李曉宇，徐勇，張心蕊，汪倩，武雅利

（安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，蚌埠233030）

0 引言

語音情感識別是通過分析說話人的語音來識別人的情緒狀態(tài)。語音情感識別的主要流程包括選擇情感特征，情感特征的提取與降維和分類[1]。其中的每一步都具有重要的研究價值。目前公認(rèn)的與語音情感相關(guān)的聲學(xué)特征有韻律學(xué)特征、音質(zhì)特征、基于譜的相關(guān)特征[2-3]，也有學(xué)者提出使用其他特征，如語音的非線性特征[4]。語音情感識別準(zhǔn)確率與語音特征的選取和提取有直接關(guān)系，對數(shù)據(jù)降維或者對提取算法做出改進(jìn)，能有效提高情感識別率[5]。如Sun 等人提出的一種基于最大Teager 能量算子的過零特征提取方法可以更好地反映不同情感狀態(tài)的特征[6]。除了特征外，還需要使用合適的模型對情感進(jìn)行準(zhǔn)確的分類。比較常用的識別模型有隱馬爾可夫模型、高斯混合模型、支持向量機和神經(jīng)網(wǎng)絡(luò)[7-8]。

隨著計算機技術(shù)以及人工智能領(lǐng)域的快速發(fā)展，語音情感識別逐漸在各個方面發(fā)揮了重要作用，尤其是在人機交互領(lǐng)域[9]。智能機器人可以在與用戶進(jìn)行實時互動時，通過識別用戶的情緒采取不同的回應(yīng)，提升交互間的真實性與趣味性。在呼叫中心，通過嵌入以語音識別為核心的智能質(zhì)檢系統(tǒng)，可以指引運營人員發(fā)現(xiàn)服務(wù)過程中的短板，提升客戶滿意度[10]。

基于此，本文以2010 年來知網(wǎng)中有關(guān)語音情感分析的文獻(xiàn)為研究對象，分析國內(nèi)主要的研究機構(gòu)與學(xué)者和關(guān)鍵詞分布。此外，針對普通的關(guān)鍵詞頻統(tǒng)計不能很好地突出近幾年的研究趨勢的問題，對關(guān)鍵詞頻統(tǒng)計方法做出改進(jìn)，通過計算文獻(xiàn)重要度，獲取近年來較為重要的關(guān)鍵詞，全面把握國內(nèi)關(guān)于語音情感分析領(lǐng)域的研究熱點與研究方向。

1 發(fā)表年度分布

利用知網(wǎng)數(shù)據(jù)庫以“語音情感”作為檢索詞進(jìn)行檢索，檢索2010 年至今的中文相關(guān)文獻(xiàn)。具體著作發(fā)表年度及數(shù)量統(tǒng)計結(jié)果見圖1。

圖1 國內(nèi)語音情感分析文獻(xiàn)分布

從圖1 可以看出，國內(nèi)語音分析文獻(xiàn)數(shù)量自從2010 年來有兩個較大的增長趨勢。在2010 年，國內(nèi)關(guān)于語音情感分析研究還較少，僅有17 篇文獻(xiàn)發(fā)表。2011 年有較大的增長，達(dá)到了37 篇。隨后五年的文獻(xiàn)數(shù)量比較平穩(wěn)，每年的文獻(xiàn)發(fā)表數(shù)量維持在40-50 篇之間。而在2017 年，文獻(xiàn)數(shù)量又有了較大幅度的增長，2018 年小幅增長，達(dá)到了近10 年的頂峰，全年共有70 篇文獻(xiàn)發(fā)表。我國對于語音情感分析的研究在近十年總體保持著穩(wěn)步增長的趨勢，從2011 年以來一直都保持著一定的發(fā)文數(shù)量，近幾年則更加熱門。

2 作者及機構(gòu)分布

圖2 作者與機構(gòu)共現(xiàn)分布圖

圖2 是基于CiteSpace 繪制的作者與機構(gòu)共現(xiàn)分布圖?？梢钥闯鰢鴥?nèi)語音情感分析主要有兩大團隊。最大的團隊是由東南大學(xué)的趙力帶領(lǐng)，在圖2 中形成了一個復(fù)雜的網(wǎng)絡(luò)關(guān)系圖，表示趙力團隊在國內(nèi)語音情感分析領(lǐng)域有具有很強的影響力。從節(jié)點的色彩可以看出，趙力等人在每年幾乎均有發(fā)表相關(guān)文獻(xiàn)。從連接線可以看出，趙力與眾多學(xué)者均有合作或指導(dǎo)關(guān)系，聯(lián)系較為緊密的作者有黃程韋、陶華偉、金赟等人。在這個團隊中，主要有東南大學(xué)信息科學(xué)工程學(xué)院、東南大學(xué)水聲信號處理教育部重點實驗室、南京工程學(xué)院信息工程學(xué)院等機構(gòu)。由張雪英和孫穎帶領(lǐng)的團隊僅次于趙力團隊，在語音情感分析領(lǐng)域也有一定的影響力。團隊主要學(xué)者有張雪英、孫穎、張衛(wèi)、張波等人，研究機構(gòu)則主要是太原理工大學(xué)下屬學(xué)院。國內(nèi)其他團隊規(guī)模相比于趙力和孫雪英等人有較大的差距，一般僅僅局限于同一個機構(gòu)下的少數(shù)學(xué)者。

3 關(guān)鍵詞分析

3.1 關(guān)鍵詞時間分布

圖3 關(guān)鍵詞時間分布圖

圖3 是根據(jù)國內(nèi)語音情感分析相關(guān)文獻(xiàn)關(guān)鍵詞而繪制的時間圖譜，關(guān)鍵詞分布圖是不同文獻(xiàn)的關(guān)鍵詞共同繪制在一張圖上，兩個關(guān)鍵詞之間有連線說明出現(xiàn)一篇文獻(xiàn)之中，通過不同的時間節(jié)點可以反映出語音情感分析研究主題隨時間變化的趨勢。圖中的各個結(jié)點聯(lián)系都比較緊密，說明了語音情感分析的研究方向之間有很強的交叉性。從時間分布可以看出，近十年支持向量機、特征提取、特征選擇等研究一直都較為熱門，特征提取與特征選擇等研究大多集中于2011-2015 年間，期間主要有高斯混合模型、基音頻率、模式識別、參數(shù)優(yōu)化等方面的研究。從2015 年來，研究方向主要轉(zhuǎn)向深度學(xué)習(xí)，集成分類器、卷積神經(jīng)網(wǎng)絡(luò)等研究。近兩年研究的主題多為多模態(tài)情感識別、語譜圖和人工智能等。這體現(xiàn)了語音情感分析的一個逐步發(fā)展的趨勢。

3.2 詞頻分析

表1 是關(guān)鍵詞出現(xiàn)的次數(shù)統(tǒng)計，去除“語音情感”、“語音情感識別”、“情感識別”等主題本身的關(guān)鍵詞，列出了出現(xiàn)次數(shù)最高的14 個關(guān)鍵詞。14 個關(guān)鍵詞出現(xiàn)頻率均大于5，其中出現(xiàn)頻率大于三十的有四個，分別是“支持向量機”、“特征提取”、“特征選擇”和“神經(jīng)網(wǎng)絡(luò)”，說明語音情感分析的研究主要集中在特征方面和分類方法上，著重于提升情感分析的準(zhǔn)確度。

表1 關(guān)鍵詞頻率表

3.3 基于重要度的關(guān)鍵詞分析

關(guān)鍵詞頻分析法通過對關(guān)鍵詞出現(xiàn)次數(shù)的統(tǒng)計來揭示該領(lǐng)域研究熱點和發(fā)展動向的方法[11]。然而對于比較新穎的研究方向與內(nèi)容，由于出現(xiàn)較晚的原因，關(guān)鍵詞頻統(tǒng)計值可能排名較后，不能很好地反映出本領(lǐng)域最新的發(fā)展趨勢，并且領(lǐng)域內(nèi)的一些高質(zhì)量的文章所研究的主題也應(yīng)該被重點關(guān)注。因此，本文提出了文獻(xiàn)重要度來對關(guān)鍵詞進(jìn)一步分析。通過計算文獻(xiàn)重要度來篩選文獻(xiàn)，相比普通的詞頻統(tǒng)計能夠更好地反映領(lǐng)域內(nèi)的近幾年的以及高質(zhì)量的研究方向，具有更高的參考價值。

文獻(xiàn)重要度主要有三個影響因素：來源期刊影響因子、發(fā)表年份和文章長度。文獻(xiàn)來源期刊的質(zhì)量可以很好地反應(yīng)文獻(xiàn)的質(zhì)量和影響力，頂級期刊的文獻(xiàn)一般對于某個領(lǐng)域都有重要的影響。因此選取期刊復(fù)合影響因子作為文獻(xiàn)重要度的影響因素。文獻(xiàn)長度可以衡量文獻(xiàn)對于相關(guān)領(lǐng)域研究的細(xì)致程度以及實驗內(nèi)容的豐富與否。通常大部分相關(guān)文獻(xiàn)都在6-10 頁之間，因此設(shè)定文獻(xiàn)長度在6 頁以下、6-10 頁以及10 頁以上的權(quán)重分別為0.6、1、1.5。對于年份權(quán)重Y，2014年之前發(fā)表的文獻(xiàn)設(shè)置為0.6，2014-2016 年間發(fā)表的文獻(xiàn)設(shè)置為0.8，2016 年后設(shè)置為1。具體的文獻(xiàn)重要度公式如下：

其中Importance 為文獻(xiàn)重要度，I 為文獻(xiàn)復(fù)合影響因子，L 為長度權(quán)重，Y 為年份權(quán)重。

基于文獻(xiàn)重要度的關(guān)鍵詞統(tǒng)計，不僅僅是對關(guān)鍵詞出現(xiàn)的次數(shù)進(jìn)行統(tǒng)計，而是結(jié)合上文計算出的文獻(xiàn)重要度，具體計算方法是對出現(xiàn)的每一個關(guān)鍵詞乘以所在文獻(xiàn)的重要度，然后對相同關(guān)鍵詞的重要度累計求和，得出此關(guān)鍵詞的重要度。使用爬蟲爬取每一篇文獻(xiàn)的來源期刊的復(fù)合影響因子，利用重要度公式進(jìn)行計算，得到每一篇文獻(xiàn)的重要度，并統(tǒng)計所有關(guān)鍵詞的重要度。表2 是排序前14 位的關(guān)鍵詞及關(guān)鍵詞重要度。

表2 基于重要度的關(guān)鍵詞表

從表2 可知，“支持向量機”、“特征提取”、“情感特征”、“特征降維”等是語音情感分析領(lǐng)域研究較多或者重要程度較高的關(guān)鍵字。與表1 普通的關(guān)鍵詞頻統(tǒng)計相比，兩種方法均排在前列的關(guān)鍵字有“特征選擇”、“特征提取”、“支持向量機”、“神經(jīng)網(wǎng)絡(luò)”、“語譜圖”等，說明這些主題的相關(guān)研究較多，是領(lǐng)域內(nèi)的研究熱點。而兩表不同之處在于，也即重要關(guān)鍵詞排名較前，而關(guān)鍵詞頻統(tǒng)計排名靠后的關(guān)鍵詞有“情感智能”、“多模態(tài)融合”、“非個性化特征”和“情感語音合成”等。這體現(xiàn)了這些關(guān)鍵詞出現(xiàn)的頻率相比較低，然而基本出現(xiàn)在近幾年或者重要度較高的文獻(xiàn)中，可能是領(lǐng)域內(nèi)比較新穎的研究方向，對這些方向需要重點關(guān)注。

4 結(jié)語

本文基于知網(wǎng)文獻(xiàn)運用文獻(xiàn)計量的方法對目前的語音情感識別領(lǐng)域的研究進(jìn)行了分析，使用CiteSpace分析了國內(nèi)主要的研究機構(gòu)與學(xué)者，發(fā)現(xiàn)國內(nèi)語音情感分析主要有兩大團隊。對關(guān)鍵詞時間分布研究發(fā)現(xiàn)，研究主題具有從語音情感特征逐漸向神經(jīng)網(wǎng)絡(luò)再向多模態(tài)識別發(fā)展的趨勢。對關(guān)鍵詞頻統(tǒng)計法進(jìn)行改進(jìn)，使用基于重要度分析關(guān)鍵詞的方法，可以從另一方面發(fā)掘近年來的研究熱點。對比分析發(fā)現(xiàn)，“情感智能”、“多模態(tài)融合”、“非個性化特征”和“情感語音合成”等都是出現(xiàn)頻率不高，但是重要度較高的關(guān)鍵詞。

通過使用三種方法對關(guān)鍵詞綜合分析，可以將領(lǐng)域的研究熱點概括為以下幾個方向：①對語音情感特征的研究，包括語音情感特征選擇與提取相關(guān)研究，如非個性化特征研究、語譜圖特征等。②對分類方法的研究，如支持向量機，神經(jīng)網(wǎng)絡(luò)、多模態(tài)融合識別等。③語音情感識別應(yīng)用方向的研究，如在人機交互領(lǐng)域的不同用途。今后的研究主要考慮對分類方法做出改進(jìn)，進(jìn)一步提升語音情感識別的準(zhǔn)確率，并探尋語音情感識別在更廣泛領(lǐng)域的具體應(yīng)用。