[发明专利]基于机器学习的智能语言学习方法、系统、装置及介质

权利要求书

1.一种基于机器学习的智能语言学习方法，应用于电子装置，其特征在于，包括：

获取学习者的目标语音；

通过经过训练得到的语义理解模型对所述目标语音进行语义和语法理解；

通过经过训练得到的深度学习算法模型对语义和语法理解的结果进行错误纠正，其中，所述深度学习算法模型利用学习经验标注数据集进行训练，所述学习经验标注数据集包括语义和语法理解后的多轮回答样本数据集，以及语义语法错误反馈样本数据集；

输出错误纠正的结果。

2.根据权利要求1所述的基于机器学习的智能语言学习方法，其特征在于，所述语义理解模型为基于自然语言处理的语义理解模型。

3.根据权利要求1所述的基于机器学习的智能语言学习方法，其特征在于，所述方法还包括：

构建数据集；

利用构建的数据集，通过循环神经网络对所述语义理解模型进行训练；

其中，所述构建数据集的步骤包括：

收集目标语言元素，并对所述目标语言元素进行预处理，利用经过预处理的目标语言元素构建数据集。

4.根据权利要求1所述的基于机器学习的智能语言学习方法，其特征在于，所述方法还包括：建立损失模型，所述损失模型根据实际计算输出与标注的结果进行损失度评估；

通过所述损失模型得到损失值；

基于最小的损失值对所述深度学习算法模型进行训练，并以损失曲线无限逼近0％为训练的迭代停止条件。

5.根据权利要求1所述的基于机器学习的智能语言学习方法，其特征在于，对语义和语法理解的结果进行错误纠正，包括以下步骤：

开启发音模式，将学习者的发音与标准发音进行比对，根据比对结果，对学习者进行提醒。

6.根据权利要求1所述的基于机器学习的智能语言学习方法，其特征在于，所述方法还包括：

对所述深度学习算法模型中的迭代参数进行自适应调整，所述迭代参数为所述深度学习算法模型中的偏置量。

7.根据权利要求1所述的基于机器学习的智能语言学习方法，其特征在于，获取学习者的目标语音的步骤之前，所述方法还包括：

获取学习者的输入信息，所述输入信息包括学习者的年龄、学历、语言水平等级和学习目标中的一种或多种；

根据学习者的输入信息确定学习路径。

8.一种基于机器学习的智能语言学习系统，其特征在于，包括：语音获取模块、语义理解模块、纠错模块以及输出模块，其中，通过所述语音获取模块获取学习者的目标语音之后，通过语义理解模块中的经过训练得到的语义理解模型对获取的目标语音进行语义和语法理解，通过纠错模块中的经过训练得到的深度学习算法模型对语义和语法理解的结果进行错误纠正，通过输出模块将错误纠正的结果输出，其中，所述深度学习算法模型利用学习经验标注数据集进行训练，所述学习经验标注数据集包括语义和语法理解后的多轮回答样本数据集，以及语义语法错误反馈样本数据集。

9.一种电子装置，其特征在于，该电子装置包括：处理器，存储器，所述存储器中包括基于机器学习的智能语言学习程序，所述智能语言学习程序被所述处理器执行时实现以下的智能语言学习方法的步骤：

获取学习者的目标语音；

通过经过训练得到的语义理解模型对所述目标语音进行语义和语法理解；

通过经过训练得到的深度学习算法模型对语义和语法理解的结果进行错误纠正，其中，所述深度学习算法模型利用学习经验标注数据集进行训练，所述学习经验标注数据集包括语义和语法理解后的多轮回答样本数据集，以及语义语法错误反馈样本数据集；

输出错误纠正的结果。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括智能语言学习程序，所述智能语言学习程序被处理器执行时，实现如权利要求1至7中任一项所述的智能语言学习方法的步骤。