[发明专利]基于深度学习的智能培训检测方法及系统

说明书

本发明公开了一种基于深度学习的智能培训检测方法及系统，该方法包含：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。本发明的基于深度学习的智能培训检测方法及系统，能够自动对被培训者进行语音提问，并对其语音回答进行智能转化和纠错，同时，采用多模式综合评分的评分架构，避免单模型评分的偏差。

技术领域

本发明涉及一种基于深度学习的智能培训检测方法及系统。

背景技术

由于业务增长和人员扩张，以致业务知识更新快、培训量大、培训的方式呈现多样化等，传统的人工线下培训往往面临以下难题：

1.传统线下培训需协调各方时间，以保证课程进行。

2.传统培训为一对多教学，学习内容固定，无法针对不同学员进行个性化教学。

3.传统培训为讲师讲理论知识和典型案例，学员课后自行练习，理论知识难以转化为业务能力，课后练习次数和效果不易监控。

4.传统培训时一对一模拟训练主观性强，次数有限，难以反映学员真实业务能力变化情况。

5.培训的结果评估。

发明内容

本发明提供了一种基于深度学习的智能培训检测方法及系统，采用如下的技术方案：

一种基于深度学习的智能培训检测方法，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。

进一步地，对纠错后的文本信息进行多模式综合评分的具体方法为：

计算文本信息和所提问题的标准答案的相似度；

计算文本信息和所提问题的核心词汇之间的匹配度；

根据相似度和匹配度计算评分。

进一步地，计算文本信息和所提问题的标准答案的相似度得具体方法为：

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；

将文本编码和答案编码进行dropout处理；

将dropout处理后的文本编码和答案编码输入一输出维度为2的全连接层以计算相似度。

进一步地，基于深度学习的智能培训检测方还包括：

识别纠错后的文本信息的含义；

根据识别出的文本信息的含义向被检测者再次提问。

进一步地，识别文本信息的含义的具体方法为：

识别文本信息属于大样本数据还是小样本数据；

当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。

进一步地，训练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；

通过预训练数据集对分析模型进行预训练；

通过支撑数据集对预训练后的分析模型进行正式训练；