[發明專利]語音檢測方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010124064.8
• 申請日: 2020-02-27
• 公開（公告）號: CN111369980B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 劉陽;邱碩;付凱
• 申請（專利權）人: 網易有道信息技術（江蘇）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/26;G10L25/51;G06F40/289;G06F40/247
• 代理公司: 北京維昊知識產權代理事務所(普通合伙) 11804
• 代理人: 陳姍姍

1.一種語音檢測方法，其特征在于，包括：

獲取針對參考文本的語音信號，并將所述語音信號轉換為待檢測文本；

獲取所述參考文本包含的關鍵詞；

將所述待檢測文本和所述參考文本包含的關鍵詞逐一進行匹配；

根據匹配失敗的關鍵詞，輸出所述參考文本中包含所述匹配失敗的關鍵詞的文本；

其中，所述將所述待檢測文本和所述參考文本包含的關鍵詞逐一進行匹配，還包括：

對每個匹配失敗的關鍵詞進行分詞處理，獲得每個匹配失敗的關鍵詞對應的多個分詞；

將所述待檢測文本和每個匹配失敗的關鍵詞對應的多個分詞分別進行匹配；

若匹配失敗的關鍵詞對應的多個分詞與所述待檢測文本匹配成功，則將該匹配失敗的關鍵詞確定為匹配成功的關鍵詞。

2.根據權利要求1所述的方法，其特征在于，通過以下至少一種方式獲取所述參考文本包含的關鍵詞：

從所述參考文本中識別出命名實體，基于識別出的命名實體確定出所述參考文本包含的關鍵詞；

根據預設詞表從所述參考文本中提取出候選關鍵詞，基于提取出的候選關鍵詞確定出所述參考文本包含的關鍵詞；

從所述參考文本中提取出滿足預定義模板的文本，基于提取出的文本確定出所述參考文本包含的關鍵詞；

基于已訓練的關鍵詞提取模型，確定出所述參考文本包含的關鍵詞。

3.根據權利要求2所述的方法，其特征在于，所述基于提取出的候選關鍵詞確定出所述參考文本包含的關鍵詞，具體包括：

按提取出的候選關鍵詞的詞長度從小到大的順序，依次將所述參考文本中的每個候選關鍵詞的每個字符對應的標簽設置為每個候選關鍵詞唯一對應的標識符，其中，所述參考文本中的每個字符對應的標簽的初始標識符為0，排序中的候選關鍵詞對應的標識符按照排列順序依次增加1，第一個候選關鍵詞對應的標識符為大于0的整數；

將所述參考文本中連續且具有相同標簽的至少一個字符合并成一個詞；

將合并得到的詞中標簽不為0的詞確定為所述參考文本包含的關鍵詞。

4.根據權利要求2所述的方法，其特征在于，所述根據預設詞表從所述參考文本中提取出候選關鍵詞，具體包括：

從所述參考文本中提取出包含在預設詞表中的預設詞，并確定提取出的各個預設詞的左側字符和右側字符在所述參考文本中的位置序號；

對所述參考文本進行分詞處理，獲得所述參考文本對應的若干分詞片段以及第一分詞邊界集合和第二分詞邊界集合，所述第一分詞邊界集合包括各個分詞片段的左側字符在所述參考文本中的位置序號，所述第二分詞邊界集合包括各個分詞片段的右側字符在所述參考文本中的位置序號；

針對從參考文本中提取出的預設詞中的任一預設詞，若所述第一分詞邊界集合中包含所述任一預設詞的左側字符在所述參考文本中的位置序號，或所述第二分詞邊界集合中包含所述任一預設詞的右側字符在所述參考文本中的位置序號，則將所述任一預設詞作為候選關鍵詞。

5.根據權利要求2所述的方法，其特征在于，通過如下方式構建所述預設詞表：

從各個語料中提取出滿足預設條件的文本作為候選詞；

確定每個候選詞的統計特征值；

將統計特征值超過特征閾值的候選詞添加到預設詞表中。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

通過所述關鍵詞提取模型提取各個語料中的關鍵詞；

將未包含在所述預設詞表中的關鍵詞添加到所述預設詞表中。

7.根據權利要求2所述的方法，其特征在于，通過以下方式訓練所述關鍵詞提取模型：

根據所述預設詞表對各個語料中出現的關鍵詞進行標注，獲得訓練樣本；

基于訓練樣本對所述關鍵詞提取模型進行訓練。