隨著人工智能在近幾年的快速發(fā)展,人機(jī)交互成為計(jì)算機(jī)領(lǐng)域一個(gè)熱門的研究方向。人機(jī)交互一方面要解決準(zhǔn)確識(shí)別與快速回應(yīng)的問題,另一方面也要不斷提高機(jī)器的理解水平,完善機(jī)器對(duì)語(yǔ)音和文字的相關(guān)處理就是提高理解水平的關(guān)鍵之一。本文依據(jù)語(yǔ)音的特點(diǎn),提出了一種構(gòu)建特定特征集的多層網(wǎng)絡(luò)算法來(lái)識(shí)別語(yǔ)音情感,同時(shí)提出了文本的結(jié)合策略識(shí)別網(wǎng)絡(luò)來(lái)判斷文本是否含有敏感信息,這兩種針對(duì)語(yǔ)音和文本的識(shí)別方法所用到的主要理論為隨機(jī)森林算法、有向無(wú)環(huán)圖和有窮自動(dòng)機(jī)。本文主要的工作內(nèi)容概括如下:（1）提出一種基于重要性評(píng)分的多級(jí)網(wǎng)絡(luò)隨機(jī)森林（Multi-RF）算法的語(yǔ)音情感識(shí)別方法。本文通過(guò)分析語(yǔ)音各情感種類間的差別與相似性,利用多級(jí)分層網(wǎng)絡(luò)對(duì)語(yǔ)音情感進(jìn)行識(shí)別,并構(gòu)建基于重要性評(píng)分和按序賦權(quán)法對(duì)每層網(wǎng)絡(luò)構(gòu)建單獨(dú)的賦權(quán)特征集,以此分離一種或兩種情感,最后用十折交叉法對(duì)所有測(cè)試樣本集的結(jié)果計(jì)算平均值,以保證結(jié)果的準(zhǔn)確性。實(shí)驗(yàn)表明,Multi-RF（Multi Rando m Forest）能有效減少情感類別間的誤判,提高語(yǔ)音情感的識(shí)別準(zhǔn)確率。（2）提出一種結(jié)合策略模型,并依據(jù)該模型提出檢測(cè)情感文本敏感信息的算法。本文的結(jié)合策略... 

【文章來(lái)源】：長(zhǎng)沙理工大學(xué)湖南省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 語(yǔ)音情感識(shí)別國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 文本敏感詞檢測(cè)國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文的主要結(jié)構(gòu)安排
第二章 語(yǔ)音情感識(shí)別基礎(chǔ)與敏感詞檢測(cè)算法原理
    2.1 語(yǔ)音識(shí)別基礎(chǔ)
        2.1.1 語(yǔ)音的定義和構(gòu)成
        2.1.2 語(yǔ)音的常見情感相關(guān)特征
    2.2 語(yǔ)音情感模型
        2.2.1 傳統(tǒng)機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)模型
        2.2.2 深度學(xué)習(xí)的情感模型
    2.3 敏感詞檢測(cè)算法
    2.4 本章小結(jié)
第三章 基于多級(jí)隨機(jī)森林的語(yǔ)音情感識(shí)別算法
    3.1 隨機(jī)森林的模型選擇
    3.2 基于多級(jí)網(wǎng)絡(luò)的隨機(jī)森林構(gòu)建
    3.3 多級(jí)隨機(jī)森林網(wǎng)絡(luò)情感識(shí)別算法
    3.4 實(shí)驗(yàn)與分析
        3.4.1 語(yǔ)料庫(kù)來(lái)源與情感特征
        3.4.2 多級(jí)網(wǎng)絡(luò)語(yǔ)音情感識(shí)別實(shí)驗(yàn)
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 漢英混合文本的敏感詞檢測(cè)方法
    4.1 語(yǔ)料庫(kù)選擇
        4.1.1 文本語(yǔ)料庫(kù)來(lái)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(cè)
        4.2.1 有向無(wú)環(huán)圖理論
        4.2.2 漢字文本的有向無(wú)環(huán)圖構(gòu)建
    4.3 含字母文本的敏感詞檢測(cè)方法
        4.3.1 有窮自動(dòng)機(jī)理論
        4.3.2 敏感詞樹的構(gòu)建
    4.4 實(shí)驗(yàn)流程與結(jié)果分析
        4.4.1 實(shí)驗(yàn)流程圖
        4.4.2 字符串比對(duì)方法
        4.4.3 敏感詞檢測(cè)結(jié)果分析
    4.5 本章小結(jié)
第五章 語(yǔ)音情感識(shí)別的敏感詞關(guān)聯(lián)探究
    5.1 關(guān)聯(lián)探究的設(shè)想
    5.2 關(guān)聯(lián)探究的實(shí)驗(yàn)
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
附錄A (攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文)


【參考文獻(xiàn)】：
期刊論文
[1]基于參數(shù)尋優(yōu)決策樹SVM的語(yǔ)音情感識(shí)別[J]. 王富,孫林慧,蘇敏,趙城.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(07)
[2]一種改進(jìn)的字符串模式匹配算法[J]. 蔡婷,楊衛(wèi)帥.  物聯(lián)網(wǎng)技術(shù). 2017(07)
[3]改進(jìn)的隨機(jī)森林分類方法及其應(yīng)用[J]. 張艷翠.  科技創(chuàng)新與應(yīng)用. 2016(29)
[4]基于關(guān)聯(lián)規(guī)則的語(yǔ)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(jì)算機(jī)應(yīng)用與軟件. 2015(09)
[5]基于KMP算法的改進(jìn)算法KMPP[J]. 李莉,江育娥,林劼,江秉華.  計(jì)算機(jī)工程與應(yīng)用. 2016(08)
[6]基于改進(jìn)的隨機(jī)森林的人體部件識(shí)別[J]. 郭天楚,吳曉雨,楊磊,黃向生.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(05)
[7]基于隨機(jī)森林算法的高維模糊分類研究[J]. 張修遠(yuǎn),劉修國(guó).  國(guó)土資源遙感. 2014(02)
[8]WM與MWM算法分析[J]. 燕紅文,楊懷卿.  農(nóng)業(yè)網(wǎng)絡(luò)信息. 2013(12)
[9]語(yǔ)音情感識(shí)別研究進(jìn)展綜述[J]. 韓文靜,李海峰,阮華斌,馬琳.  軟件學(xué)報(bào). 2014(01)
[10]基于改進(jìn)型SVM算法的語(yǔ)音情感識(shí)別[J]. 李書玲,劉蓉,張?chǎng)虤J,劉紅.  計(jì)算機(jī)應(yīng)用. 2013(07)



本文編號(hào)：3190246