【技术实现步骤摘要】
口语考试的评分方法、装置、设备、存储介质及程序产品
[0001]本申请实施例涉及人工智能领域，特别涉及一种口语考试的评分方法、装置、设备、存储介质及程序产品。
技术介绍
[0002]口语考试是一种考察口语能力的考试形式，所采用试题的题型包括看图说话、快速应答、主题描述、意见阐述等等。
[0003]口语考试过程中，考试方完成回答后，评分方会从语音、语法以及问题回答准确性等角度对回答进行评分，从而得到考试分数。
[0004]由于评分通常由经验丰富的教师或专家进行，因此需要耗费大量的人力和时间成本，导致口语考试评分的效率较低。
技术实现思路
[0005]本申请实施例提供了一种口语考试的评分方法、装置、设备、存储介质及程序产品，能够口语考试的评分效率。所述技术方案如下：
[0006]一方面，本申请实施例提供了一种口语考试的评分方法，所述方法包括：
[0007]获取训练样本，所述训练样本中包含目标样本口语试题的样本参考答案、样本回答音频以及对所述样本回答音频的样本分数，所述目标样本口语试
【技术保护点】
【技术特征摘要】
1.一种口语考试的评分方法，其特征在于，所述方法包括：获取训练样本，所述训练样本中包含目标样本口语试题的样本参考答案、样本回答音频以及对所述样本回答音频的样本分数，所述目标样本口语试题属于目标题型；基于所述训练样本对预训练评分模型进行训练，得到所述目标题型对应的目标评分模型，所述预训练评分模型通过元学习方式训练得到；通过所述目标评分模型对目标回答音频进行评分，得到所述目标回答音频的目标分数，所述目标回答音频是对属于所述目标题型的口语试题的回答。2.根据权利要求1所述的方法，其特征在于，所述通过所述目标评分模型对目标回答音频进行评分，得到所述目标回答音频的目标分数，包括：提取所述目标回答音频的目标文本特征以及目标声学特征；基于所述目标文本特征以及所述目标声学特征，通过所述目标评分模型对所述目标回答音频进行评分，得到所述目标回答音频的所述目标分数。3.根据权利要求2所述的方法，其特征在于，所述目标评分模型由深度神经网络以及目标规则向量矩阵构成，所述目标规则向量矩阵由不同评分标准对应的目标规则向量构成；所述基于所述目标文本特征以及所述目标声学特征，通过所述目标评分模型对所述目标回答音频进行评分，得到所述目标回答音频的所述目标分数，包括：对所述目标文本特征以及所述目标声学特征进行特征拼接，得到目标特征；将所述目标特征输入所述深度神经网络，得到第一深度特征向量和第二深度特征向量，所述第二深度特征向量的深度大于所述第一深度特征向量的深度；基于所述第一深度特征向量和所述目标规则向量矩阵，生成加权规则向量；基于所述加权规则向量和所述第二深度特征向量，确定所述目标分数。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一深度特征向量和所述目标规则向量矩阵，生成加权规则向量，包括：对所述第一深度特征向量和所述目标规则向量矩阵进行注意力计算，得到各个所述目标规则向量对应的规则权重；对所述规则权重和所述目标规则向量进行加权求和，得到所述加权规则向量。5.根据权利要求3所述的方法，其特征在于，所述基于所述加权规则向量和所述第二深度特征向量，确定所述目标分数，包括：对所述加权规则向量和所述第二深度特征向量进行向量拼接，得到拼接向量；将所述拼接向量输入所述深度神经网络的全连接层，得到所述全连接层输出的所述目标分数。6.根据权利要求2所述的方法，其特征在于，所述提取所述目标回答音频的目标文本特征以及目标声学特征，包括：对所述目标回答音频进行声学特征提取，得到所述目标声学特征；对所述目标回答音频进行语音识别，得到目标回答文本；基于所述目标回答文本以及目标参考答案，对所述目标回答音频进行文本特征提取，得到所述目标文本特征。7.根据权利要求6所述的方法，其特征在于，所述对所述目标回答音频进行声学特征提取，得到所述目标声学特征，包括：对所述目标回答音频进行至少一级准确度评估，得到目标发音准确度，至少一级准确
度评估包括音素级准确度评估、单词级准确度评估以及句子级准确度评估中的至少一种；对所述目标回答音频进行流利度评估，得到目标发音流利度；对所述目标回答音频进行韵律度评估，得到目标发音韵律度；将所述目标发音准确度、所述目标发音流利度以及所述目标发音韵律度中的至少一种确定为所述目标声学特征。8.根据权利要求6所述的方法，其特征在于，所述基于所述目标回答文本以及目标参考答案，对所述目标回答音频进行文本特征提取，得到所述目标文本特征，包括：对所述目标回答文本进行语义特征提取，得到目标...
【专利技术属性】
技术研发人员：林炳怀，王丽园，
申请(专利权)人：腾讯科技深圳有限公司，
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。