[发明专利]贷款智能进件方法、装置及存储介质

权利要求书

1.一种贷款智能进件方法，应用于电子装置，其特征在于，包括：

获取进件时用户的第一输入语音和审批时用户的第二输入语音；

提取所述第一输入语音和所述第二输入语音的语音特征；

利用经过训练得到的语音分析模型，对所述第一输入语音和所述第二输入语音进行语音分析，得出进件时的用户和审批时的用户是否是同一用户；

若进件时的用户与审批时的用户是同一用户，则审批通过，用户进件成功；若进件时的用户与审批时的用户不是同一用户，则审批不通过，用户进件失败；

其中，所述语音分析模型采用对抗神经网络模型，所述对抗神经网络模型包括生成模型和判别模型，所述生成模型用于生成与所述第二输入语音对应的语音向量，所述判别模型用于判断第二输入语音对应的用户与第一输入语音对应的用户是同一用户的概率。

2.根据权利要求1所述的贷款智能进件方法，其特征在于，所述贷款智能进件方法还包括：对所述对抗神经网络模型进行训练；

对所述对抗神经网络模型进行训练的步骤包括：

获取训练样本，所述训练样本包括进件时用户的第一输入语音和审批时用户的第二输入语音；

将训练样本输入对抗神经网络模型进行训练，其中，通过所述生成模型对所述第一输入语音进行语音特征的学习，生成与所述第二输入语音相对应的语音向量，所述语音向量用于对抗训练；通过所述判别模型对第一输入语音和第二输入语音对应的用户是否是同一用户进行判断，输出第一输入语音和第二输入语音对应的用户是同一用户的概率；

当所述判别模型输出结果的准确率超过预设阈值时，结束训练。

3.根据权利要求2所述的贷款智能进件方法，其特征在于，通过所述生成模型对所述第一输入语音进行语音特征的学习，生成与所述第二输入语音相对应的语音向量的步骤包括：

将所述第一输入语音输入所述生成模型；

通过所述生成模型的全连接层将所述第一输入语音的语音特征转化为特征表；

对所述特征表的语音特征数据进行反卷积运算，经过多层反卷积层生成输出语音特征，作为与第二输入语音相对应的语音向量。

4.根据权利要求3所述的贷款智能进件方法，其特征在于，通过所述判别模型对第一输入语音和第二输入语音对应的用户是否是同一用户进行判断的步骤包括：

通过卷积层对所述输出语音特征进行卷积运算；

通过全连接层对卷积运算结果进行处理；

通过激活函数输出所述输出语音特征为真假的概率。

5.根据权利要求1所述的贷款智能进件方法，其特征在于，提取所述第一输入语音和所述第二输入语音的语音特征时，使用梅尔频率倒谱系数语音特征进行采样分析，通过使用声谱图、倒谱分析、Mel频率分析、Mel频率倒谱系数的方式对语音特征进行提取。

6.根据权利要求5所述的贷款智能进件方法，其特征在于，提取梅尔频率倒谱系数语音特征的步骤包括：

对输入语音进行预处理，所述预处理包括预加重、分帧和加窗处理；

通过快速傅里叶变换得到与每一个短时分析窗对应的FFT频谱；

通过Mel滤波器组得到与FFT频谱对应的Mel频谱；

在Mel频谱上进行倒谱分析，获得梅尔频率倒谱系数。

7.根据权利要求1所述的贷款智能进件方法，其特征在于，获取进件时用户的第一输入语音之后，还包括：

通过语音识别获取与第一输入语音对应的录入字段信息；

获取用户的证件图片，并通过图像文字识别获取用户的证件信息；

通过获取的证件信息对相应的录入字段信息进行验证。

8.根据权利要求1所述的贷款智能进件方法，其特征在于，获取进件时用户的第一输入语音之后，还包括：

将第一输入语音转化为文本；

对转化文本进行文字情绪识别；

根据文字情绪识别结果判断用户是否说谎，若判断得出用户说谎，则结束进件，若判断得出用户未说谎，则进行获取审批时用户的第二输入语音的步骤。