【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及基于人工智能的英语口语练习方法及系统。
技术介绍
1、基于人工智能的英语口语练习方法，是在人工智能技术快速发展的背景下，针对英语口语学习中的个性化、高效化和互动性需求而提出的一种创新解决方案。该方法通过收集和分析学生的口语练习数据，利用机器学习算法和深度学习模型，实现对学生口语能力的精准评估和个性化指导。
2、尽管人工智能技术已经取得了显著的发展，但在英语口语学习领域的应用仍处于初级阶段。一些现有的ai英语口语练习软件在算法精度、模型稳定性和用户体验等方面仍存在不足；现有的情感识别技术还存在一定的局限性，例如在识别复杂情感、跨文化情感等方面可能存在误差。这可能会影响情感识别评估模型的准确性和可靠性。
技术实现思路
1、针对现有技术的不足，本专利技术提出了基于人工智能的英语口语练习方法及系统，本专利技术能够根据学生的口语练习数据，量身定制学习计划，确保每个学生都能获得最适合自己的学习资源和练习材料；引入了情感识别评估模型，能够分析学生在口语练习中的情感类型和情感强度。这有助于学生更好地理解自己在不同情境下的情感表达，提高口语的自然度和流畅性；根据兴趣得分和关联度分类结果，系统能够智能地推送学生感兴趣的会话内容，激发他们的学习兴趣和积极性。
2、为实现上述目的，本专利技术的技术方案如下：
3、基于人工智能的英语口语练习系统，所述系统包括语音识别模块、语言处理模块、情感分析模块、学生画像模块、会话推送模块；
5、所述语言处理模块，用于对语音识别模块输出的文本信息进行语义分析并构建学生语音信息库；
6、所述情感分析模块，用于运行情感识别评估策略，所述运行情感识别评估策略通过情感识别技术识别学生语音信息中的情感类型，并对识别出的情感类型进行量化评估，获得对应情感类型的强度；
7、所述学生画像模块包括数据挖掘单元和学生画像构建单元，所述数据挖掘单元用于根据学生语音信息库中的数据计算学生行为和兴趣之间的兴趣得分；所述学生画像构建单元用于根据获取的学生语音信息库、情感类型和强度以及学生行为和兴趣之间的兴趣得分，构建学生画像；
8、所述会话推送模块，用于根据学生画像和情感分析模块获取的情感类型与强度得分，确定学生的练习需求，推送对应的会话并动态调整练习需求推送策略。
9、本专利技术进一步的改进在于，所述语音转化策略包括以下具体步骤：
10、s11、获取学生口语练习中的训练语音数据以及所对应的标准语音数据，对训练语音数据以及所对应的标准语音数据以帧为单位进行切割并获取语音片段单元，对语音片段单元的进行文本标注；
11、s12、对文本标注后的语音片段单元依次进行去噪、特征提取，得到语音片段单元初始特征；将语音片段单元初始特征输入到融合注意力感知层内进行融合获取融合后的文本特征，将融合后的文本特征输入至全连接层，获取训练语音数据转换后的文本信息。
12、本专利技术进一步的改进在于，所述情感识别评估模块用于运行情感识别评估策略，所述情感识别评估策略包括以下具体步骤：
13、s21、构建情感识别评估模型，利用公开的语音情感数据集对构建的情感识别评估模型进行预训练，获取预训练完成的初始情感识别评估模型；
14、s22、将s12中获取的语音片段单元、语音片段单元初始特征进行情感类型和情感强度标注，得到情感识别调整数据集，将情感识别调整数据集输入初始情感识别评估模型进行调整，输出调整后的情感识别评估模型；
15、s23、将s11中学生口语练习中的训练语音数据输入调整后的情感识别评估模型，得到训练语音数据对应的情感类型和情感强度分；
16、s24、将s12中训练语音数据转换后的文本信息以及s23中训练语音数据对应的情感类型和情感强度分导入至学生语音信息库中进行存储。
17、本专利技术进一步的改进在于，所述根据学生语音信息库中的数据计算学生行为和兴趣之间的兴趣得分具体包括：
18、s31、统计学生训练语音数据转换后的文本信息中不同会话主题出现的次数，以及不同会话主题对应的情感强度得分；
19、s32、将不同会话主题出现的次数以及不同会话主题对应的情感强度得分进行加权求和计算得到学生对当前会话主题的兴趣得分；
20、s33、构建兴趣阈值区间，并根据计算得到的兴趣得分，对学生与所训练过的不同会话主题进行关联度分类，获取学生对不同会话主题的兴趣等级。
21、本专利技术进一步的改进在于，所述练习需求推送策略包括以下具体步骤：
22、s41、设置推送得分阈值，将s33计算得到的兴趣得分和关联度分类结果与推送得分阈值进行比较，若兴趣得分大于推送得分阈值且关联度分类结果满足推送得分阈值预设，则根据学生语音信息库中保存的学生信息和感兴趣内容生成对应的会话，并将生成的会话利用匹配算法推送给对应学生；
23、s42、将上述推送会话内容和计算得到的兴趣得分和关联度分类保存到知识图谱中，当再次向相同学生推送会话，直接调用并更新现有会话推送给对应学生。
24、基于人工智能的英语口语练习方法，步骤包括：
25、a1、获取学生口语练习中的训练语音数据以及所对应的标准语音数据，对训练语音数据以及所对应的标准语音数据以帧为单位进行切割并获取语音片段单元，对语音片段单元的进行文本标注；对文本标注后的语音片段单元依次进行去噪、特征提取，得到语音片段单元初始特征；将语音片段单元初始特征输入到融合注意力感知层内进行融合获取融合后的文本特征，将融合后的文本特征输入至全连接层，获取训练语音数据转换后的文本信息；
26、a2、构建情感识别评估模型，利用公开的语音情感数据集对构建的情感识别评估模型进行预训练，获取预训练完成的初始情感识别评估模型；将获取的语音片段单元、语音片段单元初始特征进行情感类型和情感强度标注，得到情感识别调整数据集，将情感识别调整数据集输入初始情感识别评估模型进行调整，输出调整后的情感识别评估模型；将a1中学生口语练习中的训练语音数据输入调整后的情感识别评估模型，得到训练语音数据对应的情感类型和情感强度分；将a1中训练语音数据转换后的文本信息以及训练语音数据对应的情感类型和情感强度分导入至学生语音信息库中进行存储；
27、a3、统计学生训练语音数据转换后的文本信息中不同会话主题出现的次数，以及不同会话主题对应的情感强度得分；将不同会话主题出现的次数以及不同会话主题对应的情感强度得分进行加权求和计算得到学生对当前会话主题的兴趣得分；构建兴趣阈值区间，并根据计算得到的兴趣得分，对学生与所训练过的不同会话主题进行关联度分类，获取学生对不同会话主题的兴趣等级；
28、a4、设置推送得分阈值，将a3计算得到的兴趣得分和关联度分类结果与本文档来自技高网...
【技术保护点】
1.基于人工智能的英语口语练习系统，其特征在于，包括语音识别模块、语言处理模块、情感分析模块、学生画像模块、会话推送模块；
2.根据权利要求1所述的基于人工智能的英语口语练习系统，其特征在于，所述语音转化策略包括以下具体步骤：
3.根据权利要求2所述的基于人工智能的英语口语练习系统，其特征在于，所述情感识别评估模块用于运行情感识别评估策略，所述情感识别评估策略包括以下具体步骤：
4.根据权利要求3所述的基于人工智能的英语口语练习系统，其特征在于，所述根据学生语音信息库中的数据计算学生行为和兴趣之间的兴趣得分具体包括：
5.根据权利要求4所述的基于人工智能的英语口语练习系统，其特征在于，所述练习需求推送策略包括以下具体步骤：
6.基于人工智能的英语口语练习方法，并基于权利要求1-5中任一项所述的基于人工智能的英语口语练习系统实现，其特征在于，步骤包括：
【技术特征摘要】
1.基于人工智能的英语口语练习系统，其特征在于，包括语音识别模块、语言处理模块、情感分析模块、学生画像模块、会话推送模块；
2.根据权利要求1所述的基于人工智能的英语口语练习系统，其特征在于，所述语音转化策略包括以下具体步骤：
3.根据权利要求2所述的基于人工智能的英语口语练习系统，其特征在于，所述情感识别评估模块用于运行情感识别评估策略，所述情感识别评估策略包括以下具体步骤：
【专利技术属性】
技术研发人员：郭菁菁，李明，刘婷婷，
申请(专利权)人：江苏海事职业技术学院，
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。