传统语音情感识别算法模型结构较为简单，需要足够量级的训练数据才能使其具有一定的实用性。然而，在实际应用中可供训练的数据集较少。为解决上述问题，提出了一种语音情感深度迁移识别算法。通过属性分析表构建、特征提取、相关性计算等操作确定源域数据集，并在此基础上训练迁移学习并构建预训练模型，最终构成语音情感分类模型。实验结果表明，该算法可较好解决低资源数据集易陷入局部最优的问题，识别率达到60%以上，相对于BLSTM和CNN模型具有一定优势。
0 引言
近年来，人工智能技术飞速发展，在众多领域中应用广泛。其中，情感计算作为计算机科学、心理学、神经科学等多学科交叉的新兴研究领域，已成为人工智能发展的重要方向[1]。而语音情感识别作为情感计算的重要分支是当前人工智能应用研究的热点[2]