

对所述目标语音进行文本识别处理，得到目标文本；

利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别，得到文本情绪识别结果；

对所述目标语音进行语音情绪识别，得到语音情绪识别结果；

利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果；

对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，得到目标情绪识别结果；

根据所述意图识别结果及所述目标情绪识别结果进行答案语音匹配，得到所述问题语音的答案语音。

具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)。

本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

对问题语音进行语音筛选，得到目标语音；

对所述目标语音进行文本识别处理，得到目标文本；

利用预构建的文本情绪识别模型对所述目标文本进行文本情绪识别，得到文本情绪识别结果；

对所述目标语音进行语音情绪识别，得到语音情绪识别结果；

利用预构建的意图识别模型对所述目标文本进行意图识别，得到意图识别结果；

对所述语音情绪识别结果及所述文本情绪识别结果进行逻辑运算，得到目标情绪识别结果；

根据所述意图识别结果及所述目标情绪识别结果进行答案语音匹配，得到所述问题语音的答案语音。

进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。