[发明专利]基于深度学习的智能培训检测方法及系统

权利要求书

1.一种基于深度学习的智能培训检测方法，其特征在于，包括以下步骤：

向被检测者提问；

接收被检测者的语音回答并将其转换成文本信息；

通过BERT模型对所述文本信息进行纠错；

对纠错后的文本信息进行多模式综合评分。

2.根据权利要求1所述的基于深度学习的智能培训检测方法，其特征在于，

所述对纠错后的文本信息进行多模式综合评分的具体方法为：

计算所述文本信息和所提问题的标准答案的相似度；

计算所述文本信息和所提问题的核心词汇之间的匹配度；

根据所述相似度和所述匹配度计算评分。

3.根据权利要求2所述的基于深度学习的智能培训检测方法，其特征在于，

所述计算所述文本信息和所提问题的标准答案的相似度的

具体方法为：

使用训练好的BERT模型对述文本信息和所提问题的标准答案进行编码得到文本编码和答案编码；

将所述文本编码和所述答案编码进行dropout处理；

将dropout处理后的所述文本编码和所述答案编码输入一输出维度为2的全连接层以计算所述相似度。

4.根据权利要求1所述的基于深度学习的智能培训检测方法，其特征在于，

所述基于深度学习的智能培训检测方还包括：

识别纠错后的所述文本信息的含义；

根据识别出的文本信息的含义向被检测者再次提问。

5.根据权利要求4所述的基于深度学习的智能培训检测方法，其特征在于，

所述识别所述文本信息的含义的具体方法为：

识别所述文本信息属于大样本数据还是小样本数据；

当所述文本信息属于小样本数据时通过训练好的小样本语义识别模型识别其含义；

当所述文本信息属于大样本数据时通过训练好的大样本语义识别模型识别其含义。

6.根据权利要求5所述的基于深度学习的智能培训检测方法，其特征在于，

训练所述小样本语义识别模型的方法为：

构建分析模型、预训练数据集、支撑数据集和预测数据集；

通过所述预训练数据集对所述分析模型进行预训练；

通过所述支撑数据集对预训练后的所述分析模型进行正式训练；

通过所述预测数据集对正式训练后的所述分析模型进行评估验证最后得到所述小样本语义识别模型。

7.一种基于深度学习的智能培训检测系统，其特征在于，包括：

语音提问模块，用于向被检测者提问；

语音识别模块，用于接收被检测者的语音回答并将其转换成文本信息；

文本纠错模块，用于通过BERT模型对所述文本信息进行纠错；

多模式评分模块，对于对纠错后的文本信息进行多模式综合评分。

8.根据权利要求7所述的基于深度学习的智能培训检测系统，其特征在于，

所述多模式评分模块包括：

相似度计算子模块，用于计算所述文本信息和所提问题的标准答案的相似度；

匹配度计算子模块，用于计算所述文本信息和所提问题的核心词汇之间的匹配度；

评分计算子模块，用于根据所述相似度计算子模块计算得到的相似度和所述匹配度计算子模块计算得到的匹配度计算评分。

9.根据权利要求7所述的基于深度学习的智能培训检测系统，其特征在于，

所述基于深度学习的智能培训检测系统还包括：

语义识别模块，用于识别纠错后的所述文本信息的含义；

所述语音提问模块根据所述语义识别模块识别出的所述文本信息的含义向被检测者再次提问。

10.根据权利要求9所述的基于深度学习的智能培训检测系统，其特征在于，

所述语义识别模块包括：

样本识别子模块，用于识别所述文本信息属于大样本数据还是小样本数据；

小样本语义识别子模块，用于当所述文本信息属于小样本数据时通过训练好的小样本语义识别模型识别其含义；

大样本语义识别子模块，用于当所述文本信息属于大样本数据时通过训练好的大样本语义识别模型识别其含义识别其含义。