一种语言表达的评价和辅助方法及装置与流程

本发明涉及机器学习应用技术，特别是涉及一种语言表达的评价和辅助方法及装置。

背景技术

语言是人类之间交流信息的主要手段之一，自电脑发明以来，人们就一直致力于使电脑能够理解自然语言。语音识别，也被称为自动语音识别(automaticspeechrecognition，asr)技术，就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术，也就是让机器听懂人类的语音。

语音识别的基本原理，就是将一段语音信号转换成相对应的文本信息，系统主要包含特征提取、声学模型，语言模型以及字典与解码四大部分，其中为了更有效地提取特征往往还需要对所采集到的声音信号进行滤波、分帧等预处理工作，把要分析的信号从原始信号中提取出来；之后，特征提取工作将声音信号从时域转换到频域，为声学模型提供合适的特征向量；声学模型中再根据声学特性计算每一个特征向量在声学特征上的得分；而语言模型则根据语言学相关的理论，计算该声音信号对应可能词组序列的概率；最后根据已有的字典，对词组序列进行解码，得到最后可能的文本表示。

随着机器学习和人工智能的发展，语音行业也可谓是百花齐放，尤其是最近几年，不仅涌现了很多国内外的小公司，而且巨头们也开始加速语音识别行业的布局，在语音识别领域均取得了不错的进展。

由于经济的迅猛发展，人们之间的交往日益频繁，语言表达能力的重要性也日益增强，良好的语言表达往往能起到事半功倍的效果。然而很多人在语言表达上有所欠缺，叙述不清晰，没有重点，毫无逻辑等，这些语言表达能力的欠缺，导致人与人之间无法进行有效的沟通，工作效率也随之降低。如何通过语音识别来增强人与人之间的沟通能力，这个问题变得尤为重要。

通过人工智能，机器理解人类的语言以及人类的情感已经变成可能，但是面向特定聊天对象的语言表达能力评价及辅助，目前，尚未有相关方面的消息及进展。

技术实现要素：

有鉴于此，本发明的主要目的在于提供一种语言表达的评价和辅助方法及装置，可以对用户的语言表达进行智能评价，有利于用户进行语言表达的优化。

为了达到上述目的，本发明提出的技术方案为：

一种语言表达的评价和辅助方法，包括：

a、服务器预先从用户语音聊天样本数据中，提取每个聊天用户的语音特征、用户特征以及用户对不同语音特征的语音满意度，并采用机器学习方法，根据所述提取的结果，生成用于语音表达评价的学习模型；

b、当所述服务器接收到终端设备发送的待评价语音数据和相应聊天对象的用户标识时，根据所述待评价语音数据和所述用户标识，利用所述学习模型，估计所述聊天对象对所述待评价语音数据的满意度，将所述估计的结果发送给所述终端设备。

一种语言表达的评价和辅助装置，设于服务器中，包括：

学习模型生成单元，预先从用户语音聊天样本数据中，提取每个聊天用户的语音特征、用户特征以及用户对不同语音特征的语音满意度，并采用机器学习方法，根据所述提取的结果，生成用于语音表达评价的学习模型；

评估辅助单元，当所述服务器接收到终端设备发送的待评价语音数据和相应聊天对象的用户标识时，根据所述待评价语音数据和所述用户标识，利用所述学习模型，估计所述聊天对象对所述待评价语音数据的满意度，将所述估计的结果发送给所述终端设备。

综上所述，本发明提出的语言表达的评价和辅助方法及系统，通过预先基于用户语音聊天样本数据，生成用于语音表达评价的学习模型，以建立语音特征、用户特征以及不同语音特征的语音满意度三方面的映射关系，从而可以基于上述学习模型为用户评估与其进行聊天的对象对其语言表达的满意度，进而有利于用户根据该评估结果进行语言表达的优化。因此，利用本发明，可以对用户的语言表达进行智能评价，有利于用户进行语言表达的优化。

附图说明

图1为本发明实施例的方法流程示意图；

图2为本发明实施例的装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

图1为本发明实施例的方法流程示意图，如图1所示，该实施例实现的语言表达的评价和辅助方法主要包括：

步骤101、服务器预先从用户语音聊天样本数据中，提取每个聊天用户的语音特征、用户特征以及用户对不同语音特征的语音满意度，并采用机器学习方法，根据所述提取的结果，生成用于语音表达评价的学习模型。

本步骤中，需要根据预先采集的样本数据，建立用户的语音特征、用户特征以及用户对不同语音特征的语音满意度三方面的映射关系，生成相应的用于语音表达评价的学习模型。

在实际应用中，可以采用通过小规模的用户调研来获得用户语音聊天样本数据，该用户语音聊天样本数据将包括具有不同用户特征的用户的语音数据以及他们对不同用户的语音满意度(该满意度可以通过现场采集得到，即选择不同用户画像的受访人群，让受访人群对其他人的语音进行语音满意度评分)，这样，通过对用户语音聊天样本数据进行分析，可以最终得出样本空间内用户特征、语音特征及语音满意度三者之间的关联性。

上述学习模型的具体生成方法为本领域技术人员所掌握，在此不再赘述。

较佳地，所述语音特征可以包括：语义特征、语速特征、语调特征、语法特征和感情特征。

较佳地，所述用户特征可以包括：年龄、性别、职业、受教育程度、地域和个人喜好。

较佳地，所述语音满意度可以包括：在语义、语速、语调、语法和感情方面的满意度。

较佳地，步骤101可以采用下述方法实现：

步骤1011、所述服务器从所述用户语音聊天样本数据中，提取出样本数据所涉及的每个聊天用户的语音特征。

本步骤的具体实现为本领域技术人员所掌握，在此不再赘述。

步骤1012、对于每个所述聊天用户，从该聊天用户对应的样本数据中提取出相应的用户特征和对不同语音特征的语音满意度。

本步骤的具体实现为本领域技术人员所掌握，在此不再赘述。

步骤1013、采用机器学习的方法，根据每个聊天用户的语音特征、用户特征以及对不同语音特征的语音满意度，生成所述学习模型。

本步骤的具体实现为本领域技术人员所掌握，在此不再赘述。

步骤102、当所述服务器接收到终端设备发送的待评价语音数据和相应聊天对象的用户标识时，根据所述待评价语音数据和所述用户标识，利用所述学习模型，估计所述聊天对象对所述待评价语音数据的满意度，将所述估计的结果发送给所述终端设备。

本步骤，用于利于步骤101生成的学习模型，对聊天对象对待评价语音数据的满意度进行评估，并发送给终端设备，以便用户基于评估结果对其语音进行调整，从而有利于聊天对象对用户语音的满意度。

较佳地，本步骤中可以采用下述方法估计所述聊天对象对所述待评价语音数据的满意度：

步骤x1、所述服务器从所述待评价语音数据中提取出相应的语音特征。

本步骤中需要从终端设备发送来的待评价语音数据中提取出相应的语音特征，以便后续步骤中进一步基于该语音特征对聊天对象对待评价语音数据的满意度进行评估。具体的提取方法为本领域技术人员所掌握，在此不再赘述。

步骤x2、所述服务器根据所述聊天对象的用户标识和历史聊天数据，获取所述聊天对象的用户特征，将所述语音特征和所述聊天对象的用户特征输入到所述学习模型中，得到所述聊天对象对所述待评价语音数据的满意度并发送给所述终端设备。

本步骤中，需要先根据所述聊天对象的用户标识和历史聊天数据，确定出聊天对象的用户特征，然后将用户特征和待评价语音数据的语音特征作为输入参数，输入至步骤101得到的学习模型中，即可得到聊天对象对待评价语音数据的满意度估计结果。

在实际应用中，确定聊天对象的用户特征的具体方法可以为：

根据用户标识查找相应用户的历史聊天数据，对历史聊天数据进行分析即可获得聊天对象的用户特征。

较佳地，本步骤中估计出的对所述待评价语音数据的满意度可以包括在语音特征的各个方面的满意度。如在语义、语速、语调、语法和感情方面的满意度，以便对用户清楚地获知需要对语音进行优化的具体方向，从而可以有效提高聊天对象对其语音的满意度。

通过上述方法实施例可以看出本发明可以对用户的语言表达进行智能评价，有利于用户进行语言表达的优化。图2为与上述方法相对应的一种语言表达的评价和辅助装置结构示意图，该装置设于服务器中，如图2所示该装置包括：

学习模型生成单元，预先从用户语音聊天样本数据中，提取每个聊天用户的语音特征、用户特征以及用户对不同语音特征的语音满意度，并采用机器学习方法，根据所述提取的结果，生成用于语音表达评价的学习模型；

评估辅助单元，当所述服务器接收到终端设备发送的待评价语音数据和相应聊天对象的用户标识时，根据所述待评价语音数据和所述用户标识，利用所述学习模型，估计所述聊天对象对所述待评价语音数据的满意度，将所述估计的结果发送给所述终端设备。

较佳地，所述语音特征包括：语义特征、语速特征、语调特征、语法特征和感情特征。

较佳地，所述用户特征包括：年龄、性别、职业、受教育程度、地域和个人喜好。

较佳地，所述语音满意度包括：在语义、语速、语调、语法和感情方面的满意度。

较佳地，学习模型生成单元，用于从所述用户语音聊天样本数据中，提取出样本数据所涉及的每个聊天用户的语音特征；对于每个所述聊天用户，从该聊天用户对应的样本数据中提取出相应的用户特征和对不同语音特征的语音满意度；采用机器学习的方法，根据每个聊天用户的语音特征、用户特征以及对不同语音特征的语音满意度，生成所述学习模型。

较佳地，评估辅助单元，用于从所述待评价语音数据中提取出相应的语音特征；根据所述聊天对象的用户标识和历史聊天数据，获取所述聊天对象的用户特征，将所述语音特征和所述聊天对象的用户特征输入到所述学习模型中，得到所述聊天对象对所述待评价语音数据的满意度并发送给所述终端设备。

较佳地，所述对所述待评价语音数据的满意度包括在语音特征的各个方面的满意度。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。