【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及計算機軟件，尤其是一種基于dsm-v認知域的大腦語音評估方法及系統(tǒng)。
技術(shù)介紹
1、大腦語音評估在多個領(lǐng)域具有重要意義。在語言教育領(lǐng)域，準(zhǔn)確評估學(xué)生的大腦語音功能有助于教師了解學(xué)生的語言學(xué)習(xí)狀況，制定個性化的教學(xué)方案，提高教學(xué)效果，促進學(xué)生語言能力的全面發(fā)展。
2、現(xiàn)有的大腦語音評估方法僅側(cè)重于某一個方面，如僅關(guān)注發(fā)音的準(zhǔn)確性，通過計算發(fā)音錯誤率來評估。然而，大腦語音功能是一個復(fù)雜的系統(tǒng)，涉及詞匯理解、語義運用、詞匯關(guān)聯(lián)等多個認知域。僅從單一維度評估無法全面反映用戶真實的大腦語音能力，可能會遺漏重要信息，導(dǎo)致評估結(jié)果不準(zhǔn)確。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于dsm-v認知域的大腦語音評估方法及系統(tǒng)，以解決上述
技術(shù)介紹
中提出的技術(shù)問題。
2、為實現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、一種基于dsm-v認知域的大腦語音評估方法，包括：
4、獲取用戶的語音信息；
5、基于dsm-v認知域?qū)φZ音信息進行特征提取得到口語特征信息，其中，所述口語特征信息包括詞匯反應(yīng)特征信息、詞匯語義特征信息和詞匯關(guān)聯(lián)特征信息；
6、根據(jù)所述詞匯反應(yīng)特征信息獲取多個階段詞匯特征信息，并根據(jù)所有所述階段詞匯特征信息獲取詞匯反應(yīng)特征評估值；
7、根據(jù)所述詞匯語義特征信息獲取多個詞匯節(jié)點特征信息，根據(jù)每個所述詞匯節(jié)點特征信息獲取語義特征評估值；
8、根據(jù)所述詞匯關(guān)聯(lián)特征信息獲取多個詞
9、根據(jù)詞匯反應(yīng)特征評估值、語義特征評估值和詞匯關(guān)聯(lián)特征評估值獲取語音綜合評估值，并根據(jù)所述語音綜合評估值對用戶進行大腦語音評估。
10、優(yōu)選的，所述基于dsm-v認知域?qū)φZ音信息進行特征提取得到口語特征信息的步驟，包括：
11、根據(jù)所述語音信息獲取語音樣本信息；
12、根據(jù)所述語音樣本信息獲取語音詞匯反應(yīng)時間；
13、基于所述語音詞匯反應(yīng)時間對語音樣本信息進行特征提取得到詞匯反應(yīng)特征信息；
14、獲取預(yù)設(shè)語料庫；
15、基于預(yù)設(shè)語料庫對語音樣本信息進行劃分，得到多個節(jié)點詞匯；
16、對每個節(jié)點詞匯進行語義特征提取得到節(jié)點詞匯語義特征信息；
17、收集所有所述節(jié)點詞匯語義特征信息得到詞匯語義特征信息；
18、根據(jù)所述節(jié)點詞匯獲取多個聯(lián)想詞匯；
19、對所有所述聯(lián)想詞匯進行語義劃分得到多個語義分類；
20、獲取每個節(jié)點詞匯在語義分類中的相似詞匯比例；
21、基于所述相似詞匯比例獲取節(jié)點詞匯的相似度；
22、判斷節(jié)點詞匯的相似度是否小于預(yù)設(shè)值；
23、若不小于，則將該節(jié)點詞匯剔除；
24、若小于，則將該節(jié)點詞匯保留，并根據(jù)保留的節(jié)點詞匯進行關(guān)聯(lián)特征提取得到詞匯關(guān)聯(lián)特征信息。
25、優(yōu)選的，所述根據(jù)所述詞匯反應(yīng)特征信息獲取多個階段詞匯特征信息，并根據(jù)所有所述階段詞匯特征信息獲取詞匯反應(yīng)特征評估值的步驟，包括：
26、根據(jù)所述語音樣本信息獲取多個識別詞匯；
27、根據(jù)所述識別詞匯獲取音素特征信息，其中，所述音素特征信息包括發(fā)音時長、音高值、音強值；
28、根據(jù)所述發(fā)音時長、音高值、音強值獲取詞匯準(zhǔn)確度；
29、獲取每個識別詞匯之間的識別時間間隔；
30、根據(jù)所述識別時間間隔獲取每個識別詞匯的詞匯提取延遲時間；
31、獲取每個所述識別詞匯的語義反應(yīng)決策，其中，所述語義反應(yīng)決策包括語義提取時間、語義反應(yīng)持續(xù)時間、語義反應(yīng)操作時間；
32、根據(jù)所述語義提取時間、語義反應(yīng)持續(xù)時間、語義反應(yīng)操作時間獲取詞匯反應(yīng)值；
33、根據(jù)所述詞匯準(zhǔn)確度和詞匯反應(yīng)值獲取詞匯反應(yīng)特征評估值。
34、優(yōu)選的，所述根據(jù)每個所述詞匯節(jié)點特征信息獲取語義特征評估值的步驟，包括：
35、根據(jù)所述詞匯節(jié)點特征信息獲取每個所述節(jié)點詞匯的上下文語境；
36、根據(jù)所述上下文語境獲取每個節(jié)點詞匯的語義連貫性，并根據(jù)所有節(jié)點詞匯的語義連貫性獲取語義連貫值；
37、獲取每個所述節(jié)點詞匯在語義層次結(jié)構(gòu)中的位置信息；
38、根據(jù)位置信息獲取節(jié)點詞匯的語義深度，并根據(jù)所有語義深度對應(yīng)的語義深度獲取詞匯節(jié)點語義深度值；
39、根據(jù)語義連貫值和詞匯節(jié)點語義深度值獲取語義特征評估值。
40、優(yōu)選的，所述根據(jù)所述詞匯關(guān)聯(lián)特征信息獲取多個詞匯聯(lián)想強度特征信息，根據(jù)多個詞匯聯(lián)想強度特征信息獲取詞匯關(guān)聯(lián)特征評估值的步驟，包括：
41、根據(jù)所述詞匯關(guān)聯(lián)特征信息獲取詞匯關(guān)聯(lián)特征；
42、基于所述詞匯關(guān)聯(lián)特征獲取多個聯(lián)想詞匯；
43、對所有所述聯(lián)想詞匯進行語義分類得到多個聯(lián)想語義類別；
44、基于向量空間獲取每個聯(lián)想語義類別中的聯(lián)想詞匯的聯(lián)想詞匯強度；
45、獲取所有所述聯(lián)想詞匯強度得到詞匯聯(lián)想強度特征信息；
46、獲取每個所述聯(lián)想詞匯在聯(lián)想語義類別的重合率；
47、根據(jù)所述聯(lián)想詞匯強度和重合率獲取詞匯關(guān)聯(lián)特征評估值。
48、優(yōu)選的，所述根據(jù)詞匯反應(yīng)特征評估值、語義特征評估值和詞匯關(guān)聯(lián)特征評估值獲取語音綜合評估值的步驟，包括：
49、獲取所述詞匯反應(yīng)特征評估值；
50、根據(jù)所述詞匯反應(yīng)特征評估值獲取第一權(quán)重系數(shù)；
51、獲取所述語義特征評估值；
52、根據(jù)所述語義特征評估值獲取第二權(quán)重系數(shù)；
53、獲取詞匯關(guān)聯(lián)特征評估值；
54、根據(jù)所述詞匯關(guān)聯(lián)特征評估值獲取第三權(quán)重系數(shù)；
55、根據(jù)所述根據(jù)詞匯反應(yīng)特征評估值、第一權(quán)重系數(shù)、語義特征評估值、第二權(quán)重系數(shù)、詞匯關(guān)聯(lián)特征評估值和第三權(quán)重系數(shù)獲取語音綜合評估值。
56、本專利技術(shù)還提供了一種基于dsm-v認知域的大腦語音評估系統(tǒng)，包括：
57、第一獲取模塊，用于獲取用戶的語音信息；
58、第二獲取模塊，用于基于dsm-v認知域?qū)φZ音信息進行特征提取得到口語特征信息，其中，所述口語特征信息包括詞匯反應(yīng)特征信息、詞匯語義特征信息和詞匯關(guān)聯(lián)特征信息；
59、第三獲取模塊，用于根據(jù)所述詞匯反應(yīng)特征信息獲取多個階段詞匯特征信息，并根據(jù)所有所述階段詞匯特征信息獲取詞匯反應(yīng)特征評估值；
60、第四獲取模塊，用于根據(jù)所述詞匯語義特征信息獲取多個詞匯節(jié)點特征信息，根據(jù)每個所述詞匯節(jié)點特征信息獲取語義特征評估值；
61、第五獲取模塊，用于根據(jù)所述詞匯關(guān)聯(lián)特征信息獲取多個詞匯聯(lián)想強度特征信息，根據(jù)多個詞匯聯(lián)想強度特征信息獲取詞匯關(guān)聯(lián)特征評估值；
62、評估模塊，用于根據(jù)詞匯反應(yīng)特征評估值、語義特征評本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于DSM-V認知域的大腦語音評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于DSM-V認知域的大腦語音評估方法，其特征在于，所述基于DSM-V認知域?qū)φZ音信息進行特征提取得到口語特征信息的步驟，包括：
3.根據(jù)權(quán)利要求2所述的一種基于DSM-V認知域的大腦語音評估方法，其特征在于，所述根據(jù)所述詞匯反應(yīng)特征信息獲取多個階段詞匯特征信息，并根據(jù)所有所述階段詞匯特征信息獲取詞匯反應(yīng)特征評估值的步驟，包括：
4.根據(jù)權(quán)利要求2所述的一種基于DSM-V認知域的大腦語音評估方法，其特征在于，所述根據(jù)每個所述詞匯節(jié)點特征信息獲取語義特征評估值的步驟，包括：
5.根據(jù)權(quán)利要求1所述的一種基于DSM-V認知域的大腦語音評估方法，其特征在于，所述根據(jù)所述詞匯關(guān)聯(lián)特征信息獲取多個詞匯聯(lián)想強度特征信息，根據(jù)多個詞匯聯(lián)想強度特征信息獲取詞匯關(guān)聯(lián)特征評估值的步驟，包括：
6.根據(jù)權(quán)利要求1所述的一種基于DSM-V認知域的大腦語音評估方法，其特征在于，所述根據(jù)詞匯反應(yīng)特征評估值、語義特征評估值和詞匯關(guān)聯(lián)特征評估值獲取語音綜合評
7.一種基于DSM-V認知域的大腦語音評估系統(tǒng)，其特征在于，包括：
8.根據(jù)權(quán)利要求7所述的一種基于DSM-V認知域的大腦語音評估系統(tǒng)，其特征在于，所述第二獲取模塊，包括：
9.根據(jù)權(quán)利要求8所述的一種基于DSM-V認知域的大腦語音評估系統(tǒng)，其特征在于，所述第三獲取模塊，包括：
10.根據(jù)權(quán)利要求8所述的一種基于DSM-V認知域的大腦語音評估系統(tǒng)，其特征在于，所述第四獲取模塊，包括：
...【技術(shù)特征摘要】
1.一種基于dsm-v認知域的大腦語音評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于dsm-v認知域的大腦語音評估方法，其特征在于，所述基于dsm-v認知域?qū)φZ音信息進行特征提取得到口語特征信息的步驟，包括：
3.根據(jù)權(quán)利要求2所述的一種基于dsm-v認知域的大腦語音評估方法，其特征在于，所述根據(jù)所述詞匯反應(yīng)特征信息獲取多個階段詞匯特征信息，并根據(jù)所有所述階段詞匯特征信息獲取詞匯反應(yīng)特征評估值的步驟，包括：
4.根據(jù)權(quán)利要求2所述的一種基于dsm-v認知域的大腦語音評估方法，其特征在于，所述根據(jù)每個所述詞匯節(jié)點特征信息獲取語義特征評估值的步驟，包括：
5.根據(jù)權(quán)利要求1所述的一種基于dsm-v認知域的大腦語音評估方法，其特征在于，所述根據(jù)所述詞匯關(guān)聯(lián)特...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：于鶴立，宋魯平，李利軍，魯帥，
申請(專利權(quán))人：深圳市鶴靈醫(yī)療設(shè)備技術(shù)開發(fā)有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。