一种语音搜题方法及系统与流程

本发明属于数据处理技术领域，特别涉及一种语音搜题方法及系统。

背景技术：

随着智能终端及网络技术的迅速发展，人们越来越习惯地使用智能终端完成各种需求，如使用智能终端进行移动学习。随着使用智能终端进行移动学习的方式越来越被人们所重视，移动学习将作为一种新的学习方式成为实现学习型社会的一种重要方式与手段。

当用户手持学习设备进行移动时，学习设备采集到的声音信号为周围环境中所有方向的声音信号，当用户移动到嘈杂环境中时，容易导致语音搜题功能的识别准确率低，影响语音搜题效率，使得用户的体验感较差，不利于产品的推广和使用。

技术实现要素：

本发明的目的是提供一种语音搜题方法及系统，在判断出用户与学习设备处于移动状态时，学习设备通过定向采集用户发出的语音信号，来降低由于移动到嘈杂环境造成的语音信号的识别准确率低的情况，提高语音搜题的效率。

本发明提供的技术方案如下：

一方面，提供一种语音搜题方法，包括：

学习设备根据用户发出的唤醒信号启动语音搜题功能；

所述学习设备判断自身是否处于移动状态；

当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

所述学习设备通过所述定向拾音模式采集所述用户发出的语音信息；

所述学习设备根据所述语音信息执行相应的搜题操作。

进一步优选地，所述学习设备判断自身是否处于移动状态具体包括：

所述学习设备判断自身是否处于手持状态；

当所述学习设备处于手持状态时，所述学习设备对自身进行位置定位，得到位置定位结果；

所述学习设备根据所述位置定位结果判断自身是否处于移动状态。

进一步优选地，所述学习设备判断自身是否处于移动状态具体包括：

所述学习设备判断自身是否处于手持状态；

当所述学习设备处于手持状态时，所述学习设备获取自身的加速度数据；

所述学习设备根据所述加速度数据判断自身是否处于移动状态。

进一步优选地，所述学习设备根据所述语音信息执行相应的搜题操作具体包括：

所述学习设备解析所述语音信息，得到所述语音信息包含的题目信息；

所述学习设备根据所述题目信息执行相应的搜题操作。

进一步优选地，所述学习设备解析所述语音信息，得到所述语音信息所包含的题目信息具体包括：

所述学习设备将所述语音信息识别为文本信息；

所述学习设备对所述文本信息进行语义解析，得到语义解析结果；

所述学习设备根据所述语义解析结果，得到所述语音信息包含的题目信息。

另一方面，还提供一种语音搜题系统，包括：

搜题功能启动模块，用于根据用户发出的唤醒信号启动语音搜题功能；

移动状态判断模块，用于判断自身是否处于移动状态；

拾音模式切换模块，用于当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

语音信息采集模块，用于通过所述定向拾音模式采集所述用户发出的语音信息；

搜题执行模块，用于根据所述语音信息执行相应的搜题操作。

进一步优选地，所述移动状态判断模块包括：

手持状态判断单元，用于判断自身是否处于手持状态；

定位单元，用于当自身处于手持状态时，对自身进行位置定位，得到位置定位结果；

移动状态判断单元，用于根据所述位置定位结果判断自身是否处于移动状态。

进一步优选地，所述移动状态判断模块包括：

手持状态判断单元，用于判断自身是否处于手持状态；

加速度获取单元，用于当自身处于手持状态时，获取自身的加速度数据；

移动状态判断单元，用于根据所述加速度数据判断自身是否处于移动状态。

进一步优选地，所述搜题执行模块包括：

题目信息获取单元，用于解析所述语音信息，得到所述语音信息包含的题目信息；

搜题执行单元，用于根据所述题目信息执行相应的搜题操作。

进一步优选地，所述题目信息获取单元包括：

识别子单元，用于将所述语音信息识别为文本信息；

语义解析子单元，用于对所述文本信息进行语义解析，得到语义解析结果；

题目信息获取子单元，用于根据所述语义解析结果，得到所述语音信息包含的题目信息。

与现有技术相比，本发明提供的一种语音搜题方法及系统具有以下有益效果：

1、本发明当判定学习设备自身处于移动状态时，将当前的拾音模式切换为定向拾音模式，通过定向拾音模式采集用户发出的语音信息，可减少当用户移动到嘈杂环境而造成的语音识别准确率低的问题，提高语音搜题效率，提高用户的使用体验。

2、在一优选实施例中，先判断学习设备是否处于手持状态，再根据学习设备的位置或学习设备的加速度来判断学习设备是否处于移动状态，通过两次判断来确认学习是否处于移动状态可提高判断的准确率。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种语音搜题方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种语音搜题方法的第一实施例的流程示意图；

图2是本发明一种语音搜题方法的第二实施例的流程示意图；

图3是本发明一种语音搜题方法的第三实施例的流程示意图；

图4是本发明一种语音搜题方法的第四实施例的流程示意图一；

图5是本发明一种语音搜题方法的第四实施例的流程示意图二；

图6是本发明一种语音搜题系统的一个实施例的结构示意框图；

图7是本发明一种语音搜题系统的另一个实施例的结构示意框图；

图8是本发明一种语音搜题系统的再一个实施例的结构示意框图。

附图标号说明

100、搜题功能启动模块；200、移动状态判断模块；

210、手持状态判断单元；220、定位单元；

230、移动状态判断单元；240、加速度获取单元；

300、拾音模式切换模块；400、语音信息采集模块；

500、搜题执行模块；510、题目信息获取单元；

511、识别子单元；512、语义解析子单元；

513、题目信息获取子单元；520、搜题执行单元。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

根据本发明提供的第一实施例，如图1所示，一种语音搜题方法，包括：

s100学习设备根据用户发出的唤醒信号启动语音搜题功能；

具体地，可以预先在学习设备上设置语音搜题功能的启动方法，如可以设定为通过打开某一应用程序来启动语音搜题功能，或者通过双击学习设备上的某一图标来启动语音搜题功能，或者通过用户输入的特定语音信息来启动语音搜题功能。其中，特定语音信息可为“搜题”、“搜索题目”、“开启搜题功能”等包含关键词“搜题”的相关语音信息。

s200所述学习设备判断自身是否处于移动状态；

具体地，根据用户发出的唤醒信号启动语音搜题功能后，先判断自身是否处于移动状态，判断自身是否处于移动状态可通过学习设备的加速度或位置等进行判断。

s300当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

具体地，当根据加速度或位置等判断出学习设备处于移动状态时，学习设备将自身当前的拾音模式切换为定向拾音模式。定向拾音模式可只采集一个方向的语音信息，而忽略其他方向的语音信息，以抑制其他方向的噪音，提高学习设备的拾音效果，进而提高语音搜题的准确率。

s400所述学习设备通过所述定向拾音模式采集所述用户发出的语音信息；

具体地，开启定向拾音模式后，定向拾音模式的拾音方向可为用户移动的方向，即只采集用户发出的语音信息，而不会采集周围环境中的其他声音，以抑制其他方向的噪音，提高学习设备的拾音效果。

s500所述学习设备根据所述语音信息执行相应的搜题操作。

具体地，通过定向拾音模式采集到用户的语音信息后，根据语音信息中包含的关键词等执行相应的搜题操作，以得到与语音信息相匹配的题目及答案讲解等。

本发明当判定学习设备自身处于移动状态时，将当前的拾音模式切换为定向拾音模式，通过定向拾音模式采集用户发出的语音信息，可减少当用户移动到嘈杂环境而造成的语音识别准确率低的问题，提高语音搜题效率，提高用户的使用体验。

根据本发明提供的第二实施例，如图2所示，一种语音搜题方法，包括：

s100学习设备根据用户发出的唤醒信号启动语音搜题功能；

s210所述学习设备判断自身是否处于手持状态；

具体地，判断学习设备是否处于手持状态可通过在学习设备设置重力传感器，然后获取学习设备上的重力传感器采集的加速度分量，然后根据学习设备上的加速度分量的突变，得到学习设备的运动轨迹，最后根据学习设备的运动轨迹判断学习设备是否处于手持状态。

例如，在短时间内(如一分钟内)学习设备在其自身的相对坐标系中的某一个平面上产生了38度的偏转，则学习设备根据在该短时间内的加速度分量的变化，获知学习设备在某一个平面上偏转了38度。

当根据学习设备上的加速度分量，获知学习设备从静止状态偏转到某一个方向上(即在某一个平面上发生偏转)，则证明学习设备进入手持状态。

s220当所述学习设备处于手持状态时，所述学习设备对自身进行位置定位，得到位置定位结果；

s230所述学习设备根据所述位置定位结果判断自身是否处于移动状态；

具体地，当判定学习设备处于手持状态时，则对学习设备进行位置定位，如通过位置传感器对学习设备进行定位，位置传感器能感受被测物的位置并转换成可用输出信号的传感器，通过在学习设备上设置位置传感器即可获取到学习设备的位置信息，以对学习设备进行位置定位。然后通过定位结果判断学习设备自身是否处于移动状态。

例如，当判定学习设备处于手持状态后，采集学习设备的位置信息，采集学习设备的位置信息时，可每间隔一定时间采集一次学习设备的位置信息，如每隔10s或20s或30s采集一次学习设备的位置信息，采集到学习设备在各个采样时间点的位置信息后，当各个采样时间点的位置信息不同时，即说明用户处于移动中，此时即可判断出学习设备处于移动状态。

或者通过获取wifi的信号强度对学习设备进行定位，然后根据定位结果判断学习设备是否处于移动状态。

除了通过位置传感器或室内wifi的信号强度来判断学习设备是否处于移动状态外，还可通过获取室内的图片来判断学习设备是否处于移动状态。

例如，每间隔一定时间(如15s、20s等)拍摄一张室内地板的图片，然后对拍摄得到的图片进行处理，得到图片的图像数据，根据处理得到图像数据，对图片进行对比分析，当存在多张连续拍摄得到的地板图像不相同时，则证明学习设备处于移动状态。

s300当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

s400所述学习设备通过所述定向拾音模式采集所述用户发出的语音信息；

s500所述学习设备根据所述语音信息执行相应的搜题操作。

在本实施例中，先判断学习设备是否处于手持状态，再根据学习设备的位置或学习设备的加速度来判断学习设备是否处于移动状态，通过两次判断来确认学习是否处于移动状态可提高判断的准确率。

根据本发明提供的第三实施例，如图3所示，一种语音搜题方法，包括：

s100学习设备根据用户发出的唤醒信号启动语音搜题功能；

s210所述学习设备判断自身是否处于手持状态；

具体地，判断学习设备是否处于手持状态可通过在学习设备设置重力传感器，然后获取学习设备上的重力传感器采集的加速度分量，然后根据学习设备上的加速度分量的突变，得到学习设备的运动轨迹，最后根据学习设备的运动轨迹判断学习设备是否处于手持状态。

例如，在短时间内(如一分钟内)学习设备在其自身的相对坐标系中的某一个平面上产生了38度的偏转，则学习设备根据在该短时间内的加速度分量的变化，获知学习设备在某一个平面上偏转了38度。

当根据学习设备上的加速度分量，获知学习设备从静止状态偏转到某一个方向上(即在某一个平面上发生偏转)，则证明学习设备进入手持状态。

s240当所述学习设备处于手持状态时，所述学习设备获取自身的加速度数据；

具体地，当学习设备处于手持状态时，还可通过在学习设备上设置加速度传感器，通过加速度传感器获取学习设备的加速度数据。加速度传感器可以为三轴加速度传感器或双轴加速度传感器。

s250所述学习设备根据所述加速度数据判断自身是否处于移动状态；

得到学习设备的加速度数据后，对加速度数据进行特征分析，以生成加速度数据的特征向量。加速度数据的特征向量可以用于表征学习设备的加速度的变化特征。

获取到学习设备的加速度数据后，将加速度数据输入预先训练好的移动状态识别模型中，即可判断出学习设备是否处于移动状态。

移动状态识别模型的训练样本的输入为学习设备的加速度数据，输出为加速度数据对应的学习设备的移动状态，通过大量的训练样本对移动状态识别模型进行训练，即可得到训练后的移动状态识别模型。

s300当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

s400所述学习设备通过所述定向拾音模式采集所述用户发出的语音信息；

s500所述学习设备根据所述语音信息执行相应的搜题操作。

在本实施例中，先判断学习设备是否处于手持状态，再根据学习设备的位置或学习设备的加速度来判断学习设备是否处于移动状态，通过两次判断来确认学习是否处于移动状态可提高判断的准确率。

根据本发明提供的第四实施例，如图4所示，一种语音搜题方法，包括：

s100学习设备根据用户发出的唤醒信号启动语音搜题功能；

s200所述学习设备判断自身是否处于移动状态；

具体地，通过在学习设备设置重力传感器，然后获取学习设备上的重力传感器采集的加速度分量，然后根据学习设备上的加速度分量的突变，得到学习设备的运动轨迹，最后根据学习设备的运动轨迹判断学习设备是否处于手持状态。

s300当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

具体地，当根据加速度或位置等判断出学习设备处于移动状态时，学习设备将自身当前的拾音模式切换为定向拾音模式。定向拾音模式可只采集一个方向的语音信息，而忽略其他方向的语音信息，以抑制其他方向的噪音，提高学习设备的拾音效果，进而提高语音搜题的准确率。

s400所述学习设备通过所述定向拾音模式采集所述用户发出的语音信息；

s510所述学习设备解析所述语音信息，得到所述语音信息包含的题目信息；

具体地，通过定向拾音模式采集到用户发出的语音信息后，对语音信息进行解析，提取出语音信息中的关键信息，以得到语音信息中包含的题目信息。

s520所述学习设备根据所述题目信息执行相应的搜题操作。

具体地，得到语音信息中包含的题目信息后，根据题目信息在预先建立的题库中查找与题目信息相匹配的题目作为目标题目，并获取到该目标题目的讲解及答案，然后推荐给用户。

优选地，如图5所示，s510所述学习设备解析所述语音信息，得到所述语音信息包含的题目信息具体包括：

s511所述学习设备将所述语音信息识别为文本信息；

具体地，学习设备通过定向拾音模式采集到用户的语音信息后，将该语音信息识别为文本信息，在识别该语音信息时，可先对该语音信息进行语音校正。

人在说话时，由于地域和习惯等的原因，经常会出现吞音及拖音等情况，吞音是由于某些音节快速拼读而产生吞咽的现象，拖音是说话时拖长音的现象。当语音中出现吞音及拖音时，会影响语音的识别率。因此，本实施例可先根据不同地域的发音特点，建立发音词库，发音词库中包括吞音词及吞音词对应的标准词及拖音词与拖音词对应的标准词等。

通过建立发音词库，当采集到用户的语音信息后，可对语音信息中的吞音及拖音词语进行校正。当用户对某些音节快速拼读则会产生吞咽现象，即造成丢音，造成口齿不清，影响语音识别。

对语音信息中的吞音及拖音情况进行校正后，对校正后的语音信息进行识别，得到对应的文本信息。

本实施例中，先对语音信息进行校正，然后对校正后的语音信息进行识别，可提高语音信息的识别准确率，从而提高搜题的准确率。

s512所述学习设备对所述文本信息进行语义解析，得到语义解析结果；

具体地，对语音信息进行识别得到文本信息后，对文本信息进行语义解析，得到语义解析结果。语义解析可根据语义识别模型得到，语义识别模型可由神经网络模型训练得到。

s513所述学习设备根据所述语义解析结果，得到所述语音信息包含的题目信息。

具体地，得到语音信息的语义解析结果后，先获取语义解析结果中的关键词，然后对关键词按语法进行编辑，即可得到语音信息中包含的题目信息。

得到语音信息中包含的题目信息后，通过将题目信息中的关键词与题库中的题目进行匹配，当题库中的某一题目与该题目信息中的关键词匹配时，则该题目为语音信息对应的目标题目，获取该目标题目的解答过程和答案并推荐给用户。

根据本发明提供的第五实施例，如图6所示，一种语音搜题系统，包括：

搜题功能启动模块100，用于根据用户发出的唤醒信号启动语音搜题功能；

具体地，可以预先在学习设备上设置语音搜题功能的启动方法，如可以设定为通过打开某一应用程序来启动语音搜题功能，或者通过双击学习设备上的某一图标来启动语音搜题功能，或者通过用户输入的特定语音信息来启动语音搜题功能。其中，特定语音信息可为“搜题”、“搜索题目”、“开启搜题功能”等包含关键词“搜题”的相关语音信息。

移动状态判断模块200，用于判断自身是否处于移动状态；

具体地，根据用户发出的唤醒信号启动语音搜题功能后，先判断自身是否处于移动状态，判断自身是否处于移动状态可通过学习设备的加速度或位置等进行判断。

拾音模式切换模块300，用于当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

具体地，当根据加速度或位置等判断出学习设备处于移动状态时，学习设备将自身当前的拾音模式切换为定向拾音模式。定向拾音模式可只采集一个方向的语音信息，而忽略其他方向的语音信息，以抑制其他方向的噪音，提高学习设备的拾音效果，进而提高语音搜题的准确率。

语音信息采集模块400，用于通过所述定向拾音模式采集所述用户发出的语音信息；

具体地，开启定向拾音模式后，定向拾音模式的拾音方向可为用户移动的方向，即只采集用户发出的语音信息，而不会采集周围环境中的其他声音，以抑制其他方向的噪音，提高学习设备的拾音效果。

搜题执行模块500，用于根据所述语音信息执行相应的搜题操作。

s500所述学习设备根据所述语音信息执行相应的搜题操作。

具体地，通过定向拾音模式采集到用户的语音信息后，根据语音信息中包含的关键词等执行相应的搜题操作，以得到与语音信息相匹配的题目及答案讲解等。

本实施例中，当判定学习设备自身处于移动状态时，将当前的拾音模式切换为定向拾音模式，通过定向拾音模式采集用户发出的语音信息，可减少当用户移动到嘈杂环境而造成的语音识别准确率低的问题，提高语音搜题效率，提高用户的使用体验。

根据本发明提供的第六实施例，如图7所示，一种语音搜题系统，包括：

搜题功能启动模块100，用于根据用户发出的唤醒信号启动语音搜题功能；

具体地，可以预先在学习设备上设置语音搜题功能的启动方法，如可以设定为通过打开某一应用程序来启动语音搜题功能，或者通过双击学习设备上的某一图标来启动语音搜题功能，或者通过用户输入的特定语音信息来启动语音搜题功能。其中，特定语音信息可为“搜题”、“搜索题目”、“开启搜题功能”等包含关键词“搜题”的相关语音信息。

搜题功能启动模块100通过语音唤醒信号启动语音搜题功能，或者通过单击某一图标启动语音搜题功能。

移动状态判断模块200，用于判断自身是否处于移动状态；

具体地，根据用户发出的唤醒信号启动语音搜题功能后，移动状态判断模块200先判断自身是否处于移动状态，判断自身是否处于移动状态可通过学习设备的加速度或位置等进行判断。

拾音模式切换模块300，用于当所述学习设备判定自身处于移动状态时，所述学习设备将当前的拾音模式切换为定向拾音模式；

具体地，当根据加速度或位置等判断出学习设备处于移动状态时，学习设备通过拾音模式切换模块300将自身当前的拾音模式切换为定向拾音模式。定向拾音模式可只采集一个方向的语音信息，而忽略其他方向的语音信息，以抑制其他方向的噪音，以提高学习设备的拾音效果，进而提高学习设备的语音搜题的准确率。

语音信息采集模块400，用于通过所述定向拾音模式采集所述用户发出的语音信息；

具体地，开启定向拾音模式后，语音信息采集模块400通过定向拾音模式采集用户发出的语音信息。定向拾音模式的拾音方向可为用户移动的方向，即只采集用户发出的语音信息，而不会采集周围环境中的其他声音，以抑制其他方向的噪音，提高学习设备的拾音效果。

搜题执行模块500，用于根据所述语音信息执行相应的搜题操作。

具体地，通过定向拾音模式采集到用户的语音信息后，搜题执行模块500根据语音信息中包含的关键词等执行相应的搜题操作，以得到与语音信息相匹配的题目及答案讲解等。

本实施例中，当判定学习设备自身处于移动状态时，将当前的拾音模式切换为定向拾音模式，通过定向拾音模式采集用户发出的语音信息，可减少当用户移动到嘈杂环境而造成的语音识别准确率低的问题，提高语音搜题效率，提高用户的使用体验。

优选地，所述移动状态判断模块200包括：

手持状态判断单元210，用于判断自身是否处于手持状态；

具体地，判断学习设备是否处于手持状态可通过在学习设备设置重力传感器，然后获取学习设备上的重力传感器采集到的加速度分量，然后根据学习设备上的加速度分量的突变，得到学习设备的运动轨迹，最后根据学习设备的运动轨迹判断学习设备是否处于手持状态。

例如，在短时间内(如一分钟内)学习设备在其自身的相对坐标系中的某一个平面上产生了38度的偏转，则学习设备根据在该短时间内的加速度分量的变化，获知学习设备在某一个平面上偏转了38度。

当根据学习设备上的加速度分量，获知学习设备从静止状态偏转到某一个方向上(即在某一个平面上发生偏转)，则证明学习设备进入手持状态。

定位单元220，用于当自身处于手持状态时，对自身进行位置定位，得到位置定位结果；

移动状态判断单元230，用于根据所述位置定位结果判断自身是否处于移动状态。

具体地，当判定学习设备处于手持状态时，则对学习设备进行位置定位，如通过位置传感器对学习设备进行定位，位置传感器能感受被测物的位置并转换成可用输出信号的传感器，通过在学习设备上设置位置传感器即可获取到学习设备的位置信息，以对学习设备进行位置定位，移动状态判断单元230根据学习设备的定位结果判断自身是否处于移动状态。

例如，当判定学习设备处于手持状态后，采集学习设备的位置信息，采集学习设备的位置信息时，可每间隔一定时间采集一次学习设备的位置信息，如每隔10s或20s或30s采集一次学习设备的位置信息，采集到学习设备在各个采样时间点的位置信息后，当各个采样时间点的位置信息不同时，即说明用户处于移动中，此时即可判断出学习设备处于移动状态。

或者通过获取wifi的信号强度对学习设备进行定位，然后根据定位结果判断学习设备是否处于移动状态。

除了通过位置传感器或室内wifi的信号强度来判断学习设备是否处于移动状态外，还可通过获取室内的图片来判断学习设备是否处于移动状态。

例如，每间隔一定时间(如15s、20s等)拍摄一张室内地板的图片，然后对拍摄得到的图片进行处理，得到图片的图像数据，根据处理得到图像数据，对图片进行对比分析，当存在多张连续拍摄得到的地板图像不相同时，则证明学习设备处于移动状态。

在本实施例中，先判断学习设备是否处于手持状态，再根据学习设备的位置来判断学习设备是否处于移动状态，通过两次判断来确认学习是否处于移动状态可提高判断的准确率。

优选地，所述搜题执行模块500包括：

题目信息获取单元510，用于解析所述语音信息，得到所述语音信息包含的题目信息；

具体地，通过定向拾音模式采集到用户发出的语音信息后，对语音信息进行解析，提取出语音信息中的关键信息，以得到语音信息中包含的题目信息。

搜题执行单元520，用于根据所述题目信息执行相应的搜题操作。

具体地，得到语音信息中包含的题目信息后，根据题目信息在预先建立的题库中查找与题目信息相匹配的题目作为目标题目，并获取到该目标题目的讲解及答案，然后推荐给用户。

优选地，所述题目信息获取单元510包括：

识别子单元511，用于将所述语音信息识别为文本信息；

具体地，学习设备通过定向拾音模式采集到用户的语音信息后，将该语音信息识别为文本信息，在识别该语音信息时，可先对该语音信息进行语音校正。

人在说话时，由于地域和习惯等的原因，经常会出现吞音及拖音等情况，吞音是由于某些音节快速拼读而产生吞咽的现象，拖音是说话时拖长音的现象。当语音中出现吞音及拖音时，会影响语音的识别率。因此，本实施例可先根据不同地域的发音特点，建立发音词库，发音词库中包括吞音词及吞音词对应的标准词及拖音词与拖音词对应的标准词等。

通过建立发音词库，当采集到用户的语音信息后，可对语音信息中的吞音及拖音词语进行校正。当用户对某些音节快速拼读则会产生吞咽现象，即造成丢音，造成口齿不清，影响语音识别。

对语音信息中的吞音及拖音情况进行校正后，对校正后的语音信息进行识别，得到对应的文本信息。

本实施例中，先对语音信息进行校正，然后对校正后的语音信息进行识别，可提高语音信息的识别准确率，从而提高搜题的准确率。

语义解析子单元512，用于对所述文本信息进行语义解析，得到语义解析结果；

具体地，对语音信息进行识别得到文本信息后，对文本信息进行语义解析，得到语义解析结果。语义解析可根据语义识别模型得到，语义识别模型可由神经网络模型训练得到。

题目信息获取子单元513，用于根据所述语义解析结果，得到所述语音信息包含的题目信息。

具体地，得到语音信息的语义解析结果后，题目信息获取子单元513先获取语义解析结果中的关键词，然后对关键词按语法进行编辑，即可得到语音信息中包含的题目信息。

得到语音信息中包含的题目信息后，通过将题目信息中的关键词与题库中的题目进行匹配，当题库中的某一题目与该题目信息中的关键词匹配时，则该题目为语音信息对应的目标题目，获取该目标题目的解答过程和答案并推荐给用户。

根据本发明提供的第七实施例，如图8所示，一种语音搜题系统，本实施例与上述第六实施例的区别在于：

所述移动状态判断模块200包括：

手持状态判断单元210，用于判断自身是否处于手持状态；

加速度获取单元240，用于当自身处于手持状态时，获取自身的加速度数据；

具体地，当学习设备处于手持状态时，还可通过在学习设备上设置加速度传感器，通过加速度传感器获取学习设备的加速度数据。加速度传感器可以为三轴加速度传感器或双轴加速度传感器。

移动状态判断单元230，用于根据所述加速度数据判断自身是否处于移动状态。

得到学习设备的加速度数据后，对加速度数据进行特征分析，以生成加速度数据的特征向量。加速度数据的特征向量可以用于表征学习设备的加速度的变化特征。

获取到学习设备的加速度数据后，将加速度数据输入预先训练好的移动状态识别模型中，即可判断出学习设备是否处于移动状态。

移动状态识别模型的训练样本的输入为学习设备的加速度数据，输出为加速度数据对应的学习设备的移动状态，通过大量的训练样本对移动状态识别模型进行训练，即可得到训练后的移动状态识别模型。

在本实施例中，先判断学习设备是否处于手持状态，再根据学习设备的加速度来判断学习设备是否处于移动状态，通过两次判断来确认学习是否处于移动状态可提高判断的准确率。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。