语义情感分析沉浸式智能客厅模型研究.docx资源-CSDN文库

版权申诉

文档资料

28 浏览量 2022-06-24 14:35:10 上传评论收藏 1.02MB DOCX 举报

资源推荐

资源详情

资源评论

引言

语言作为人类情感思想的载体包含了丰富的信息，如果把计算机应用于语音信息处理领域，则可让计

算机与人类进行语音交互。若将这项技术应用于智能家居控制系统中，将会极大地方便人们对家庭电

器的控制，因此以语音识别技术为基础的智能家居控制系统应运而生。与此同时，深度学习、大数据

等新兴技术近年来的迅猛发展，将智能家居的发展浪潮推向了一个新高度。情感分析也称为观点挖掘，

是自然语言处理领域的研究热点之一，其可提取文本中的情感及观点。传统机器学习方法可处理许多

情感分析问题，通常会根据不同项目的特点选择不同处理方式，一般需要很长时间来收集、组织与抽

象背景知识。深度学习的出现迅速取代了传统机器学习方法，并成为自然语言处理领域的领头军，在

各个行业得到了广泛应用。与传统机器学习算法相比，深度学习不取决于人工提取的特性，而具有独

立学习特征的能力，非常适合对非结构化语言文本、序列等类型数据的抽象。

目前，国内外许多研究人员采用长短期记忆模型与循环神经网络相结合的方式处理文本信息，并分析

文本上下文的情感分类问题，取得了良好效果。其中，深度学习模型有着优异表现，即使没有特征的

标注也能提高分类准确率

［



］

。 等

［



］

将递归神经网络与随机概率融合为统一的框架，用于显式

语义与特征向量的共同提取，分类准确率得到明显提升。但采用这种提取所有方面语义文本的方法，

当文本数量庞大时网络层数会过深。因此，需要对文本中的重点区域进行突出，否则随着训练时长的

增加，容易出现梯度消失现象。

在图像识别领域首次提出注意力机制概念，其使得模型能够有效注意到特定区域的具体信息，并获得

更深入的特征信息。近些年，注意力机制被尝试应用于  领域，结果证明这种特征提取方式更加高

效。将注意力机制与循环神经网络相结合能够将文本信息及序列的某一中间时刻状态进行融合，使用

注意力加权方式计算输出，同时通过上下文互动监测特定信息，能有效解决不同目标的情绪两极化问

题，并提高情感极性预测的准确性。谭皓等

［



］

提出可利用表情符作为分析文本的注入点，并提出基于

表情符注意力机制的情感分析模型；  等

［



］

利用平行语料库提升词典覆盖率，采用最大化似然估

计法对词语进行标注，以提升情感分类准确率；栗雨晴等

［



］

通过构建双语词典，在新浪微博评论区提

取大量用户评论进行多种类的文本情感分析。以上方法与语料库紧密相连，文本语料库的词语质量及

规模将会直接影响预测准确率。

本文设计一个能够随着用户语音信息进行自适应改变的沉浸式智能客厅系统，对用户语音信号进行采

集，并在云端使用如今已较为成熟的科大讯飞语音识别引擎进行语音到文本的转换

［



］

。无需构建庞

大的语料库，改用基于注意力机制的  网络分析输入神经网络的用户语音文本信息

［



］

，进

而挖掘出用户的情感观点，使得控制系统具有思考分析的能力，能够作出预测，协调室内各个模块进

行自适应改变。例如，综合用户情感因素调控影片播放类型及客厅内的灯光、窗帘、香薰等作出改变，

让用户能够沉浸其中，获得极致体验。

智能客厅设计

系统主要包括以下几个模块：

（）语音录入模块。获取原始的用户语音数据后进行去噪预处理，经  转换后将信号上传云平台，

使用科大讯飞引擎将其转换为文本信息返回到语音模块。

（）文本信息分析模块。在该模块内部提前使用大量词语文本进行语言情感信息训练，构建语义文

本库。将获取到的文本信息输入训练好的神经网络模型中，输出的关键词将会被转换成控制指令，等

待下发给各工作模块。

（）指令广播模块。指令将以  格式广播到各个工作节点的控制层中，工作节点对其分析处理完

成后，会根据指令进行自适应变化。

1$9''&;8%(%89(%8(%&$9$%''

以上关于 ,$-)'定义中的第一项是一个均方差项，第二项是一个正则化项，正则化项的目的是为了

防止过拟合。针对参数  和 ) 求 ,$-)'的最小值，需要将每一个参数 $%'9 和 )$%'9 初始化为一个

非常小的随机值。

接下来根据第 % 层的每个输出单元 9 计算其残差：

<$%'9(==#%9,$-)20-1'(==#%9345-)$0'613(==#%98%($1

$196$%''+*>$#$%''<9$%'(==#9%,-)20-1(==#9%45-)01(==#9%8(%$1%'(

然后，针对 %(%6-%6-%6-? 的各个层，第 % 层第 9 个节点的残差计算方法如下：

<$%6'9(==#%69,$-)20-1'(=,$-)20-1'=#%9=#%9=%69=%69=#%69($

<$%'9'*>$#%69'<9$%'(==#9%,-)20-1(=,$-)20-1'=#9%=#9%=9%=9%

($8(%9%<9%'*>$#9%'

将式（）中 %6、% 的表达式替换成关于 % 和 %& 的表达式，可得：

<$%'9($8%&($%'9<$%&''*>$#$%'9'<9$%'($8(%&9%<%&'*>$#9$%''

最后，利用批量梯度下降法对目标函数进行优化，按照以下计算方法对参数  和 )) 进行更新：

$%'9@$%'96A==$%'9,$-)'9$%'@9%A==9%,$-)'

)$%'9@)$%'96A==)$%'9,$-)')9$%'@)9%A==)9%,$-)'

AA 是学习速率，根据公式，需要计算其中的偏导：

==$%'9,$-)'(BC/8/9(==$%'9,$-)20$9'-1$9''DE&;$%'9==9%,-)(/89(/

$-)209-1$9''&;9$%'

==)$%'9,$-)'(/8/9(==)$%'9,$-)20$9'-1$9''==)9%,-)(/89(/==)9%,$-)209-1$9''

"　 网络算法

""　 模型结构分析

普通神经网络模型有许多输入参数，数据传播方向依赖于上一层的方向，并且数据样本之间是不相关

的，无法对时间序列进行有效的特征训练，因此不能应用于自然语言处理、语音识别等领域。循环神

经网络重新定义了神经元之间的关系，即当前时刻的输入与上一时刻的输出都会影响此时神经元的输

出，该特性使得神经网络具备对时间序列的分析能力

［



］

。传统  网络展开结构如图  所示。

剩余15页未读，继续阅读

评论收藏

内容反馈

版权申诉

罗伯特之技术屋

粉丝: 3691
资源: 1万+

语义情感分析沉浸式智能客厅模型研究.docx

ChatGPT技术的社交智能与用户情感分析研究.docx

基于心脏病患病情况的评估模型研究.docx

研究生数学建模竞赛A题 无线智能传播模型.docx

基于“互联网+”模式 的变电运维智能机器人研究.docx

演示版python与人工智能编程的关系.docx.docx

智慧城市水位监测及智能预警系统设计研究.docx

基于Matlab的图像灰度分析及高斯白噪声的研究.docx

翻转课堂在“数学分析”课程教学中的研究.docx

电力工控网络安全风险分析与预测关键技术研究.docx

基于YNCIM模型的云南电网统一信息模型共享平台研究.docx

智能推荐问题研究.docx

华为公司PEST环境分析及五力模型分完整版.docx

基于机器学习的文本情感多分类的学习与研究.docx

图嵌入模型综述.docx图嵌入模型综述.docx图嵌入模型综述.docx

基于数字图像处理的指针式仪表读数技术研究.docx

互联网+背景下跳绳运动探究式教学研究.docx

医疗物联网智能健康管理模型研究.docx

大数据智能分析技术研究.docx

云数据中心环境下云端安全威胁分析及防范机制研究.docx

全国计算机等级考试二级Python真题及解析.docx

1000份ppt模版，PPT模板优秀PPT

matlab批量读取excel表格数据并处理画图

导入证书可以解决”无法建立到信任根颁发机构的证书链"问题。

OpenCv车辆识别训练模型

代码随想录知识星球精华-大厂面试八股文第二版v1.2.pdf

数学建模对乙醇偶合制备C4烯烃的问题研究

Vue-Element UI集成ECharts实现数据统计分析页代码部分(如果帮助到你，感谢关注点赞)

STM32F103C8T6中文数据手册

最新资源

研究生数学建模竞赛A题无线智能传播模型.docx

基于“互联网+”模式的变电运维智能机器人研究.docx