[发明专利]基于语音的人格特征预测方法

说明书

技术领域

本发明涉及计算机应用技术领域，具体涉及一种基于语音的人格特征预测方法。

背景技术

目前互联网上人格预测方法普遍采用基于文字答卷的形式。虽然文字答卷的人格预测方法有了丰富的研究成果，如大五人格测试（Big Five）、卡特尔16因素人格测验（Sixteen Personality Factor Questionnaire , 16PF）等。但在这种方式下用户需要花费大量时间进行答题，预测所需时间取决于题目数量和测试者的答题速度，并且预测步骤繁多冗长，测试者容易产生厌烦和抵触心理，测试结果的准确性依赖于测试者的主观配合程度，因此这种方法并不十分适合互联网所提倡简单便捷的“快餐式”应用模式。

专利申请号为201010606120.8的技术方案公开了一种基于多种方言背景提出一种语音式交互问答形式的人格测试方法和装置，把人格测试的文字问答方式转变为语音问答形式，一定程度上解决了特殊人群的适应性和便捷性问题，但没有从本质上解决测试过程过于冗长的状况。此外，专利申请号为201310059465.X的技术方案公开了一种利用用户手写文字图片进行分析预测人格特征，虽然可以免去冗长的答题预测时间，但目前移动社交、网络社交中，手写图片的使用并不广泛，存在难以采集预测数据等问题。本发明基于语音的人格预测方式，步骤少且操作简单，可在移互联网、移动环境下众多应用中推广，进而准确、高效的为用户提供进一步社交服务。因此，如何克服了互联网、移动平台上人格特征预测方式耗时长、效果易受主观因素影响、测定数据难以获取等不足，为用户提供简单易用的“快餐式”人格预测途径，已经成为一项亟待解决的技术问题。

发明内容

针对现有技术的上述计数问题，本发明要解决的计数问题是提供一种预测耗时短、效果客观准确、素材采集简单方便的基于语音的人格特征预测方法。

为了解决上述计数问题，本发明采用的技术方案为：

一种基于语音的人格特征预测方法，其实施步骤如下：

1）建立语音人格预测机器学习模型：针对选择的多个参考测定人进行人格评估测定得到作为参考测定人的人格特征因素真实基准评分的多项人格特征因素评分值；采集多个所述参考测定人正常发音语音的语音片段，对所述语音片段进行预处理并提取多项声学韵律特征，提取所述声学韵律特征的多项统计特征值；建立包含声学韵律特征到人格特征因素评分值映射关系的语音人格预测机器学习模型，将每一个参考测定人的多项人格特征因素评分值以及语音片段各项声学韵律特征对应的多项统计特征值分别输入所述语音人格预测机器学习模型进行训练；

2）人格特征预测：采集测定人的正常发音语音得到待预测的语音片段，对所述语音片段进行预处理并提取多项声学韵律特征和对应的多项统计特征，将所述多项声学韵律特征以及对应的多项统计特征输入所述语音人格预测机器学习模型进行人格特征因素评分值回归分析得到各项声学韵律特征和统计特征对应的多项人格特征因素评分值，分别将每一项声学韵律特征对应的所有人格特征因素评分值加权求和，最终得到测定人的的多项人格特征因素评分值并输出。

作为本发明上述技术方案的进一步改进：

所述步骤1）中针对选择的多个参考测定人进行人格评估测定具体是指进行大五人格测试、明尼苏达多项人格测试、卡特尔16人格测试中的一种。

所述步骤1）及步骤2）中对语音片段进行预处理并提取多项声学韵律特征的详细步骤如下：对语音片段进行预加重、加窗处理、分帧、端点检测得到预处理后的语音片段，对预处理后的每一个语音片段分别提取包括Mel频率倒谱系数、线性预测倒谱系数、感知线性预测系数、音高、前两共振峰、能量、有声段长度、无声段长度、感知线性预测系数、短时过零率、谐噪比、长时平均谱中的多项在内的声学韵律特征。

所述步骤1）中提取声学韵律特征的多项统计特征值具体是指提取所述声学韵律特征的最大值、最小值、均值、方差、相对熵、斜率、差分值中的多种。

所述步骤1）中的语音人格预测机器学习模型具体是指高斯核支持向量机统计模型、逻辑回归方法模型、决策树模型、最小二乘法模型、感知器算法模型、Boost方法模型、隐马尔科夫模型、高斯混合模型、神经网络模型、深度学习模型中的一种。