System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据分析,特别是涉及一种会议分析方法、设备及存储介质。
技术介绍
1、随着远程办公需求和在线协作需求在全球范围内的迅速增长,视频会议软件的使用经历了爆炸性增长,导致大量的音频、视频和文本数据产生,为深入理解组织内部的互动和沟通模式提供了机会。
2、但是,线上会议的方式多种多样,其涉及的数据是高度异构的,例如发言内容、发言者身份、时间戳、屏幕共享内容和参会对象的身体语言等,这使得传统的数据分析方法很难捕捉到这些数据之间的复杂关系,导致会议分析的准确性较低。
技术实现思路
1、为了解决上述问题,本申请至少提供一种会议分析方法、设备及存储介质。
2、本申请第一方面提供了一种会议分析方法,方法包括:对线上会议中不同维度的会议数据进行实体识别,得到多个维度的实体识别结果;提取相同维度的实体识别结果之间的关联关系、和不同维度的实体识别结果之间的关联关系,得到关系提取结果;基于实体识别结果得到节点,并基于关系提取结果得到边,构建得到会议数据图谱;将会议数据图谱输入至预先训练的会议分析模型中进行会议分析,得到会议分析模型输出的会议分析结果。
3、在一实施例中,会议数据含有会议执行数据和会议属性数据,会议执行数据是指线上会议执行过程中采集的多媒体数据,会议属性数据是指线上会议的属性参数。
4、在一实施例中,会议执行数据包括图像数据、音频数据、文本数据中的至少一种;会议属性数据包括执行线上会议的设备信息、线上会议中各个参会对象的位置信息中的至少
5、在一实施例中,在基于实体识别结果得到节点,并基于关系提取结果得到边之后,还包括:从会议数据中提取出每个节点和每个边对应的属性信息;基于每个节点和每个边对应的属性信息,生成每个节点的节点特征矩阵和每个边的边特征矩阵。
6、在一实施例中,属性信息的数量为多个;基于每个节点和每个边对应的属性信息,生成每个节点的节点特征矩阵和每个边的边特征矩阵,包括:针对节点或边,获取每个属性信息对应的特征向量;对每个属性信息对应的特征向量进行融合处理,将融合特征作为节点的节点特征矩阵或边的边特征矩阵。
7、在一实施例中,对每个属性信息对应的特征向量进行融合处理,包括:获取每个属性信息对应的融合权重参数;基于融合权重参数,对每个属性信息对应的特征向量进行加权相加,得到融合特征。
8、在一实施例中,还包括:获取每个节点和每个边针对线上会议的重要程度;基于重要程度生成每个节点和每个边的权重参数。
9、在一实施例中,将会议数据图谱输入至预先训练的会议分析模型中进行会议分析,得到会议分析模型输出的会议分析结果,包括:对会议数据图谱中的每个节点和每个边进行嵌入处理,得到节点嵌入特征和边嵌入特征;基于每个节点嵌入特征和每个边嵌入特征,得到会议数据图谱的图嵌入表达;将图嵌入表达输入至预先训练的会议分析模型中进行会议分析,得到会议分析模型输出的会议分析结果。
10、本申请第二方面提供了一种会议分析装置,装置包括:实体识别模块,用于对线上会议中不同维度的会议数据进行实体识别,得到多个维度的实体识别结果;关系提取模块,用于提取相同维度的实体识别结果之间的关联关系、和不同维度的实体识别结果之间的关联关系,得到关系提取结果;图谱构建模块,用于基于实体识别结果得到节点,并基于关系提取结果得到边,构建得到会议数据图谱;会议分析模块,用于将会议数据图谱输入至预先训练的会议分析模型中进行会议分析,得到会议分析模型输出的会议分析结果。
11、本申请第三方面提供了一种电子设备,包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现上述会议分析方法。
12、本申请第四方面提供了一种计算机可读存储介质,其上存储有程序指令,程序指令被处理器执行时实现上述会议分析方法。
13、上述方案,通过对线上会议中不同维度的会议数据进行实体识别,得到多个维度的实体识别结果;提取相同维度的实体识别结果之间的关联关系、和不同维度的实体识别结果之间的关联关系,得到关系提取结果;基于实体识别结果得到节点,并基于关系提取结果得到边,构建得到会议数据图谱;将会议数据图谱输入至预先训练的会议分析模型中进行会议分析,得到会议分析模型输出的会议分析结果,以整合多维度数据,打破数据孤岛,提供了一个统一的数据结构,使得会议数据图谱更加丰富全面,可以捕获不同维度数据之间的复杂关系,便于会议分析,提高会议分析的准确性。
14、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
本文档来自技高网...【技术保护点】
1.一种会议分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述会议数据含有会议执行数据和会议属性数据,所述会议执行数据是指线上会议执行过程中采集的多媒体数据,所述会议属性数据是指所述线上会议的属性参数。
3.根据权利要求2所述的方法,其特征在于,所述会议执行数据包括图像数据、音频数据、文本数据中的至少一种;所述会议属性数据包括执行所述线上会议的设备信息、所述线上会议中各个参会对象的位置信息中的至少一种。
4.根据权利要求1所述的方法,其特征在于,在所述基于所述实体识别结果得到节点,并基于所述关系提取结果得到边之后,还包括:
5.根据权利要求4所述的方法,其特征在于,所述属性信息的数量为多个;所述基于所述每个节点和每个边对应的属性信息,生成所述每个节点的节点特征矩阵和所述每个边的边特征矩阵,包括:
6.根据权利要求5所述的方法,其特征在于,所述对所述每个属性信息对应的特征向量进行融合处理,包括:
7.根据权利要求4所述的方法,其特征在于,还包括:
8.根据权利要求1所述的方
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现如权利要求1-8任一项所述方法中的步骤。
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存储有程序指令,所述程序指令能够被处理器执行以实现如权利要求1-8任一项所述方法中的步骤。
...【技术特征摘要】
1.一种会议分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述会议数据含有会议执行数据和会议属性数据,所述会议执行数据是指线上会议执行过程中采集的多媒体数据,所述会议属性数据是指所述线上会议的属性参数。
3.根据权利要求2所述的方法,其特征在于,所述会议执行数据包括图像数据、音频数据、文本数据中的至少一种;所述会议属性数据包括执行所述线上会议的设备信息、所述线上会议中各个参会对象的位置信息中的至少一种。
4.根据权利要求1所述的方法,其特征在于,在所述基于所述实体识别结果得到节点,并基于所述关系提取结果得到边之后,还包括:
5.根据权利要求4所述的方法,其特征在于,所述属性信息的数量为多个;所述基于所述每个节点和每个边对应的属性信息,生成所述每...
【专利技术属性】
技术研发人员:吕少卿,俞鸣园,王克彦,曹亚曦,孙俊伟,费敏健,
申请(专利权)人:浙江华创视讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。