[发明专利]语音数据热度分析方法及系统

权利要求书

1.一种语音数据热度分析方法，其特征在于，包括：

接收语音数据；

对所述语音数据进行端点检测，得到所述语音数据中的各有效语音段和非有效语音段；

对所述有效语音段进行语音识别，得到对应所述有效语音段的识别文本；

对各有效语音段提取基于声学上的热度特征；

根据各有效语音段及其对应的识别文本提取各有效语音段基于内容上的热度特征；

利用所述基于声学上的热度特征和基于内容上的热度特征、以及预先构建的热度预测模型，计算各有效语音段的第一热度值。

2.根据权利要求1所述的方法，其特征在于，所述基于声学上的热度特征包括：说话人个数占比、和/或能量均值占比；

所述说话人个数占比为当前有效语音段中包含的说话人个数与所述语音数据中包含的说话人个数的比值；

所述能量均值占比为当前有效语音段的能量均值与所述语音数据对应的音频的能量均值的比值。

3.根据权利要求1所述的方法，其特征在于，所述基于内容上的热度特征包括以下任意一种或多种：

平均字数占比，指当前有效语音段平均每秒的字数与所述语音数据平均每秒的字数的比值；

主题词词数占比，指当前有效语音段中包含的主题词词数与所述语音数据中包含的主题词词数的比值；

情感极性特征，指当前有效语音段所表达的情感信息。

4.根据权利要求3所述的方法，其特征在于，所述主题词由用户指定或者利用文档主题生成模型确定。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：预先构建情感极性分类模型；

按以下方式确定当前有效语音段的情感极性特征：

对当前有效语音段对应的识别文本添加标点，得到各句识别文本；

根据语音识别时解码得到的词后验概率计算各句识别文本的置信度；

获取置信度大于设定阈值的各语句；

提取各语句中的情感词特征，所述情感词特征包括：情感词、情感词词性、程度副词、否定副词；

利用所述情感极性分类模型及所述情感词特征，依次对各语句进行情感极性预测，得到各语句的情感极性；

利用各语句的情感极性和置信度，确定所述当前有效语音段的情感极性特征。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：按以下方式构建热度预测模型：

收集语音数据作为训练数据；

对所述训练数据进行端点检测，得到所述训练数据中的各有效语音段；

对各有效语音段进行热度标注；

对所述有效语音段进行语音识别，得到对应所述有效语音段的识别文本；

对各有效语音段提取基于声学上的热度特征；

根据各有效语音段及其对应的识别文本提取各有效语音段基于内容上的热度特征；

根据各有效语音段的标注信息及热度特征，训练热度预测模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

检测各非有效语音段中是否包含设定类型的音频片段、并计算所述设定类型的音频片段在所述非有效语音段中出现的次数；

计算所述设定类型的音频片段在所述语音数据中出现的总次数；

计算各有效语音段的第一修正系数；

根据各有效语音段的识别文本的置信度计算所述有效语音段的第二修正系数；

根据各有效语音段的第一修正系数和/或第二修正系数对所述有效语音段的第一热度值进行修正，得到修正后的热度值。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

在根据各有效语音段的识别文本的置信度计算所述有效语音段的第二修正系数时，如果所述置信度大于等于设定的置信度阈值，则所述置信度对应的有效语音段的第二修正系数为0。