CN119400213A 基于深度学习的抑郁症语音识别方法及系统 （成都好麦科技有限公司）

基于深度学习的抑郁症语音识别方法及系统一种基于深度学习的抑郁症语音识别方法及系发明综合训练个体的语言的语音特征与语义特2获取训练个体与待测个体的语音数据，以及每个语音数据的根据训练个体的任意两个语音数据的同种语音属性的特征序列中元素差异与元素波将每个语音簇内语音数据的分词集合内分词构成的集合记为结合训练个体的所有语音属性的特征语音值和所述特征分词集合对神经网络进行训对于每个语音数据的每种语音属性的特征序列，计算特征序列中除根据训练个体的任意两个语音数据的同种语音属性的所述波动集中值的差异与所述基于所述特征距离对训练个体的所有语音数据进行聚类，将得到的聚类簇记为语音将训练个体的每个语音数据的每种语音属性的所述波动集中值与所述特征集中值的计算训练个体的任意两个语音数据的同种语音属性的所述波动特征值的差值绝对值将每个语音簇内语音数据的每种语音属性的特征序列中所有元将训练个体的所有语音簇按照语音簇内语音数据总个数从小到大顺序述加权特征值的均值作为训练个体的每种语音属性的特根据训练个体的每个语音簇的词簇集合内每个分词在对应语音簇内的出现次数，以及3根据训练个体的所有语音簇的词簇集合内同一分词的所述常用对于训练个体的所有语音数据的分词集合内分词的所述语义特征量个所述语义特征值对应分词构成的集合作为训练个体从语音簇内语音数据中选取分词集合内存在示例分词的语音数据，记为示例存在数将示例分词在语音簇内所有语音数据的分词集合内出现的频率，记为根据所述第一值与所述第二值，获取示例分词的常用度；所述第从训练个体的语音簇的词簇集合内任选一个分词记为目标分词；从计算训练个体的所有目标存在簇的词簇集合内目对训练个体的所有语音数据进行聚类的方法为凝聚数据采集模块，用于获取训练个体与待测个体的语音数据，以及每个语音特征提取模块，用于根据训练个体的任意两个语音数据的同种特征分词筛选模块，用于将每个语音簇内语音数据的分词集4抑郁症检测模块，用于结合训练个体的所述特5低的技术问题，本发明的目的在于提供一种基于深度学习的抑郁症语音识别方法及系统，第一方面，本发明一个实施例提供了一种基于深度学习的抑郁症语音识别方法，根据训练个体的任意两个语音数据的同种语音属性的特征序列中元素差异与元结合训练个体的所有语音属性的特征语音值和所述特征分词集合对神经网络进根据训练个体的任意两个语音数据的同种语音属性的所述波动集中值的差异与6将训练个体的每个语音数据的每种语音属性的所述波动集中值与所述特征集中计算训练个体的任意两个语音数据的同种语音属性的所述波动特征值的差值绝根据训练个体的每个语音簇的词簇集合内每个分词在对应语音簇内的出现次数，设数量个所述语义特征值对应分词构成的集合作为训练个体的特对于训练个体的每个语音簇，从语音簇的词簇集合内任选一个分词记为示例分[0010]进一步地，所述获取训练个体的所有语音簇的词簇集合内每个分词的语义特征7[0011]进一步地，所述对训练个体的所有语音数据进行聚类的方法为凝聚层次聚类算[0013]第二方面，本发明另一个实施例提供了一种基于深度学习的抑郁症语音识别系在本发明实施例中，抑郁症患者与正常人在语音特征与语音内容方面存在差异；为了捕捉训练个体在不同状态下的语音特征，对训练个体的语音数据进行聚类得到语音簇，语音簇内语音数据个数反映簇内语音数据的语音特征为日常交流的语音特征的可能8[0016]图1为本发明一个实施例所提供的一种基于深度学习的抑郁症语音识别方法的步图3为本发明一个实施例所提供的一种基于深度学习的抑郁症语音识别系统的系图4为本发明一个实施例所提供的一种基于深度学习的抑郁症语音识别设备的计[0019]下面结合附图具体的说明本发明所提供的一种基于深度学习的抑郁症语音识别9[0032]以训练个体的第p、q个语音数据为例，训练个体的第p、q个语音数据的特征距;式中，sipn为训练个体的第p、q个语音数据的特征距离；A为训练个体第p个语音数据的第a种语音属性的波动集中值；T%为训练个体的第p个语音数据的第a种语音属性的特征集中值；B×T为训练个体的第p个语音数据的第a种语音属性的波动特征值；B明为训练个体的第a个语音数据的第a种语音属性的波动集中值；T%为训练个体的第q个语音数据的第a种语音属性的特征集中值；为训练个体的第q个语音数据的语音特征是训练个体日常交流时的语音特征的可[0034]需要说明的是，本发明使用凝聚层次聚类算法对训练个[0035]语音簇内语音数据个数反映簇内语音数据的语音特征为日常交流的语音特征的值的均值作为训练个体的每种语音属性的特征语[0037]语音簇内语音数据的每种语音属性的特征序列中所有元素的众数代表语音簇内[0039]步骤S3：将每个语音簇内语音数据的分词集合内分词构成的在训练个体的语音簇的词簇集合内每个分词的语音簇个数，构建训练个体的特征分词集者与正常人的语音内容同样存在差异，如抑郁症患者的语音内容中出现大量消极词汇等。[0041]请参阅图2，其示出了本发明一个实施例所提供的一种特征分词集合获取方法的作为示例分词的第一值；将示例分词在语音簇内所有语音数据的分词集合内出现的频率，[0043]语音簇内所有语音数据中示例存在数据的占比反映示例分词在语音簇中分布的现的频率直接反映示例分词在语音簇内语音数据中常见程度。若第一值与第二值均越大，[0045]在本发明实施例中也可通过其他基础数学运算构建第一值与第二值和常用度之[0048]人可能会因心情、环境等原因导致不同语音数据的语音大的预设数量个语义特征值对应分词构成的集合作为训练个体语音特征提取模块520，用于根据训练个体的任意两个语音数据的同种语音属性特征分词筛选模块530，用于将每个语音簇内语音数据的分词集合内分词构成的抑郁症检测模块540，用于结合训练个体的特征语音值和特征分词集合对神经网例提供的一种基于深度学习的抑郁症语音识别系统与一种基于深度学习的抑郁症语音识图4为本发明一个实施例所提供的一种基于深度学习的抑郁症语音识别设备的计算机程序603时，使得该计算机设备可