随着人工智能在近几年的快速发展,人机交互成为计算机领域一个热门的研究方向。人机交互一方面要解决准确识别与快速回应的问题,另一方面也要不断提高机器的理解水平,完善机器对语音和文字的相关处理就是提高理解水平的关键之一。本文依据语音的特点,提出了一种构建特定特征集的多层网络算法来识别语音情感,同时提出了文本的结合策略识别网络来判断文本是否含有敏感信息,这两种针对语音和文本的识别方法所用到的主要理论为随机森林算法、有向无环图和有穷自动机。本文主要的工作内容概括如下:(1)提出一种基于重要性评分的多级网络随机森林(Multi-RF)算法的语音情感识别方法。本文通过分析语音各情感种类间的差别与相似性,利用多级分层网络对语音情感进行识别,并构建基于重要性评分和按序赋权法对每层网络构建单独的赋权特征集,以此分离一种或两种情感,最后用十折交叉法对所有测试样本集的结果计算平均值,以保证结果的准确性。实验表明,Multi-RF(Multi Rando m Forest)能有效减少情感类别间的误判,提高语音情感的识别准确率。(2)提出一种结合策略模型,并依据该模型提出检测情感文本敏感信息的算法。本文的结合策略模型在敏感词检测时,将待检测文本分为全汉字文本和含字母文本两类,针对全汉字文本采取基于有向无环图(DAG)的理论检测敏感词,针对含字母文本采取基于有穷自动机(DFA)的理论检测敏感词。实验表明,该结合策略的方法相较于目前流行的文本敏感词检测算法,能较大提高敏感信息检测与过滤的整体识别准确率,并保证了识别的有效性,具有实践意义。