音频信号的情感识别是打击电话诈骗的方法之一

DOI:

EDN:

评审日期

出版日期

注解: 该研究的相关性取决于电话欺诈领域的现状。 根据卡巴斯基实验室进行的研究，在2022年春季遇到各种不需要的垃圾邮件呼叫的用户份额处于71％的水平。 研究的主题是机器和深度学习技术，通过声音的音色来确定情绪。 作者详细考虑了以下方面：创建标记数据集；将WAV音频格式转换为便于快速处理的数值形式；解决多类分类问题的机器学习方法；构建和优化神经网络体系结构以实时确定情绪。 对该主题研究的一个特殊贡献是作者实现了一种快速的方法来将音频格式转换为数值系数，这显着提高了数据处理的速度，实际上不会牺牲其信息性。 因此，通过机器学习算法快速有效地训练模型。 需要特别注意的是，对卷积神经网络的架构进行了建模，这使得模型训练的质量达到了98％。 该模型原来是轻量级的，并被作为训练模型以实时确定情绪的基础。 模型实时运行的结果与训练后的模型结果相当。 开发的算法可以在移动运营商或银行打击电话欺诈的工作中实现。 该文章是作为俄罗斯联邦政府向金融大学2022年国家分配的一部分，主题为"反电话欺诈系统中的文本识别模型和方法"（VTK-GZ-PI-30-2022）。

出版日期: