[發明專利]基于語義分析的評分方法、裝置、終端設備及存儲介質

在審

• 申請號: 202010469517.0
• 申請日: 2020-05-28
• 公開（公告）號: CN111695352A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 鄧悅;鄭立穎;徐亮
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F16/35;G06Q10/06;G06Q10/10;G06N3/04;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

1.一種基于語義分析的評分方法，其特征在于，包括：

獲取目標用戶的語音信息，并將所述語音信息轉化為文本信息；

將所述文本信息輸入至訓練后的第一神經網絡模型，對所述文本信息進行語義分析，得到所述第一神經網絡模型的輸出文本分類結果；其中，所述文本分類結果包括所述文本信息對應的評分標簽，所述第一神經網絡模型為基于訓練樣本集合及第二神經網絡模型訓練得到的，所述第二神經網絡模型為基于所述訓練樣本集合及第一神經網絡模型的輸出結果訓練得到的，所述第一神經網絡模型的輸出結果為將所述訓練樣本集合作為輸入得到的，所述訓練樣本集合包括多個面試語料文本；

根據所述評分標簽，計算所述目標用戶的面試評分結果。

2.如權利要求1所述的方法，其特征在于，所述獲取目標用戶的語音信息，并將所述語音信息轉化為文本信息，包括：

通過語音識別算法對所述語音信息進行識別，提取所述語音信息中的聲學特征；

根據所述聲學特征，將語音信息轉化為文本信息。

3.如權利要求1所述的方法，其特征在于，在所述將所述文本信息輸入至訓練后的第一神經網絡模型之前，包括：

按預設分詞數量，將所述文本信息進行劃分，得到符合所述預設分詞數量的至少一個短句文本；

或者，在將所述語音信息轉化為所述文本信息過程中，設置最長短句數量，將所述語音信息劃分為小于或等于所述最長短句數量的至少一個語音短句，并將所述至少一個語音短句轉化為所述文本信息。

4.如權利要求1所述的方法，其特征在于，在所述將所述文本信息輸入至訓練后的第一神經網絡模型之前，包括：

獲取訓練樣本集合，所述訓練樣本集合包括多個面試語料文本；

將所述訓練樣本集合中的語句文本劃分為預設分詞數量的短句集合，并對所述短句集合中的分詞進行編碼，得到分詞矩陣；

將所述分詞矩陣進行卷積計算，得到目標矩陣，將所述目標矩陣與參數矩陣的點積作為第一神經網絡的輸出矩陣；

獲取所述輸出矩陣中被掩蓋的分詞對應的預測向量，計算所述預測向量與被掩蓋的詞實際對應的真實向量的交叉熵損失，作為第一損失。

5.如權利要求4所述的方法，其特征在于，在將所述文本信息輸入至訓練后的第一神經網絡模型之前，包括：

將所述輸出矩陣輸入至第二神經網絡模型，由第二神經網絡模型對所述輸出矩陣，進行雙向卷積計算，輸出所述輸出矩陣中每個分詞被掩蓋的概率；

計算所述概率矩陣中所有被掩蓋的分詞對應的交叉熵損失，作為第二損失。

6.如權利要求4所述的方法，其特征在于，所述方法包括：

按照預設的迭代訓練次數完成對第一神經網絡的訓練后，依據第一神經網絡的輸出矩陣及訓練樣本集合，按照對第二神經網絡模型的預設訓練次數，對第二神經網絡模型進行迭代訓練，調整第二神經網絡模型的參數矩陣。

7.如權利要求6所述的方法，其特征在于，所述方法包括：

對第一神經網絡模型和第二神經網絡模型進行交互訓練，調整參數矩陣，分別得到第一神經網絡模型的第一目標參數矩陣和第二神經網路模型的第二目標參數矩陣。

8.一種基于語義分析的評分裝置，其特征在于，包括：

獲取單元，用于獲取目標用戶的語音信息，并將所述語音信息轉化為文本信息；

處理單元，用于將所述文本信息輸入至訓練后的第一神經網絡模型，對所述文本信息進行語義分析，得到所述第一神經網絡模型的輸出文本分類結果；其中，所述文本分類結果包括所述文本信息對應的評分標簽，所述第一神經網絡模型為基于訓練樣本集合及第二神經網絡模型訓練得到的，所述第二神經網絡模型為基于所述訓練樣本集合及第一神經網絡模型的輸出結果訓練得到的，所述第一神經網絡模型的輸出結果為將所述訓練樣本集合作為輸入得到的，所述訓練樣本集合包括多個面試語料文本；

評分單元，用于根據所述評分標簽，計算所述目標用戶的面試評分結果。