[發(fā)明專利]會話式人機交互口語測評系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910781649.4
• 申請日: 2019-08-23
• 公開（公告）號: CN110489756B
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計）人: 王鑫;許昭慧
• 申請（專利權(quán)）人: 上海松鼠課堂人工智能科技有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/211;G06F40/279;G06F16/332;G06Q50/20;G09B7/02
• 代理公司: 上海中外企專利代理事務(wù)所(特殊普通合伙) 31387
• 代理人: 孫益青

本申請涉及一種會話式人機交互口語測評系統(tǒng)，是一種基于人機對話、語音測評相關(guān)技術(shù)，應(yīng)用于口語測評以場景驅(qū)動的任務(wù)導向型對話系統(tǒng)。本申請的測評系統(tǒng)具備三個主要特征：會話式、場景驅(qū)動、和任務(wù)導向。通過與用戶的自然語言交流溝通的任務(wù)導向型對話系統(tǒng)，可以了解學生用戶實際運用語言的能力和綜合運用英語進行交際的能力，對學生用戶的口語學習及教師進行口語教學起到反撥效應(yīng)。

技術(shù)領(lǐng)域

本申請涉及人機交互技術(shù)領(lǐng)域，尤其涉及一種會話式人機交互口語測評系統(tǒng)。

背景技術(shù)

口語測試主要有兩種類型：面試和錄音口試。面試的效度較高，但組織起來耗時耗力，在大規(guī)模口語考試中，采用人機交互的方式，考生只需通過計算機和耳麥設(shè)備完成對聽力與口語試題的作答與全自動智能評分，可從句子韻律性、完整性、準確性等多維度進行評判，并能生成卷面答題評測報告。

在線語培產(chǎn)品中，采用語音識別技術(shù)和語音評測技術(shù)也已相當普遍，通過“聽原音—跟讀/復(fù)述—系統(tǒng)評分—多色彩視覺反饋—調(diào)整”的方式，對比學生用戶的發(fā)音與機器的發(fā)音進行評分，學生在反復(fù)的練習下，達到英語聽力與發(fā)音提高的目的。

發(fā)明內(nèi)容

發(fā)明人經(jīng)過長期的觀察和研究發(fā)現(xiàn)，英語口語不同于其他課程，它不是以傳授知識為主要目的，英語是知識、文化的載體，學生用戶需要使用語言表達思想，與人進行交流，才能達到真正培養(yǎng)的目的。培養(yǎng)學生實際運用語言的能力和提高綜合運用英語進行交際的能力，已成為英語口語主要的教學任務(wù)。考試和測評應(yīng)該服務(wù)于教學，然而，應(yīng)用于人機交互的英語測評技術(shù)還存在以下不足之處：

一、通過預(yù)錄的語音考題考察學生口語水平，形式死板單一，不僅題目都是事先規(guī)定好的，而且考試的內(nèi)容是指令式的，學生是被動的接受考題和評分，應(yīng)試型口語考試通常都是學生說、考官聽，然后打一個分數(shù)給學生，遠遠不能全面的反應(yīng)教與學的狀況。而面試中，考官與考生之間的情緒相互影響也會對評測的結(jié)果產(chǎn)生干擾。

二、傳統(tǒng)課堂或在線口語測評，是應(yīng)試型考試的終結(jié)性評量，是試題驅(qū)動的測評體驗，通過一次性的期末考試判定學生一學期的學習結(jié)果，或者通過學期開始前的診斷測試，決定學生學習時所在的課程級別，然后學生再逐一往上升級。

三、學習中通過跟讀/復(fù)述活動，學生用戶對比自己的發(fā)音與機器的發(fā)音，從評分反饋中反復(fù)修正自己發(fā)音的練習，對英語聽力與發(fā)音是有所幫助，但對于學生實際運用語言的能力和綜合運用英語進行交際的能力，卻無法通過現(xiàn)有的技術(shù)考察學生的實際水平，更產(chǎn)生不了對口語英語學習的啟發(fā)作用。

有鑒于現(xiàn)有技術(shù)的上述缺陷，本申請?zhí)峁┮环N會話式人機交互口語測評系統(tǒng)，是一種基于人機對話、語音測評相關(guān)技術(shù)，應(yīng)用于口語測評以場景驅(qū)動的任務(wù)導向型對話系統(tǒng)。本申請的測評系統(tǒng)具備三個主要特征：會話式、場景驅(qū)動、和任務(wù)導向。通過與用戶的自然語言交流溝通的任務(wù)導向型對話系統(tǒng)，可以了解學生用戶實際運用語言的能力和綜合運用英語進行交際的能力，對學生用戶的口語學習及教師進行口語教學起到反撥效應(yīng)。

本申請?zhí)峁┮环N會話式人機交互口語測評系統(tǒng)，包括對話系統(tǒng)，對話系統(tǒng)包括：語音識別模塊，語音識別模塊被配置為能夠識別用戶的語音輸入并轉(zhuǎn)換成文本；意圖理解模塊，意圖理解模塊被配置為能夠?qū)D(zhuǎn)換后的文本進行語義理解，以識別用戶意圖；對話管理模塊，對話管理模塊被配置為能夠基于意圖理解模塊的理解結(jié)果產(chǎn)生相應(yīng)的系統(tǒng)動作；語言生成模塊，語言生成模塊被配置為能夠?qū)υ捁芾砟K產(chǎn)生的系統(tǒng)動作轉(zhuǎn)化為自然語言；以及語言合成模塊，語言合成模塊被配置為能夠?qū)⒆匀徽Z言轉(zhuǎn)換成語音，并反饋給用戶。

在一些實施例中，可選的，意圖理解模塊進一步被配置為能夠進行槽位填充，其中，槽位是在對話過程中將用戶意圖轉(zhuǎn)化為明確的用戶指令所需要補全的信息。

在一些實施例中，可選的，意圖理解模塊進一步被配置為能夠根據(jù)用戶畫像和/或場景化信息進行用戶意圖理解。