情绪分析方法、系统、服务器及存储介质

摘要

本发明实施例公开了一种情绪分析方法、系统、服务器及存储介质，其中，所述方法包括：识别获取到的语音数据中所包括的语言关键词和目标语调；根据获取的所述语言关键词和目标语调，分析并确定语音特征点；基于所述语音特征点生成目标情绪模型，并在目标情绪模型上标定目标语音特征点；将目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。由此，可达到客观、准确的分析用户的情绪变化，并帮助用户管理情绪的目的。

权利要求

1.一种情绪分析方法，其特征在于，所述方法包括：识别获取到的语音数据中所包括的语言关键词和目标语调；

根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

基于所述语音特征点生成目标情绪模型，并在所述目标情绪模型上标定目标语音特征点；

将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

2.根据权利要求1所述的方法，其特征在于，所述识别获取到的语音数据中所包括的语言关键词和目标语调，包括：根据预设规则采集用户的语音数据；

识别所述语音数据所包括的语义内容和语调；

从识别出的语义内容和语调中提取语言关键词和目标语调，其中，所述目标语调包括语音数据的音量、语速、音调以及各自的变化趋势中的至少一个。

3.根据权利要求1所述的方法，其特征在于，基于所述语音特征点生成目标情绪模型，包括：对所述语音特征点进行卷积运算得到卷积运算结果，基于所述卷积运算结果生成目标情绪模型。

4.根据权利要求3所述的方法，其特征在于，在目标情绪模型上标定目标语音特征点，包括：将所述卷积运算结果中的极值点标定为目标语音特征点。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过大数据分析计算以更新所述数据库中的语调特征数据和心理行为特征数据，其中，所述数据库为本地数据库或互联网数据库。

6.一种情绪分析系统，其特征在于，所述系统包括：识别模块，用于识别获取到的语音数据中所包括的语言关键词和目标语调；

特征点分析模块，用于根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

建模模块，用于基于所述分析并确定的语音特征点生成基本的目标情绪模型，并在所述目标情绪模型上标定目标语音特征点；

调整记录模块，用于将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

情绪分析模块，用于所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

7.根据权利要6所述的系统，其特征在于，所述识别模块包括：采集单元，用于根据预设规则采集用户的语音数据；

识别单元，用于识别所述语音数据所包括的语义内容和语调；

提取单元，用于从识别出的语义内容和语调中提取语言关键字和目标语调，其中，所述目标语调包括语音数据的音量、语速、音调以及各自的变化趋势中的至少一个。

8.根据权利要6所述的系统，其特征在于，所述系统还包括：大数据处理更新模块，用于通过大数据分析计算更新所述数据库中的语调特征数据和心理行为特征数据，其中，所述数据库为本地数据库或互联网数据库。

9.一种服务器，其特征在于，所述服务器包括：一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的情绪分析方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的情绪分析方法。

说明书

情绪分析方法、系统、服务器及存储介质

技术领域

[0001] 本发明涉及数据分析技术领域，尤其涉及一种情绪分析方法、系统、服务器及存储介质。

背景技术

[0002] 人的情感表达对于个人异常重要，如果不能适时得到释放，久而久之，心理和生理都会产生变化。在经济高速发展的今天，对于特殊群体的照顾，人们越来越力不从心。因此急需一种能够通过智能方法来帮助存在情感问题的特殊群体客观地分析情绪，管理情绪。

[0003] 目前最常见的通过情感计算机技术，通过赋予计算机系统识别，理解，表达和适应人的情感能力，来建立和谐人机环境，以帮助用户客观地分析情绪，管理情绪。常用的分析用户情绪的方法有通过语音识别技术和人脸识别技术分析用户情绪。利用语音识别技术仅是通过识别语音中包括的敏感词来分析用户情绪，准确度低。利用人脸识别技术时，通过采集人脸的表情特征，进而通过分析表情特征来分析用户情绪。但是人面表情通常持续的时间比较短，甚至一闪而逝，不便于采集，而且人的表情有时会表达相反的情绪，使得有时通过人脸识别分析用户情绪并不准确。由此，很难达到通过客观准确的分析用户的情绪变化，帮助用户管理情绪的目的。

发明内容

[0004] 本发明实施例提供了一种情绪分析方法、系统、服务器及存储介质，以达到通过客观准确的分析用户的情绪变化，帮助用户管理情绪的目的。

[0005] 第一方面，本发明实施例提供了一种情绪分析方法，包括：

[0006] 识别获取到的语音数据中所包括的语言关键词和目标语调；

[0007] 根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

[0008] 基于所述语音特征点生成目标情绪模型，并在所述目标情绪模型上标定目标语音特征点；

[0009] 将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

[0010] 将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0011] 第二方面，本发明实施例提供了一种情绪分析系统，包括：

[0012] 识别模块，用于识别获取到的语音数据中所包括的语言关键词和目标语调；

[0013] 特征点分析模块，用于根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

[0014] 建模模块，用于基于所述分析并确定的语音特征点生成基本的目标情绪模型，并在所述目标情绪模型上标定目标语音特征点；

[0015] 调整记录模块，用于将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

[0016] 情绪分析模块，用于将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0017] 第三方面，本发明实施例还提供了一种服务器，包括：

[0018] 一个或多个处理器；

[0019] 存储器，用于存储一个或多个程序，

[0020] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的情绪分析方法。

[0021] 第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的情绪方法。

[0022] 本发明实施例提供的一种情绪分析方法、系统、服务器及存储介质，依据提取的语音特征点建立目标情绪模型，并在目标情绪模型上标定目标语音特征点，以达到筛选出能够准确表明用户情绪的语音特征点的目的，然后将目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，调整目标情绪模型上已标定的目标语音特征点，使目标情绪模型与标准模型更接近，后续根据目标语音特征点变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，快速准确的分析用户情绪变化。

附图说明

[0023] 图1是本发明实施例一提供的一种情绪分析方法的流程示意图；

[0024] 图2是本发明实施例二提供的一种情绪分析方法的流程示意图；

[0025] 图3是本发明实施例三提供的一种情绪分析系统的结构示意图；

[0026] 图4是本发明实施例四提供的一种服务器的结构图。

具体实施方式

[0027] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

[0028] 实施例一

[0029] 图1是本发明实施例一提供的情绪分析方法的流程图，本实施例可适用于对存在情感问题的特殊群体客观地分析和管理情绪，该方法可以由情绪分析系统来执行，该系统例如可以配置在服务器中。所述方法具体包括：

[0030] S110、识别获取到的语音数据中所包括的语言关键词和目标语调。

[0031] 其中，可以通过预设规则，采集用户的语音数据，示例性的，根据预设的时间规则，采集用户一段时间内的语音数据或者采集用户一天中不同时间段的语音数据，具体的，可以通过相应的语音采集软件进行采集。

[0032] 对于已采集的语音数据，可通过语音识别技术识别语音数据所包括的语义内容和语调，其中语调包括语音数据的音量、语速和音调等。示例性的，可通过声学模型和语言模型分析识别语音数据中的语义内容，也即文本内容。

[0033] 根据语音识别的结果，从识别出的语义内容和语调中提取语言关键词和目标语调，其中，所述目标语调包括语音数据的音量、语速、音调以及各自的变化趋势中的至少一种。示例性的，可利用分词词库去除语义内容中的无意义的词，同时提取能表明用户情绪的语言关键词；对于识别的语调，筛选其中满足预设条件的作为目标语调，示例性的，将音量超过最大预设阈值和低于最小预设阈值的筛选出来作为一种目标语调，或将语速超过某一预设阈值的也作为目标语调。

[0034] S120、根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调。

[0035] 对获取到的语言关键词和目标语调进一步的分析和筛选，确定其中能够明显表明用户情绪的关键词和语调作为语音特征点，其中，语音特征点包括关键词特征点和语调特征点。示例性的，可通过提前建立的情绪敏感词词库对语言关键词进行筛选，并将筛选出的关键词确定为关键词特征点，其中，情绪敏感词词库包括用户各种不同情绪下常说的词汇。由于目标语调通常是以波形图的形式展示的，因此可将变化趋势比较明显的点作为语调特征点，例如语速突然加快的点。

[0036] S130、基于所述语音特征点生成目标情绪模型，并在所述目标情绪模型上标定目标语音特征点。

[0037] 根据确定的语音特征点生成目标情绪模型，以便根据目标情绪模型分析用户情绪。在目标情绪模型上标定目标语音特征点，其中，目标语音特征点可以是S120中确定的语音特征点中的特征更突出的一部分，由此实现了对用户情绪特征的进一步筛选，使得用户的情绪特征更加明显。

[0038] S140、将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据。

[0039] 将目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，也即是将目标情绪模型上标定的语音特征点与标准情绪模型上的特征点进行匹配，包括关键词和语调的匹配，根据匹配结果和各个目标语音特征点的数据走势对目标情绪模型上已标定的目标语音特征点进行微调，记录目标语音特征点的变化数据。示例性的，将目标语音特征点从位置A调整到位置B，记录目标语音特征点在位置A和B之间各个特征的变化情况，例如语速变化、语调变化以及音量变化等。

[0040] S150、将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0041] 根据目标语音特征点的变化数据与数据库中的语调特征数据和心理行为特征数据的匹配结果，输出用户情绪或情绪变化数据。示例性的，如果语速频率快、音量大、语调变化大，则认为用户情绪比较急切；若语速频率慢、音量适中、语调平缓，则认为用户情绪比较平稳。

[0042] 在本实施例中，依据提取的语音特征点建立目标情绪模型，并在目标情绪模型上标定目标语音特征点，以达到筛选出能够准确表明用户情绪的语音特征点的目的，然后将目标情绪模型与标准情绪模型库中的情绪模型进行匹配，调整目标情绪模型上已标定的目标语音特征点，使目标情绪模型与标准模型更接近，后续根据目标语音特征点变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，快速准确的分析用户情绪变化。

[0043] 实施例二

[0044] 图2是本发明实施例二提供的一种情绪分析方法的流程示意图，本实施例在上述实施例的基础上进行优化，所述方法包括：

[0045] S210、识别获取到的语音数据中所包括的语言关键词和目标语调。

[0046] S220、根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调。

[0047] S230、对所述语音特征点进行卷积运算得到卷积运算结果，基于所述卷积运算结果生成目标情绪模型，并将所述卷积运算结果中的极值点标定为目标语音特征点。

[0048] 本实施例中，对S220获得的语音特征点进行卷积运算得到卷积运算结果，并根据卷积运算结果中各个特征点的数据走势，生成目标情绪模型，示例性的，生成的目标情绪模型可以是一条波形图。进一步的，为了筛选获得的语音特征点中能够明显表明用户情绪的特征点，将所述模型图中的极值点例如波峰和波谷位置对应的语音特征点标定为目标语音特征点。

[0049] S240、将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据。

[0050] S250、将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0051] 进一步的，在本实施例中，为了提高用户情绪分析的准确性，通过大数据分析计算以更新所述数据库中的语调特征数据和心理行为特征数据。示例性的，周期性的采集互联网数据，并对采集到的互联网数据进行分析计算，不断更新所述数据库中的语调特征数据和心理行为特征数据，其中，所述数据库为本地数据库或互联网数据库。

[0052] 在本实施例中，通过对获取的语音特征点进行卷积运算建立目标情绪模型，并根据计算结果中的极值标定目标语音特征点，达到筛选明显表明用户情绪语音特征点的目的，同时提高用户情绪分析的准确性，周期性的更新数据库中的语调特征数据和心理行为特征数据，由此使得情绪分析更准确，便于用户情绪管理。

[0053] 实施例三

[0054] 图3是本发明实施例三提供的一种情绪分析系统的结构示意图，如图3所示，所述系统包括：

[0055] 识别模块310，用于识别获取到的语音数据中所包括的语言关键词和目标语调；

[0056] 特征点分析模块320，用于根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

[0057] 建模模块330，用于基于所述分析并确定的语音特征点生成基本的目标情绪模型，并在所述目标情绪模型上标定目标语音特征点；

[0058] 调整记录模块340，用于将所述目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整所述目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

[0059] 情绪分析模块350，用于将所述变化数据与数据库中的语调特征数据和心理行为特征数据进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0060] 本实施例中，特征点分析模块根据识别模块的识别结果确定语音特征点，建模模块根据语音特征点建立目标情绪模型，调整记录模块对目标情绪模型进行微调，并记录目标语音特征点的变化，情绪分析模块根据目标语音特征点的变化数据分析用户的情绪和情绪变化。由此，可达到通过客观、准确的分析用户的情绪变化，以便帮助用户管理情绪的目的。

[0061] 在上述实施例的基础上，所述识别模块包括：

[0062] 采集单元，用于根据预设规则采集用户的语音数据；

[0063] 识别单元，用于识别所述语音数据所包括的语义内容和语调；

[0064] 提取单元，用于从识别出的语义内容和语调中提取语言关键字和目标语调，其中，所述目标语调包括语音数据的音量、语速、音调以及各自的变化趋势。

[0065] 在上述实施例的基础上，所述建模模块包括：

[0066] 建模单元，用于对所述语音特征点进行卷积运算得到卷积运算结果，基于所述卷积运算结果生成目标情绪模型。

[0067] 在上述实施例的基础上，所述建模模块包括：

[0068] 标定单元，用于将所述卷积运算结果中的极值点标定为目标语音特征点。

[0069] 在上述实施例的基础上，所述系统还包括：

[0070] 大数据处理更新模块，用于通过大数据分析计算更新所述数据库中的语调特征数据和心理行为特征数据，其中，所述数据库为本地数据库或互联网数据库。

[0071] 本发明实施例所提供的情绪分析系统可执行本发明任意实施例所提供的情绪分析方法，具备执行方法相应的功能模块和有益效果。

[0072] 实施例四

[0073] 图4为本发明实施例四提供的服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器12的框图。图4显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

[0074] 如图4所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

[0075] 总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

[0076] 服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

[0077] 系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

[0078] 具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

[0079] 服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。
这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。
如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

[0080] 处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的情绪分析分类方法，包括：

[0081] 识别获取到的语音数据中所包括的语言关键词和目标语调；

[0082] 根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

[0083] 基于所述语音特征点生成目标情绪模型，并在目标情绪模型上标定目标语音特征点；

[0084] 将目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

[0085] 将所述变化数据与数据库中的语调特征和心理行为特征进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0086] 在一个实施方式中，处理单元16通过运行存储在系统存储器28中的程序，实现的情绪分析方法，还包括：

[0087] 根据预设规则采集用户的语音数据；

[0088] 识别所述语音数据所包括的语义内容和语调；

[0089] 从识别出的语义内容和语调中提取语言关键词和目标语调，其中，所述目标语调包括语音数据的音量、语速、音调以及各自的变化趋势中的至少一个。

[0090] 在一个实施方式中，处理单元16通过运行存储在系统存储器28中的程序，实现的情绪分析方法，还包括：

[0091] 对所述语音特征点进行卷积运算得到卷积运算结果，基于所述卷积运算结果生成目标情绪模型。

[0092] 在一个实施方式中，处理单元16通过运行存储在系统存储器28中的程序，实现的情绪分析方法，还包括：

[0093] 将所述卷积运算结果中的极值点标定为目标语音特征点。

[0094] 在一个实施方式中，处理单元16通过运行存储在系统存储器28中的程序，实现的情绪分析方法，还包括：

[0095] 通过大数据分析计算以更新所述数据库中的语调特征数据和心理行为特征数据，其中，所述数据库为本地数据库或互联网数据库。

[0096] 实施例五

[0097] 本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的情绪分析方法，包括：

[0098] 识别获取到的语音数据中所包括的语言关键词和目标语调；

[0099] 根据获取的所述语言关键词和目标语调，分析并确定语音特征点，其中，所述语音特征点为所述语言关键词和目标语调中标识用户情绪的关键词和语调；

[0100] 基于所述语音特征点生成目标情绪模型，并在目标情绪模型上标定目标语音特征点；

[0101] 将目标情绪模型与标准情绪模型库中的标准情绪模型进行匹配，以调整目标情绪模型上已标定的目标语音特征点，并记录目标语音特征点的变化数据；

[0102] 将所述变化数据与数据库中的语调特征和心理行为特征进行匹配，并根据匹配结果输出用户情绪或情绪变化数据。

[0103] 在一个实施方式中，该程序被处理器执行时还可以实现：

[0104] 根据预设规则采集用户的语音数据；

[0105] 识别所述语音数据所包括的语义内容和语调；

[0106] 从识别出的语义内容和语调中提取语言关键词和目标语调，其中，所述目标语调包括语音数据的音量、语速、音调以及各自的变化趋势中的至少一个。

[0107] 在一个实施方式中，该程序被处理器执行时还可以实现：

[0108] 对所述语音特征点进行卷积运算得到卷积运算结果，基于所述卷积运算结果生成目标情绪模型。

[0109] 在一个实施方式中，该程序被处理器执行时还可以实现：

[0110] 将所述卷积运算结果中的极值点标定为目标语音特征点。

[0111] 在一个实施方式中，该程序被处理器执行时还可以实现：

[0112] 通过大数据分析计算以更新所述数据库中的语调特征数据和心理行为特征数据，其中，所述数据库为本地数据库或互联网数据库。

[0113] 本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0114] 计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

[0115] 计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

[0116] 可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

[0117] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。