一种基于英语口语考试的多维度评估方法技术

本发明专利技术提供了一种基于英语口语考试的多维度评估方法，包括：建立口语考试综合评估的多维度评估指标；获取同一用户的线上口语信息和线下口语信息，采用帧节量化分析技术，对线上口语信息进行第一帧节量化分析，并对线下口语信息进行第二帧节量化分析，采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计，同时，基于多维度综合指标，确定帧节量化和分布式统计的同一帧的权重值，并根据权重值，评估线上口语信息的综合值和线下口语信息的综合值。采用多维度评估指标以及采用双维度的帧节量化以及分布式分析技术，便于有效实现多维度评估，提高其评估的可靠性。

【技术实现步骤摘要】
一种基于英语口语考试的多维度评估方法
本专利技术涉及英语口语
，特别涉及一种基于英语口语考试的多维度评估方法。
技术介绍
作为人际交流的重要媒介，口语语言在实际生活中占有极其重要的地位。随着社会经济的不断发展和经济全球化趋势的进行，人们对语言学习的效率以及语言评估的客观性、公正性和规模化测试提出了越来越高的要求。传统的口语考试评估系统是直接根据老师打分的总分标注数据学习评分模型，给出一个总分输出，来获得该学生的评估结果，且一般是单独的对用户当前线上或线下的口语输出表现，进行评估判断的，由于其评估过程过于单一，使得在智能评估环节中，其评估的可靠性不高。
技术实现思路
本专利技术提供一种基于英语口语考试的多维度评估方法，通过采用多维度评估指标以及采用双维度的帧节量化以及分布式分析技术，便于有效实现多维度评估，提高其评估的可靠性。本专利技术提出一种基于英语口语考试的多维度评估方法，包括：建立口语考试综合评估的多维度评估指标；获取同一用户的线上口语信息和线下口语信息，采用帧节量化分析技术，对线上口语信息进行第一帧节量化分析，并对线下口语信息进行第二帧节量化分析；采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计；基于多维度综合指标，确定帧节量化和分布式统计的同一帧的权重值，并根据权重值，评估线上口语信息的综合值和线下口语信息的综合值。优选地，所述建立口语考试综合评估的多维度评估指标的步骤包括：录入口语考试评分规则，从所述评分规则中提取关键词，并依据所述关键词作为评估参数，建立第一评估指标，且所述第一评估指标中包括：口语流利度指标、逻辑指标、语义指标、词汇指标；获取历史口语考试视频；对所述历史口语考试视频进行帧节划分，并获取每个帧节的帧语音信息和帧视频信息；依据所述第一评估指标对所述帧语音信息进行不同指标评估，同时，将不同指标的评估结果分别导入到神经网络分析模型中，确定不同指标的指标熵值，并将所述指标熵值配置到相应的指标中，获得第二评估指标；从所述帧视频信息提取行为信息和仪态信息，将所述行为信息和仪态信息输入到机器学习模型中，并输出合格的行为指标和仪态指标；根据所述第二评估指标、行为指标和仪态指标，建立英语口语考试的多维度评估指标。优选地，获取同一用户的线上口语信息和线下口语信息，采用帧节量化分析技术，对线上口语信息进行第一帧节量化分析，并对线下口语信息进行第二帧节量化分析的步骤包括：获取线上口语信息，并提取所述线上口语信息的线上关键帧，并基于傅里叶变化，对所述线上关键帧进行第一帧节量化，获得线上帧能量，同时，基于所述线上帧能量，确定所述线上关键帧的量化步长；获取线下口语信息，并提取所述线下口语信息的线下关键帧，并基于傅里叶变化，对所述线下关键帧进行第二帧节量化，获得线下帧能量，同时，基于所述线下帧能量，确定所述线下关键帧的量化步长；从口语关键帧数据库中，获取插值帧，并将所述插值帧插值在对应的所述线上关键帧和线下关键帧中，建立所述插值帧与相邻帧的关联关系；根据所述关联关系，对所述量化步长进行优化处理。优选地，采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计之前，包括：对所述线上口语信息进行帧节划分，向每个线上帧节信息配置相应的存储空间，同时，对所述线下口语信息进行帧节划分，确定每个线下帧节信息与每个线上帧节信息的关联度；根据所述关联度，将每个线下帧节信息配置到对应的所述存储空间中，同时，将所述存储空间划分为两个子空间，且一个子空间存储线上帧节信息，另一个子空间存储线下帧节信息。优选地，采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计之后，包括：统计所述线上口语信息中的线上频率词，统计所述线下口语信息中的线下频率词，并根据线上频率词和线下频率词，建立所述用户的频率词库；根据所述频率词库，向用户的用户端推送缺乏词汇，供所述用户端的用户学习。优选地，基于多维度综合指标，确定帧节量化和分布式统计的同一帧的权重值的过程中包括：从与所述用户相关的口语数据库中随机提取n段第一视频信息，将所述第一视频信息进行帧节划分，并基于机器分离模型，将所述第一视频信息中的动画信息和音频信息进行分离；将所述动画信息配置到服务器的第一空间中，将所述音频信息配置到所述服务器的第二空间中；将所述第一空间中的动画信息进行帧划分，并划分为m帧图像信息；将所述第二空间中的音频信息进行帧划分，并划分为m帧语音信息；其中，所述图像信息与所述语音信息一一对应；计算第i段中的第j帧图像信息的图像值S1ij，同时，计算与图像信息一一对应的第i段中的第j帧语音信息的语音值S2ij；其中，d1ij表示第i段中的第j帧的行为指标值；y1ij表示第i段中的第j帧的仪态指标值；δ表示所述图像信息的所有指标的调节因子；δ1表示所述图像信息的行为调节因子；δ2表示所述图像信息的仪态调节因子；d2ij表示第i段中的第j帧的口语流利度指标值；y2ij表示第i段中的第j帧的语义指标值；l2ij表示第i段中的第j帧的逻辑指标值；c2ij表示第i段中的第j帧的词汇指标值；β表示所述语音信息的所有指标的调节因子；β1表示所述语音信息的口语流利度调节因子；β2表示所述语音信息的语义调节因子；β3表示所述语音信息的逻辑调节因子；β4表示所述语音信息的词汇调节因子；其中，i＝1,2,3,...,n；j＝1,2,3,...,m；δ1+δ2＝1；β1+β2+β3+β4＝1；计算n段第一视频信息的平均图像值S1和平均语音值S2，并确定同一帧对应的权重值Wij；其中，α表示所述同一帧的帧调节因子。优选地，评估线上口语信息的综合值和线下口语信息的综合值的步骤包括：对线上口语信息和线下口语信息进行帧划分，并向每个帧内容配置相应的权重值W；根据所述权重值W，评估获取线上口语信息的综合值Z1和线下口语信息的综合值Z2；其中，k1表示所述线上口语信息的帧数；k2表示线下口语信息的帧数；在确定综合值之后，还包括：比较Z1与Z2的大小，确定较小者对应的是线上口语信息还是线下口语信息，并获取较小者对应的每帧的权重值，并将权重值小于预设值的帧内容进行抽取，融合成一个新的口语信息；同时，对所述新的口语信息进行训练识别，并向所述用户的用户端发送新的口语信息的待修正地方以及与待修正地方一一对应的修正方案。优选地，在获取口语信息的过程中，还包括：判断获取的口语信息中的图像信息是否失真；若是，计算失真图像的图像质量值，并根据所述图像质量值剖析所述失真图像的失真指标，所述失真指标包括：基于所述图像信息的失真位置坐标、失真程度以及失真类型；根据所述失真指标，重新从口本文档来自技高网...

【技术保护点】
1.一种基于英语口语考试的多维度评估方法，其特征在于，包括：/n建立口语考试综合评估的多维度评估指标；/n获取同一用户的线上口语信息和线下口语信息，采用帧节量化分析技术，对线上口语信息进行第一帧节量化分析，并对线下口语信息进行第二帧节量化分析；/n采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计；/n基于多维度综合指标，确定帧节量化和分布式统计的同一帧的权重值，并根据权重值，评估线上口语信息的综合值和线下口语信息的综合值。/n

【技术特征摘要】
1.一种基于英语口语考试的多维度评估方法，其特征在于，包括：
建立口语考试综合评估的多维度评估指标；
获取同一用户的线上口语信息和线下口语信息，采用帧节量化分析技术，对线上口语信息进行第一帧节量化分析，并对线下口语信息进行第二帧节量化分析；
采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计；
基于多维度综合指标，确定帧节量化和分布式统计的同一帧的权重值，并根据权重值，评估线上口语信息的综合值和线下口语信息的综合值。


2.如权利要求1所述的多维度评估方法，其特征在于，所述建立口语考试综合评估的多维度评估指标的步骤包括：
录入口语考试评分规则，从所述评分规则中提取关键词，并依据所述关键词作为评估参数，建立第一评估指标，且所述第一评估指标中包括：口语流利度指标、逻辑指标、语义指标、词汇指标；
获取历史口语考试视频；
对所述历史口语考试视频进行帧节划分，并获取每个帧节的帧语音信息和帧视频信息；
依据所述第一评估指标对所述帧语音信息进行不同指标评估，同时，将不同指标的评估结果分别导入到神经网络分析模型中，确定不同指标的指标熵值，并将所述指标熵值配置到相应的指标中，获得第二评估指标；
从所述帧视频信息提取行为信息和仪态信息，将所述行为信息和仪态信息输入到机器学习模型中，并输出合格的行为指标和仪态指标；
根据所述第二评估指标、行为指标和仪态指标，建立英语口语考试的多维度评估指标。


3.如权利要求1所述的多维度评估方法，其特征在于，获取同一用户的线上口语信息和线下口语信息，采用帧节量化分析技术，对线上口语信息进行第一帧节量化分析，并对线下口语信息进行第二帧节量化分析的步骤包括：
获取线上口语信息，并提取所述线上口语信息的线上关键帧，并基于傅里叶变化，对所述线上关键帧进行第一帧节量化，获得线上帧能量，同时，基于所述线上帧能量，确定所述线上关键帧的量化步长；
获取线下口语信息，并提取所述线下口语信息的线下关键帧，并基于傅里叶变化，对所述线下关键帧进行第二帧节量化，获得线下帧能量，同时，基于所述线下帧能量，确定所述线下关键帧的量化步长；
从口语关键帧数据库中，获取插值帧，并将所述插值帧插值在对应的所述线上关键帧和线下关键帧中，建立所述插值帧与相邻帧的关联关系；
根据所述关联关系，对所述量化步长进行优化处理。


4.如权利要求1所述的多维度评估方法，其特征在于，采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计之前，包括：
对所述线上口语信息进行帧节划分，向每个线上帧节信息配置相应的存储空间，同时，对所述线下口语信息进行帧节划分，确定每个线下帧节信息与每个线上帧节信息的关联度；
根据所述关联度，将每个线下帧节信息配置到对应的所述存储空间中，同时，将所述存储空间划分为两个子空间，且一个子空间存储线上帧节信息，另一个子空间存储线下帧节信息。


5.如权利要求4所述的多维度评估方法，其特征在于，采用分布式分析技术，对线上口语信息以及线下口语信息中的每帧进行分布式统计之后，包括：
统计所述线上口语信息中的线上频率词，统计所述线下口语信息中的线下频率词，并根据线上频率词和线下频率词，建立所述用户的频率词库；
根据所述频率词库，向用户的用户端推送缺乏词汇，供所述用户端的用户学习。


6.如权利要求1...

【专利技术属性】
技术研发人员：邝翠珊，
申请(专利权)人：深圳看齐信息有限公司，
类型：发明
国别省市：广东;44