一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)提供了一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，包括：捕獲組件，其用于捕獲語(yǔ)音輸入；自動(dòng)語(yǔ)音識(shí)別ASR組件，其用于執(zhí)行所述語(yǔ)音輸入的實(shí)時(shí)識(shí)別；分析組件，其用于根據(jù)分析語(yǔ)音輸入內(nèi)容獲取相應(yīng)數(shù)據(jù)，并對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分類模塊、分類檢測(cè)模塊和檢測(cè)融合模塊。本發(fā)明專利技術(shù)的有益效果為：實(shí)現(xiàn)了實(shí)時(shí)語(yǔ)音教學(xué)。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及語(yǔ)音分析領(lǐng)域，具體涉及一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)。
技術(shù)介紹
常規(guī)的語(yǔ)音識(shí)別組件經(jīng)過(guò)預(yù)先訓(xùn)練，因此高度地非個(gè)人化。實(shí)際上，常規(guī)計(jì)算機(jī)輔助工具不能動(dòng)態(tài)適應(yīng)用戶語(yǔ)音或者用戶與他人對(duì)話中的內(nèi)容。常規(guī)方法還需要主動(dòng)練習(xí)。預(yù)先選擇的文本可能不對(duì)應(yīng)于用戶最常說(shuō)的單詞和詞組。使用常規(guī)技術(shù)，可能難以涵蓋用戶習(xí)慣性說(shuō)的某些事物。
技術(shù)實(shí)現(xiàn)思路
針對(duì)上述問(wèn)題，本專利技術(shù)旨在提供一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)。本專利技術(shù)的目的采用以下技術(shù)方案來(lái)實(shí)現(xiàn)：提供了一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，包括：捕獲組件，其用于捕獲語(yǔ)音輸入；自動(dòng)語(yǔ)音識(shí)別ASR組件，其用于執(zhí)行所述語(yǔ)音輸入的實(shí)時(shí)識(shí)別；分析組件，其用于根據(jù)分析語(yǔ)音輸入內(nèi)容獲取相應(yīng)數(shù)據(jù)，并對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分類模塊、分類檢測(cè)模塊和檢測(cè)融合模塊。本專利技術(shù)的有益效果為：實(shí)現(xiàn)了實(shí)時(shí)語(yǔ)音教學(xué)。附圖說(shuō)明利用附圖對(duì)本專利技術(shù)作進(jìn)一步說(shuō)明，但附圖中的實(shí)施例不構(gòu)成對(duì)本專利技術(shù)的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本專利技術(shù)的結(jié)構(gòu)連接示意圖；圖2是本專利技術(shù)分析組件示意圖。附圖標(biāo)記：捕獲組件1、自動(dòng)語(yǔ)音識(shí)別ASR組件2、分析組件3、數(shù)據(jù)采集模塊31、數(shù)據(jù)分類模塊32、分類檢測(cè)模塊33、檢測(cè)融合模塊34。具體實(shí)施方式結(jié)合以下實(shí)施例對(duì)本專利技術(shù)作進(jìn)一步描述。參見(jiàn)圖1、圖2，本實(shí)施例的一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，包括：捕獲組件1，其用于捕獲語(yǔ)音輸入；自動(dòng)語(yǔ)音識(shí)別ASR組件2，其用于執(zhí)行所述語(yǔ)音輸入的實(shí)時(shí)識(shí)別；分析組件3，其用于根據(jù)分析語(yǔ)音輸入內(nèi)容獲取相應(yīng)數(shù)據(jù)，并對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理，包括數(shù)據(jù)采集模塊31、數(shù)據(jù)分類模塊32、分類檢測(cè)模塊33和檢測(cè)融合模塊34，所述數(shù)據(jù)采集模塊31用于采集需要進(jìn)行檢測(cè)的數(shù)據(jù)；所述數(shù)據(jù)分類模塊32用于將由數(shù)據(jù)采集模塊31輸出的數(shù)據(jù)劃分為圖像數(shù)據(jù)和文本數(shù)據(jù)，并對(duì)分類后的數(shù)據(jù)進(jìn)行過(guò)濾處理；所述分類檢測(cè)模塊33用于對(duì)分類后的數(shù)據(jù)進(jìn)行分析檢測(cè)；所述檢測(cè)融合模塊34用于根據(jù)檢測(cè)需求篩選所需的圖像數(shù)據(jù)和文本數(shù)據(jù)。優(yōu)選地，還包括錯(cuò)誤匯總組件，其對(duì)無(wú)法進(jìn)行識(shí)別和識(shí)別錯(cuò)誤的語(yǔ)音進(jìn)行匯總。本優(yōu)選實(shí)施例能夠?qū)φZ(yǔ)音分析系統(tǒng)進(jìn)行改進(jìn)。優(yōu)選地，還包括交互式用戶接口組件，其中所述接口組件使用用戶反饋信息來(lái)分析錯(cuò)誤并建議錯(cuò)誤糾正。本優(yōu)選實(shí)施例語(yǔ)音分析系統(tǒng)更加個(gè)性化。優(yōu)選的，所述采集需要進(jìn)行檢測(cè)的數(shù)據(jù)，包括：(1)采集一定時(shí)間段內(nèi)需要進(jìn)行檢測(cè)的數(shù)據(jù)，按設(shè)定的過(guò)濾規(guī)則對(duì)該數(shù)據(jù)進(jìn)行初步過(guò)濾處理，所述設(shè)定的過(guò)濾規(guī)則包括刪除包含特殊字符、推廣相關(guān)的特殊漢字和網(wǎng)頁(yè)鏈接的內(nèi)容的數(shù)據(jù)；(2)設(shè)所述一定時(shí)間段的時(shí)間范圍為[VB,VE]，將[VB,VE]按照時(shí)間順序平均分為n個(gè)子時(shí)間段，對(duì)每個(gè)子時(shí)間段內(nèi)的數(shù)據(jù)進(jìn)行重要度評(píng)估，評(píng)估公式定義為：Si=STi+ZiZ×100%,1≤i≤n]]>式中，Si為第i個(gè)子時(shí)間段的重要程度，STi為設(shè)定的第i個(gè)子時(shí)間段的重要程度值，Zi為第i個(gè)子時(shí)間段的數(shù)據(jù)的數(shù)量，Z為在[VB,VE]內(nèi)的數(shù)據(jù)的數(shù)量。(3)將各重要度按照由小到大進(jìn)行排序，按照重要度的排列順序，將數(shù)據(jù)依次發(fā)送至數(shù)據(jù)分類模塊32。本優(yōu)選實(shí)施例通過(guò)設(shè)定過(guò)濾規(guī)則，將不需要進(jìn)行檢測(cè)的數(shù)據(jù)進(jìn)行刪除，減少了檢測(cè)后續(xù)處理的數(shù)據(jù)量；通過(guò)對(duì)各子時(shí)間段的數(shù)據(jù)進(jìn)行重要度評(píng)估，并按照重要度的排列順序，將數(shù)據(jù)依次發(fā)送至數(shù)據(jù)分類模塊32，使后續(xù)的模塊能夠預(yù)先處理重要程度高的數(shù)據(jù)，提高了檢測(cè)的速度。優(yōu)選的，所述對(duì)分類后的數(shù)據(jù)進(jìn)行過(guò)濾處理，包括：提取文本數(shù)據(jù)，對(duì)該文本數(shù)據(jù)進(jìn)行聚類處理，形成多個(gè)類別的文本數(shù)據(jù)集；計(jì)算每個(gè)類別的文本數(shù)據(jù)集中的數(shù)據(jù)的數(shù)量，按照數(shù)量由少到大的順序?qū)Χ鄠€(gè)文本數(shù)據(jù)集進(jìn)行排序；刪除前23％的文本數(shù)據(jù)集，將剩余的文本數(shù)據(jù)集以及圖像數(shù)據(jù)發(fā)送至分類檢測(cè)模塊33。本優(yōu)選實(shí)施例進(jìn)一步對(duì)文本數(shù)據(jù)進(jìn)行聚類處理，過(guò)濾掉數(shù)量較少的文本數(shù)據(jù)集，減少了后續(xù)檢測(cè)的數(shù)據(jù)量，從而進(jìn)一步提高了檢測(cè)的速度。優(yōu)選的，所述對(duì)該文本數(shù)據(jù)進(jìn)行聚類處理，包括：(1)確定聚簇的個(gè)數(shù)K，包括：對(duì)該文本數(shù)據(jù)采用等距法設(shè)定k-means聚類算法的初始中心，得到聚類中心；在得到聚類中心后將相鄰的聚類中心的中點(diǎn)作為分類的劃分點(diǎn)，將各個(gè)對(duì)象加入到距離最近的類中，從而確定聚簇的個(gè)數(shù)K；(2)將該文本數(shù)據(jù)劃分為n個(gè)樣本，對(duì)n個(gè)樣本進(jìn)行向量化，通過(guò)夾角余弦函數(shù)計(jì)算所有樣本兩兩之間的相似度，得到相似度矩陣SIM：SIM＝[sim(ci,cj)]n×n，i,j＝1,…,n(3)計(jì)算每一個(gè)樣本與其它所有樣本的相似度之和，求和公式為：SIMci=Σj=1nsim(ci,cj)]]>式中，為樣本ci與其它所有樣本的相似度之和，sim(ci,cj)表示樣本ci,cj間的相似度，i,j＝1,…,n；(4)按降序排列設(shè)按從大到小排列的前4個(gè)值對(duì)應(yīng)的樣本為cmax,cmax-1,cmax-2,cmax-3，根據(jù)下列公式確定第一個(gè)初始的聚簇中心MEDIUM：MEDIUM=14Σμ=03ωmax-μcmax-μ]]>式中，ωmax-μ表示cmax-μ的重要度權(quán)值；(5)對(duì)中的最大值對(duì)應(yīng)的矩陣中行向量的元素進(jìn)行升序排列，假設(shè)前k-1個(gè)最小的元素為SIMpq,q＝1,…k-1，選擇前k-1個(gè)最小的元素SIMpq相對(duì)應(yīng)的樣本作為剩余的k-1個(gè)初始的聚簇中心；(6)計(jì)算剩余樣本與各初始的聚簇中心之間的相似度，將剩余樣本分發(fā)到相似度最高的聚簇中，形成變化后的k個(gè)聚簇；計(jì)算變化后的聚簇中各樣本的均值，將其作為更新后的聚簇中心代替更新前的聚簇中心；若更新前的聚簇中心與更新后的聚簇中心相同，或者目標(biāo)函數(shù)達(dá)到了最小值，停止更新，所述目標(biāo)函數(shù)為：L=Σl=1kΣcx∈Cl||cx-cxl‾||2]]>式中，Cl表示k個(gè)聚簇中的第l個(gè)聚簇，cx為第l個(gè)聚簇中的樣本，為第l個(gè)聚簇的中心。本優(yōu)選實(shí)施例有效避免單一采取隨機(jī)抽樣方法所帶來(lái)的偶然性,解決對(duì)該文本數(shù)據(jù)進(jìn)行聚類處理時(shí)在選取k值以及初始化聚類中心時(shí)所存在的問(wèn)題，提高了聚類穩(wěn)定性，進(jìn)一步提高了對(duì)文本數(shù)據(jù)進(jìn)行過(guò)濾處理的精度。優(yōu)選的，所述分類檢測(cè)模塊33包括圖像數(shù)據(jù)檢測(cè)單元和文本數(shù)據(jù)檢測(cè)單元；所述圖像數(shù)據(jù)檢測(cè)單元基于語(yǔ)義特征對(duì)圖像數(shù)據(jù)進(jìn)行檢測(cè)，具體為：采用小波變換的方法對(duì)圖像進(jìn)行分割，對(duì)區(qū)域低層特征進(jìn)行提取，構(gòu)造特征矩陣，再應(yīng)用非負(fù)矩陣分解訓(xùn)練算法構(gòu)造語(yǔ)義空間，將圖像投影到該空間以獲取圖像語(yǔ)義特征；所述文本數(shù)據(jù)檢測(cè)單元包括文本數(shù)據(jù)建模子單元、文本數(shù)據(jù)分類子單元、檢測(cè)子單元，具體為：(1)文本數(shù)據(jù)建模子單元，用于使用構(gòu)成文檔的詞項(xiàng)來(lái)表達(dá)文檔的語(yǔ)義，其將n篇文檔t1,t2,…,tn的每篇文檔表示成m維特征向量v1,v2,…,vm，構(gòu)成n×m的文檔-特征矩陣：式中，m為構(gòu)成文檔的詞項(xiàng)的數(shù)量；w(ti,vj)=f(ti,vj)×n/f(vj)Σj=1m[f(ti,vj)×n/f(vj)]2,1≤i≤n,1≤j≤m]]>式中，w(ti,vj)表示詞項(xiàng)vj在文檔ti中所占權(quán)重，f(ti,vj)表示詞項(xiàng)vj在文檔ti中出本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，其特征是，包括：捕獲組件，其用于捕獲語(yǔ)音輸入；自動(dòng)語(yǔ)音識(shí)別ASR組件，其用于執(zhí)行所述語(yǔ)音輸入的實(shí)時(shí)識(shí)別；分析組件，其用于根據(jù)分析語(yǔ)音輸入內(nèi)容獲取相應(yīng)數(shù)據(jù)，并對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分類模塊、分類檢測(cè)模塊和檢測(cè)融合模塊。

【技術(shù)特征摘要】
1.一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，其特征是，包括：捕獲組件，其用于捕獲語(yǔ)音輸入；自動(dòng)語(yǔ)音識(shí)別ASR組件，其用于執(zhí)行所述語(yǔ)音輸入的實(shí)時(shí)識(shí)別；分析組件，其用于根據(jù)分析語(yǔ)音輸入內(nèi)容獲取相應(yīng)數(shù)據(jù)，并對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分類模塊、分類檢測(cè)模塊和檢測(cè)融合模塊。2.根據(jù)權(quán)利要求1所述的一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，其特征是，還包括錯(cuò)誤匯總組件，其對(duì)無(wú)法進(jìn)行識(shí)別和識(shí)別錯(cuò)誤的語(yǔ)音進(jìn)行匯總。3.根據(jù)權(quán)利要求2所述的一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，其特征是，還包括交互式用戶接口組件，其中所述接口組件使用用戶反饋信息來(lái)分析錯(cuò)誤并建議錯(cuò)誤糾正。4.根據(jù)權(quán)利要求3所述的一種網(wǎng)絡(luò)教學(xué)實(shí)時(shí)語(yǔ)音分析系統(tǒng)，其特征是，所述采集需要進(jìn)行檢測(cè)的數(shù)據(jù)，...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：不公告發(fā)明人，
申請(qǐng)(專利權(quán))人：深圳大圖科創(chuàng)技術(shù)開(kāi)發(fā)有限公司，
類型：發(fā)明
國(guó)別省市：廣東;44