一种智能英语口语复述题评分方法和系统技术方案

本发明专利技术公开了一种智能英语口语复述题评分方法，包括：获取待识别的语音信号，并对所述语音信号进行预处理；对进行完预处理后的所述语音信号进行语音特征参数的提取；根据预先建立的语音数据模型对所述语音特征参数进行语音识别；获取所述语音识别的结果，并结合预设权重得到英语口语评分的线性回归模型；其中，所述语音识别的结果内容包括但不限于关键词覆盖率、词语相似度、文本相似度和语言流利度；根据所述线性回归模型输出英语口语评分的分数。本发明专利技术实施例还公开了一种智能英语口语复述题评分系统。采用本发明专利技术实施例，能将发音过程中的特征反映出来，提高评分系统的准确率，实现全自动评分方式，节省人力物力。

An Intelligent Scoring Method and System for Oral Retelling Questions in English

The invention discloses an intelligent scoring method for oral English retelling questions, which includes: acquiring the speech signal to be recognized and preprocessing the speech signal; extracting the speech characteristic parameters of the speech signal after preprocessing; recognizing the speech characteristic parameters according to the pre-established speech data model; and acquiring the conclusion of the speech recognition. As a result, a linear regression model of spoken English score is obtained by combining presupposed weights. The results of speech recognition include, but are not limited to, keyword coverage, word similarity, text similarity and language fluency; and the scores of spoken English score are output according to the linear regression model. The embodiment of the invention also discloses an intelligent scoring system for oral English retelling questions. By adopting the embodiment of the present invention, the features in the pronunciation process can be reflected, the accuracy of the scoring system can be improved, the automatic scoring method can be realized, and the manpower and material resources can be saved.

【技术实现步骤摘要】
一种智能英语口语复述题评分方法和系统
本专利技术涉及计算机辅助教育领域，尤其涉及一种智能英语口语复述题评分方法和系统。
技术介绍
随着计算机科学技术的发展，信息技术已经被广泛地应用到教育教学中，它丰富了教学资源，改善了学习环境，使学生的学习方式和教师的教学方式发生了根本的变化。另一方面，随着人工智能、声学、语言学的发展，语音智能技术已经成为一种新型的信息技术，语言教学逐渐向着计算机辅助教学迈进。但是，英语口语改卷涉及的技术问题还很多，其中主要有语音识别技术、自然语言处理技术。传统语音识别系统采用方法之一是GMM-HMM(高斯混合模型-隐马尔科夫模型)，HMM使用状态序列对语音信号的时间行为进行建模，将每个状态序列与观测的特定概率分布关联起来,高斯混合模型(GMM)则是用于估计与这些HMM状态中的每一个相关联的语音信号的概率分布的强大模型。自然语言处理(NLP)是计算机科学、人工智能、语言学关注计算机和人类(自然)语言之间的相互作用的领域。现代NLP算法是基于机器学习，特别是统计机器学习。但是，GMM-HMM这种声学模型属于浅层结构模型，即对原始输入信号之经过较少层次(如一层)的线性或本文档来自技高网...

【技术保护点】
1.一种智能英语口语复述题评分方法，其特征在于，包括：获取待识别的语音信号，并对所述语音信号进行预处理；对进行完预处理后的所述语音信号进行语音特征参数的提取；根据预先建立的语音数据模型对所述语音特征参数进行语音识别；获取所述语音识别的结果，并结合预设权重得到英语口语评分的线性回归模型；其中，所述语音识别的结果内容包括但不限于关键词覆盖率、词语相似度、文本相似度和语言流利度；根据所述线性回归模型输出英语口语评分的分数。

【技术特征摘要】
1.一种智能英语口语复述题评分方法，其特征在于，包括：获取待识别的语音信号，并对所述语音信号进行预处理；对进行完预处理后的所述语音信号进行语音特征参数的提取；根据预先建立的语音数据模型对所述语音特征参数进行语音识别；获取所述语音识别的结果，并结合预设权重得到英语口语评分的线性回归模型；其中，所述语音识别的结果内容包括但不限于关键词覆盖率、词语相似度、文本相似度和语言流利度；根据所述线性回归模型输出英语口语评分的分数。2.如权利要求1所述的智能英语口语复述题评分方法，其特征在于，所述对所述语音信号进行预处理，具体包括：根据维纳滤波器对所述语音信号进行去噪处理；对所述语音信号进行预加重处理和加窗分帧处理；对所述语音信号进行端点检测，以将所述语音信号中的词语分词。3.如权利要求1所述的智能英语口语复述题评分方法，其特征在于，所述对进行完预处理后的所述语音信号进行语音特征参数的提取，具体包括：对所述语音信号进行FFT变换；通过三角窗滤波器对进行完FFT变换后的所述语音信号进行滤波；滤波完成后，计算所述三角窗滤波器输出的对数能量；将所述对数能量代入离散余弦变换，获取所述语音特征参数。4.如权利要求1所述的智能英语口语复述题评分方法，其特征在于，所述语音数据模型为基于前馈全连接深度神经网络预先训练得到。5.如权利要求1所述的智能英语口语复述题评分方法，其特征在于，所述语言流利度包括但不限于发音犹豫度指标、停顿指标、爆破指标和整体语速指标。6.如权利要求1所述的智能英语口语复述题评分方法，其特征在于，所述词语相似度通过Word2...

【专利技术属性】
技术研发人员：李心广，李苏梅，廖燕敏，尹伟杰，杨志和，陈帅，林泽聪，欧阳柏超，连梓炜，刘婷，龙晓岚，
申请(专利权)人：广东外语外贸大学，
类型：发明
国别省市：广东,44