问讯提示方法及装置制造方法及图纸

本申请实施例提供了一种问讯提示方法及装置，涉及人工智能领域。其中,所述方法包括：确定所述案件的问讯内容数据中已包含的问讯要素；至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素；至少基于所述问讯内容数据中未包含的问讯要素，生成问讯提示。通过本申请实施例，确定问讯内容中未包含的问讯要素，并且基于问讯内容中未包含的问讯要素，生成问讯提示，在提高案件问讯者的问讯效率的基础上，还能够提升问讯内容的质量。

【技术实现步骤摘要】
问讯提示方法及装置
本申请实施例涉及人工智能领域，尤其涉及一种问讯提示方法及装置。
技术介绍
在公安民警问讯嫌疑人时，针对不同的案件类型，会要求必须询问到不同的问讯要素。在实际问讯时，公安民警按照必问的问讯要素的条款，并结合经验来对嫌疑人进行问讯。在问讯的过程中，公安民警通过反复查阅问讯的文本内容，或者反复倾听问讯的语音内容，来检测问讯内容中是否存在遗漏问讯要素的情况。如果存在遗漏问讯要素的情况，便继续对嫌疑人问讯遗漏的问讯要素。由于问讯时间冗长、谈话内容宽泛、需要记录的内容繁杂，公安民警常常会出现漏问或重复问问讯要素的情况。然而，现有技术中解决这个问题的方式是只能依靠公安民警反复查阅或倾听问讯的内容。这样，就造成了公安民警问讯效率低的问题。
技术实现思路
本申请的目的在于提出一种问讯提示方法及装置，用于解决现有技术中存在的问讯效率低的问题。根据本申请实施例的第一方面，提供了一种问讯提示方法。所述方法包括：确定所述案件的问讯内容数据中已包含的问讯要素；至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素；至少基于所述问讯内容数据中未包含的问讯要素，生成问讯提示。根据本申请实施例的第二方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例的第一方面所述的问讯提示方法。通过本申请实施例提供的技术方案，确定案件的问讯内容数据中已包含的问讯要素，并至少基于案件对应的问讯要素样本和问讯内容数据中已包含的问讯要素，确定问讯内容数据中未包含的问讯要素，再至少基于问讯内容数据中未包含的问讯要素，生成问讯提示，与现有的其它方式相比，有效提高了案件问讯者的问讯效率，以及问讯内容的质量。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本申请实施例一中问讯提示方法的步骤流程图；图2为本申请实施例二中问讯提示方法的步骤流程图；图3为根据本申请实施例二提供的问讯要素识别模型的结构示意图；图4为本申请实施例三中问讯提示装置的结构示意图；图5为本申请实施例四中问讯提示装置的结构示意图；图6为本申请实施例五中问讯提示装置的结构示意图；图7为本申请实施例六中电子设备的结构示意图；图8为本申请实施例七中电子设备的硬件结构。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅配置为解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。参照图1，示出了本申请实施例一的问讯提示方法的步骤流程图。具体地，本实施例提供的问讯提示方法包括以下步骤：在步骤S101中，确定所述案件的问讯内容数据中已包含的问讯要素。在本申请实施例中，所述案件可理解为有关诉讼和违法的事件，所述问讯可理解为法官、律师或者公安民警对嫌疑人的一对一的问答问讯。所述问讯内容数据可包括问讯的语音内容数据、问讯的文本内容数据，或者包含问讯的文本内容的图像数据等。所述问讯要素可理解为在问讯过程中，针对不同的案件类型，必须问讯的主题点，例如，所述问讯要素可包括以下中的至少一者：作案时间、作案人员、作案工具、作案地点、作案工具来源、作案起因，问讯要素根据不同的案件类型不一样，一般在20到40个之间。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。在一些可选实施例中，所述问讯内容数据可具体包括至少一个问答对的文本内容数据。例如，“问：你通过什么工具偷窃自行车的？答：通过液压剪”，这个问答对的文本内容数据属于问讯要素“作案工具”，“问：什么时候偷的？答：昨天凌晨2点多”，这个问答对的文本内容数据属于问讯要素“作案时间”。籍此，能够便于确定问讯内容数据中已包含的问讯要素。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。在一些可选实施例中，当所述问讯内容数据具体为问答对的文本内容数据时，所述确定所述案件的问讯内容数据中已包含的问讯要素之前，所述方法还包括：获取所述案件问讯的语音内容数据；对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据；对所述问答对的语音内容数据进行语音识别，以确定所述问答对的文本内容数据。籍此，能够准确地确定问答对的文本内容数据。可以理解的是，任何获取问答对的文本内容数据的实施方式均可适用于此，例如，在获取问答对的文本内容数据时，获取所述案件问讯的语音内容数据；对所述语音内容数据进行语音识别，以确定所述语音内容数据对应的文本内容数据；对所述文本内容数据进行分割处理，以确定所述问答对的文本内容数据，本申请实施例对此不做任何限定。在一个具体的例子中，在获取所述案件问讯的语音内容数据时，通过语音收录工具，获取所述案件问讯的语音内容数据。具体地，在进行问讯时，问讯者(民警、公安、律师、法官)开启语音收录工具，便能实时录入语音内容数据。在对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据时，可通过说话人语音分割模型，对所述语音内容数据进行分割处理，以确定所述语音内容数据中问讯者与被问讯者之间的语音分割点；基于所述语音内容数据中问讯者与被问讯者之间的语音分割点，确定所述问答对的语音内容数据。在对所述问答对的语音内容数据进行语音识别，以确定所述问答对的文本内容数据时，可通过基于神经网络的声学模型，对所述问答对的语音内容数据进行语音识别，以确定所述问答对的文本内容数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。在一些可选实施例中，在对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据时，对所述语音内容数据进行特征提取，以确定问讯者和被问讯者的声纹特征信息；基于所述声纹特征信息，对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据。籍此，能够准确地确定问答对的语音内容数据。可以理解的是，对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据的任何实施方式均可适用于此，本申请实施例对此不做任何限定。在一些可选实施例中，当所述案件的问讯内容数据具体为问讯的文本内容数据时，可通过卷积神经网络模型，对所述案件的问讯内容数据进行识别，以确定所述案件的问讯内容数据中已包含的问讯要素。其中，所述卷积神经网络模型可为通过标注问讯要素的文本数据预先训练得到的模型。籍此，能够准确地确定案件的问讯内容数据中已包含的问讯要素。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。在步骤S102中，至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素。在本申请实本文档来自技高网...

【技术保护点】
1.一种问讯提示方法，其特征在于，所述方法包括：/n确定所述案件的问讯内容数据中已包含的问讯要素；/n至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素；/n至少基于所述问讯内容数据中未包含的问讯要素，生成问讯提示。/n

【技术特征摘要】
1.一种问讯提示方法，其特征在于，所述方法包括：
确定所述案件的问讯内容数据中已包含的问讯要素；
至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素；
至少基于所述问讯内容数据中未包含的问讯要素，生成问讯提示。


2.根据权利要求1所述的方法，其特征在于，所述问讯内容数据包括问答对的文本内容数据，所述方法还包括：
获取所述案件问讯的语音内容数据；
对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据；
对所述问答对的语音内容数据进行语音识别，以确定所述问答对的文本内容数据。


3.根据权利要求2所述的方法，其特征在于，所述对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据，包括：
对所述语音内容数据进行特征提取，以确定问讯者和被问讯者的声纹特征信息；
基于所述声纹特征信息，对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据。


4.根据权利要求1所述的方法，其特征在于，所述问讯内容数据包括问答对的文本内容数据，
所述确定所述案件的问讯内容数据中已包含的问讯要素，包括：
根据问讯要素识别模型以及所述问答对的文本内容数据，识别出所述问答对的文本内容数据已包含的问讯要素。


5.根据权利要求4所述的方法，其特征在于，所述根据问讯要素识别模型以及所述问答对的文本内容数据，识别出所述问答对的文本内容数据已包含的问讯要素，包括：
确定所述问答对的文本内容数据中的词语的语义特征向量；
根据所述问讯要素识别模型以及所述语义特征向量，识别出所述问答对的文本内容数据已包含的问讯要素。


6.根据权利要求5所述...

【专利技术属性】
技术研发人员：谢朋峻，王潇斌，马春平，李林琳，司罗，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY