CN109461503B - 题目得分评估方法及认知评估装置、设备、可读存储介质 - Google Patents
题目得分评估方法及认知评估装置、设备、可读存储介质 Download PDFInfo
- Publication number
- CN109461503B CN109461503B CN201811353106.4A CN201811353106A CN109461503B CN 109461503 B CN109461503 B CN 109461503B CN 201811353106 A CN201811353106 A CN 201811353106A CN 109461503 B CN109461503 B CN 109461503B
- Authority
- CN
- China
- Prior art keywords
- target
- topic
- determining
- array
- numbers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Abstract
本申请提供了一种对象的认知评估方法、装置、设备及可读存储介质,方法包括:获取目标对象对目标题目作答的多模态数据,其中,多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种;基于多模态数据确定目标对象的认知得分。本申请提供的认知评估方法可基于目标对象对目标题目作答的多模态数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本。
Description
技术领域
本申请涉及智慧医疗技术领域,尤其涉及一种对象的认知评估方法、装置、设备及可读存储介质。
背景技术
在某些情况下,需要对目标对象进行认知能力的评估,其中,目标对象可以为儿童、具有认知功能障碍的人等,需要说明的是,由各种不同原因引起的脑损伤均可导致不同形式和程度的认知功能障碍,比如,脑血管病后的血管性痴呆、老年性痴呆、脑外伤或重度后的认知障碍。
现有技术中,对目标对象的认知能力进行评估的方式多为:先人工对目标对象进行询问测试,然后人工对目标对象的回答进行主观评分。由于现有的评估方式为人工评估方式,因此,评估结果受主观因素影响较大,评估效果不好,并且,人工评估的效率较低、人工成本较高。
发明内容
有鉴于此,本申请提供了一种对象的认知评估方法、装置、设备及可读存储介质,用以提供一种自动对目标对象的认知能力进行评估的方法,其技术方案如下:
一种对象的认知评估方法,包括:
获取目标对象对目标题目作答的多模态数据,其中,所述多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种;
基于所述多模态数据确定所述目标对象的认知得分。
可选的,所述获取目标对象对目标题目作答的多模态数据,包括:
获取所述目标对象对目标题目作答的音频数据;
则所述基于所述多模态数据确定所述目标对象的认知得分,包括:
将所述音频数据转写为文本;
从所述文本中提取数字组成有序数组,作为所述目标题目对应的目标数组;
基于所述目标题目对应的目标数组确定所述目标对象的认知得分。
可选的,所述目标题目为多个;
所述从所述文本中提取数字组成有序数组,作为目标数组,包括:
针对每个所述目标题目,从所述文本中、与所述目标题目对应的文本内容中依次提取数字组成有序数组作为该目标题目对应的目标数组,以得到多个目标题目分别对应的目标数组。
可选的,所述基于所述目标数组确定所述对象的认知得分,包括:
对于每个所述目标题目,通过所述目标题目对应的目标数组确定所述目标题目对应的得分,以得到多个所述目标题目分别对应的得分;
综合多个所述目标题目分别对应的得分,获得所述目标对象的认知得分。
可选的,所述对象的认知评估方法还包括:
在得到所述目标题目对应的有序数组后,从所述目标题目对应的有序数组中确定冗余数字;
将所述冗余数字从所述目标题目对应的有序数组中删除,删除所述冗余数字后的有序数组作为所述目标题目对应的目标数组。
可选的,所述从所述目标题目对应的有序数组中确定冗余数字,包括:
针对所述目标题目对应的文本内容中的每个否定词,从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串;
通过所述否定词的前向相邻数字串和后向相邻数字串,从所述目标题目对应的有序数组中确定冗余数字。
可选的,所述从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串,包括:
确定所述目标题目对应的有序数组中各个数字在所述目标题目对应的音频片段中出现的时间组成时间数组,获得所述有序数组对应的时间数组;
基于所述有序数组对应的时间数组和所述否定词在所述目标题目对应的音频片段中出现的时间,从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串。
可选的,所述通过所述否定词的前向相邻数字串和后向相邻数字串,从所述目标题目对应的有序数组中确定冗余数字,包括:
若所述否定词的前向相邻数字串与所述否定词的后向相邻数字串不存在最大公共子串,则将所述否定词的前向相邻数字串中的最后一个数字确定为目标数字;
若所述否定词的前向相邻数字串与所述否定词的后向相邻数字串存在所述最大公共子串,则将所述否定词的前向相邻数字串中、以所述否定词的后向相邻数字串的首个数字为首的最大公共子串的各个数字确定为目标数字;
将所述目标数字作为所述冗余数字。
可选的,在确定出所述目标数字后,所述对象的认知评估方法还包括:
获取所述目标数字对应的语法和语义特征和/或语音和韵律特征,其中,所述目标数字对应的语法和语义特征包括所述目标数字所在句子的困惑度,以及,将所述目标数字从所述目标数字所在句子中删除后得到的句子的困惑度,所述目标数字对应的语音和韵律特征包括删除所述冗余数字后,所述否定词之前一个或多个数字所对应音频的基频是所述否定词之前整个音频片段的基频的倍数,以及所述否定词之后一个或多个数字所对应音频的基频是所述否定词之后整个音频片段的基频的倍数;
基于所述目标数字对应的语法和语义特征和/或语音和韵律特征确定是否需要删除所述目标数字,若需要删除所述目标数字,则将所述目标数字作为所述冗余数字。
可选的,所述对象的认知评估方法还包括:
基于所述目标题目对删除所述冗余数字后的有序数组进行规整,获得规整后的数组;
根据所述规整后的数组和所述目标题目的参考答案,通过预设的概率模型,从所述规整后的数组中确定所述目标对象真实表达的数字;
将所述目标对象真实表达的数字组成的数组作为所述目标数组。
可选的,所述对象的认知评估方法还包括:
生成所述目标对象的认知评估报告,其中,所述认知评估报告中至少包括所述目标题目或所述目标题目的标识信息、所述目标对象对所述目标题目作答的音频数据转写得到的文本内容、用于对所述目标对象进行认知评估的所述目标数组。
一种对象的认知评估装置,包括:数据获取模块和认知评估模块;
所述数据获取模块,用于获取目标对象对目标题目作答的多模态数据,其中,所述多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种;
所述认知评估模块,用于基于所述多模态数据确定所述目标对象的认知得分。
可选的,所述数据获取模块,具体用于获取目标对象对目标题目作答的音频数据;
所述认知评估模块,包括:音频数据转写子模块、数字提取子模块和认知评估子模块;
所述音频数据转写子模块,用于将所述音频数据转写为文本;
所述数字提取子模块,用于从所述文本中提取数字组成有序数组,作为所述目标题目对应的目标数组;
所述认知评估子模块,用于基于所述目标题目对应的目标数组确定所述目标对象的认知得分。
可选的,所述认知评估模块还包括:冗余数字确定子模块和冗余数字删除子模块;
所述冗余数字确定子模块,用于在所述数字提取子模块提取到所述目标题目对应的有序数组后,从所述目标题目对应的有序数组中确定冗余数字;
所述冗余数字删除子模块,用于将所述冗余数字确定子模块确定出的所述冗余数字从所述目标题目对应的有序数组中删除,删除所述冗余数字后的有序数组作为所述目标题目对应的目标数组。
可选的,所述对象的认知评估装置还包括:评估报告生成模块;
所述评估报告生成模块,用于生成所述目标对象的认知评估报告,其中,所述认知评估报告中至少包括所述目标题目或所述目标题目的标识信息、所述目标对象对所述目标题目作答的音频数据转写得到的文本内容、用于对所述目标对象进行认知评估的所述目标数组。
一种对象的认知评估设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现所述对象的认知评估方法的各个步骤。
一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现所述对象的认知评估方法的各个步骤。
经由上述的技术方案可知,本申请提供的对象的认知评估方法、装置、设备及可读存储介质,可获取目标对象对目标题目作答的多模态数据,然后基于多模态数据确定目标对象的认知得分,由此可见,本申请提供的认知评估方法可基于目标对象对目标题目作答的多模态数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的对象的认知评估方法的流程示意图;
图2为本申请实施例提供的对象的认知评估方法的一具体实例的流程示意图;
图3为本申请实施例提供的对象的认知评估方法中,从目标题目对应的有序数组中确定否定词的前向相邻数字串和后向相邻数字串的实现过程的流程示意图;
图4为本申请实施例提供的对象的认知评估方法中,通过否定词的前向相邻数字串和后向相邻数字串,从目标题目对应的有序数组中确定冗余数字的实现过程的流程示意图;
图5为本申请实施例提供的对象的认知评估装置的结构示意图;
图6为本申请实施例提供的对象的认知评估设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
发明人在实现本发明创造的过程中发现:现有的认知能力评估方式为主试(如采集员、医生等)对受试者(如儿童、具有认知功能障碍的人等)进行纸质化的问卷调查,通过调查结果评估受试者的认知能力得分,虽然现有技术中也存在将纸质问卷电子化的方式,但这种方式与纸质化的问卷调查并无本质区别,仍然采用的是人人交互的方式,这种人人交互的方式一方面需要占用可能紧缺的人力资源,另一方面,主试者会对受试者的情绪带来显著性影响,从而影响评估结果的客观性。
有鉴于此,本申请实施例提供了一种对象的认知评估方法,请参阅图1,示出了该方法的流程示意图,该方法可以包括:
步骤S101:获取目标对象对目标题目作答的多模态数据。
其中,多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种。
步骤S102:基于多模态数据确定目标对象的认知得分。
下面分别以多模态数据为目标对象对目标题目作答的音频数据以及多模态数据为目标对象对目标题目作答的轨迹点数据为例对基于多模态数据确定目标对象的认知得分的过程进行说明。
对于多模态数据为目标对象对目标题目作答的音频数据的情况,基于多模态数据确定目标对象的认知得分可以包括:首先将目标对象对目标题目作答的音频数据转写为文本,然后通过文本确定目标题目对应的得分,最后通过目标题目对应的得分获得目标对象的认知得分。需要说明的是,目标题目为用户可以通过口述作答的方式进行作答的题目,并且,目标题目可以为一个,也可以为多个。
对于多模态数据为目标对象对目标题目作答的轨迹点数据的情况,目标题目为图形题目,其为指示目标对象按指定要求进行图形绘制的题目,目标对象针对指定图形题目所绘制的图形即为目标对象对指定图形题目进行作答的作答结果,轨迹点数据为目标对象针对图形题目绘制图形的轨迹点数据,则,基于多模态数据确定目标对象的认知得分可以包括:基于目标对象针对指定图形题目绘制图形的轨迹点数据,判别目标对象针对图形题目绘制的图形是否正确,获得图形题目对应的判别结果,基于图形题目对应的判别结果确定目标对象的认知得分。具体地,可基于目标对象针对指定图形题目绘制图形的轨迹点数据,利用预设的判别规则或者预先建立的判别模型,判别目标对象针对指定图形题目绘制的图形是否正确。
本申请实施例提供的对象的认知评估方法,先获取目标对象对目标题目作答的多模态数据,然后基于多模态数据确定目标对象的认知得分,由此可见,本申请实施例提供的认知评估方法可基于目标对象对目标题目作答的多模态数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本。
下面以多模态数据为音频数据为例,对上述实施例提供的对象的认知评估方法进行详细说明。
请参阅图2,示出了本实施例提供的对象的认知评估方法的流程示意图,可以包括:
步骤S201:获取目标对象对目标题目作答的音频数据。
在一种可能的实现方式中,可基于电子设备(如PC、笔记本电脑、平板电脑、手机等)预先构建一虚拟对象,该虚拟对象用于对目标题目进行讲解,即虚拟对象读题,目标对象针对虚拟对象提供的目标题目进行作答,在目标对象作答时,通过音频采集设备采集目标对象作答的音频数据,然后从音频采集设备获取该音频数据,即本申请实施例采集人机交互的方式获得目标对象对目标题目作答的音频数据。
其中,目标题目为与数字有关的题目,与数字有关的题目可以为加减法题目,比如,对患有轻度认知障碍MCI的人进行筛查所采用的简易精神状态量表MMSE中的100减7心算题,与数字有关的题目还可以为数字朗读题目,比如,读出指定形状背景中的数字,当然本实施例并不限定于此,只要是与数字有关的题目均可。
需要说明的是,MCI的早期筛查评估工具中注意力测试主要考察受试者将自己的感知和思维等心理活动指向或集中于某一事物的能力。注意力测试评估工具主要包含韦氏记忆测验的注意分测验、简易注意测验,同步听觉连续加法测验、持续操作测验等。在针对MCI定性的早期筛查中,MMSE量表中100 减7心算题因具有简单易行的特点被广泛采用。在本实施例中,虚拟对象对该题目可采用下述方式讲解:“现在请您做一道计算题,从100中减去一个7,后从得数中再减去一个7,一直往下减,直到我让您停下为止”。
步骤S202:将音频数据转写为文本。
在本实施例中,可利用现有的语音转写技术将音频数据转写为文本。
步骤S203:从文本中依次提取数字组成有序数组,作为目标题目对应的目标数组。
在本实施例中,目标题目可以为一个,也可以为多个。若目标题目为一个,可直接从文本中依次识别出数字,识别出的数字组成有序数组,作为该目标题目对应的目标数组。若目标题目为多个,则针对每个目标题目,从文本中、与目标题目对应的文本内容中依次提取数字组成有序数组作为该目标题目对应的目标数组,以得到多个目标题目分别对应的目标数组。其中,可以但不限定为采用逆向最大匹配算法从文本中识别出所有的数字。
步骤S204:基于目标题目对应的目标数组确定目标题目对应的得分。
若目标题目为一个,则基于该目标题目对应的目标数组确定目标题目对应的得分;若目标题目为多个,则对于每个目标题目,通过该目标题目对应的目标数组确定该目标题目对应的得分,从而可以获得多个目标题目分别对应的得分。
在本实施例中,基于目标数组确定目标题目的得分的方式可基于目标题目的类型确定。
示例性的,目标题目为加减法题目,比如上述的100减7心算题,则可以目标题目对应的目标数组为依据,采用差分法(差分为7)确定目标题目的得分,需要说明的是,100减7心算题的评分依据是:从100开始计算正确的减数,每一个减数都单独评定,也就是说,如果受试者中间减错了一次,而从这一个减数开始后续的减7都正确,则后续的正确减数都要给分,例如,如果受试者的回答是93-85-78-71-64,其中,85是错误的,但其它结果均正确,因此给4分,满分为5分。
示例性地,目标题目为数字朗读题,则可将目标题目对应的目标数组中的数字串与正确数字串进行最小编辑距离的计算,比如,目标数组中的数字串为“1723946375”,正确的数字串为“182394675”,“1723946375”与“182394675”的最小编辑距离为2,即对“1723946375”进行一步删除(删除第2个“3”)、一步修改(将第2个“7”修改为8)可得到“182394675”,在计算获得最小编辑距离后,通过该最小编辑距离确定目标题目的得分。
步骤S205:通过目标题目对应的得分确定目标对象的认知得分。
若目标题目为一个,则将该目标题目对应的得分确定为目标对象的认知得分。若目标题目为多个,则综合多个目标题目分别对应的得分,获得目标对象的认知得分。其中,综合多个目标题目分别对应的得分,获得目标对象的认知得分的实现方式有多种,在一种可能的实现方式中,可将各个目标题目的得分直接相加,相加得到的结果作为目标对象的认知得分;在另一种可能的实现方式中,可为各个目标题目赋予权重(比如可基于目标题目的类型和/或目标题目的认知评估角度为各个目标题目赋予权重),将各个目标题目的得分进行加权相加,加权相加得到的结果作为目标对象的认知得分。
本申请实施例提供的对象的认知评估方法,可基于人机交互方式获取目标对象对目标题目作答的音频数据,然后将音频数据转写为文本,进而从文本中提取有序数组,通过有序数组确定目标题目的得分,最后通过目标题目的得分确定目标对象的认知得分,由此可见,本申请实施例提供的认知评估方法可基于目标对象对目标题目作答的音频数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本。
可以理解的是,目标对象在对目标问题进行作答时,作答内容的多义性 (即不确定性、异质性)会给后续的评估带来影响,比如,目标对象在作答时会出现自我修正、重复计算等情况,这会导致后续获得的有序数组中存在一些冗余数字,比如,目标对象的作答内容为“100、93、85、哦不对、86、 79、72”,其中,目标对象对“85”进行了修正,修正成为“86”,也就是说,目标对象真实的作答内容为“100、93、86、79、72”,而从目标对象的作答音频数据对应的文本中提取数字时,会提取到“100、93、85、86、79、 72”,提取的数字串中包含了冗余数字“85”,若直接基于提取到的数字串进行评估,势必会影响评估的准确性,即冗余数字会影响评估准确性。
为了提高评估的准确性,上述实施例提供的对象的认知评估方法还可以包括:在获得目标题目对应的有序数组后,从目标题目对应的有序数组中确定冗余数字;将冗余数字从目标题目对应的有序数组中删除,删除冗余数字后的有序数组作为目标题目对应的目标数组。
其中,从目标题目对应的有序数组中确定冗余数字的过程可以包括:针对目标题目对应的文本内容中的每个否定词,执行:从目标题目对应的有序数组中确定该否定词的前向相邻数字串和后向相邻数字串,通过该否定词的前向相邻数字串和后向相邻数字串,从目标题目对应的有序数组中确定冗余数字。
进一步地,请参阅图3,示出了从目标题目对应的有序数组中确定否定词的前向相邻数字串和后向相邻数字串的实现过程的流程示意图,可以包括:
步骤S301:确定目标题目对应的有序数组中,各个数字在目标题目对应的音频片段中出现的时间,组成时间数组,获得有序数组对应的时间数组。
假设一目标题目对应的有序数组为A=[N1,N2,…,Nm],本步骤的目的在于将有序数组A中各个数字在该目标题目对应的音频片段中出现的时间组成一时间数组T=[T1,T2,…,Tm]。
其中,目标题目对应的有序数组中各个数字在目标题目对应的音频片段中出现的时间可基于音频数据和音频数据转写得到的文本确定。
基于音频数据和该音频数据对应的文本确定有序数组中各个数字在音频数据中出现的时间的过程可以包括:
步骤S1、分别对音频数据和对音频数据转写得到的文本进行预处理。
其中,对音频数据进行预处理的过程包括:将音频数据切分为多个音频片段,每个音频片段对应一目标题目,即通过切分可获得各个目标题目对应的音频片段。
示例性地,目标题目为两个,则音频数据为目标对象对两个目标题目进行作答的音频数据,在切分时,可将音频数据基于作答内容的边界切分为两个音频片段,其中一个音频片段为一目标题目的答案,另一音频片段为另一目标题目的答案。
优选的,在将音频片段切分为多个音频片段后,可将各个音频片段经过深度神经网络DNN进行增强处理,消除噪声等信息,从而提高音频片段的质量。
其中,对文本进行预处理的过程可以包括:将各个题目对应的文本内容通过标记进行区分,以便使各个目标题目对应的文本内容与音频片段对应;将文本中与评分无关的词和/或符号去除,并对文本内容进行重复词的去除,对去除上述内容后得到的文本的内容进行分词处理,分词处理后的文本作为目标文本。
其中,文本中与评分无关的词和符号包括:停留词、语气词、标点符号等。另外,由于目标对象的说话习惯,可能会出现一些重复词,比如,用户在说“一百”时,可能会说“一一百”,“一”为重复词,需要去除一个。
步骤S2、获取目标文本内容中的每个词在目标题目对应的音频片段中出现的时间。
其中,目标文本内容为目标文本中、与目标题目对应的文本内容。
步骤S3、通过目标文本内容中的每个词在目标题目对应的音频片段中出现的时间,获得目标题目对应的有序数组中各个数字在目标题目对应的音频片段中出现的时间。
示例性地,一目标题目a对应的文本内容为“100、93、85、不对、86、 79、72”,分别确定“100”、“93”、“85”、“不对”、“86”、“79”“72”在目标题目a对应的音频片段中出现的时间,假设“100”、“93”、“85”、“不对”、“86”、“79”“72”在目标题目a对应的音频片段中出现的时间分别为T1、T2、T3、T4、T5、T6、T7,则从目标题目a对应的文本内容中提取数字组成的有序数组A=[100,93,85,86,79,72]中各个数字对应的时间组成的时间数组为T=[T1,T2,T3,T5,T6,T7]。
步骤S302:基于有序数组对应的时间数组和否定词在目标题目对应的音频片段中出现的时间,从目标题目对应的有序数组中确定否定词的前向相邻数字串和后向相邻数字串。
对于目标题目而言,前面获得了该目标题目对应的文本内容中每个词对应的时间,由此可获得文本内容中否定词对应的时间,通过否定词对应的时间以及时间数组,可确定出现在否定词之前、之后的数字,从而获得否定词的前向相邻数字串和后向相邻数字串。
需要说明的是,对于一否定词,若该否定词之前存在多个否定词,则该否定词的前向相邻数字串的首个数字为位于该否定词之前,且与该否定词的距离最近的否定词之后的首个数字;若该否定词之前存在一个否定词,则该否定词的前向相邻数字串的首个数字为该否定词之前的否定词之后的首个数字;若该否定词之前不存在否定词,则该否定词的前向相邻数字串的首个数字为数字数组的首个数字。同样地,若该否定词之后存在多个否定词,则该否定词的后向相邻数字串的最后一个数字为位于该否定词之后,且与该否定词的距离最近的否定词之前的首个数字;若该否定词之后存在一个否定词,则该否定词的后向相邻数字串的最后一个数字为该否定词之后的否定词之前的首个数字;若该否定词之后不存在否定词,则该否定词的后向相邻数字串的最后一个数字为数字数组的最后一个数字。
示例性的,一目标题目对应的文本内容为:“100、93、85、不对、86、 79、72”则否定词的前向相邻数字串为“100、93、85”,否定词的后向相邻数字串为“86、79、72”。
在确定出否定词的前向相邻数字串和后向相邻数字串后,便可通过否定词的前向相邻数字串和后向相邻数字串,从目标题目对应的有序数组中确定冗余数字。
请参阅图4,示出了通过否定词的前向相邻数字串和后向相邻数字串,从目标题目对应的有序数组中确定冗余数字的实现过程的流程示意图,可以包括:
步骤S401:基于预设的最大公共子串算法确定否定词的前向相邻数字串与否定词的后向相邻数字串是否存在最大公共子串。
步骤S402a:若否定词的前向相邻数字串与否定词的后向相邻数字串不存在最大公共子串,则将否定词的前向相邻数字串中的最后一个数字确定为目标数字,作为冗余数字。
示例性的,一否定词的前向相邻数字串为“100、93、85”,该否定词的后向相邻数字串为“86、79、72”,由于否定词的前向相邻数字串“100、93、 85”与后向相邻数字串为“86、79、72”不存在最大公共子串,因此,将前向相邻数字串为“100、93、85”中的最后一个数字“85”确定为目标数字。
步骤S402b:若否定词的前向相邻数字串与否定词的后向相邻数字串存在最大公共子串,则将否定词的前向相邻数字串中、以否定词的后向相邻数字串的首个数字为首的最大公共子串的各个数字确定为目标数字,作为冗余数字。
示例性的,一否定词的前向相邻数字串为“100、93、86”,该否定词的后向相邻数字串为“93、86、79、72”,由于否定词的前向相邻数字串“100、 93、85”与后向相邻数字串为“86、79、72”存在最大公共子串“93、86”,因此,将前向相邻数字串“100、93、86”中、以后向相邻数字串“93、86、 79、72”的首个数字“93”为首的最大公共子串“93、86”中的“93”和“86”确定为目标数字。
需要说明的是,上述实施例中,在确定出目标数字后,直接将目标数字作为冗余数字进行删除,然而,在某些时候,将目标数字直接作为冗余数字进行删除是不合理的,基于此,在本申请的另一实施例中,对象的认知评估方法还包括:
在获得目标数字后,获取目标数字对应的语法和语义特征和/或语音和韵律特征,基于目标数字对应的语法和语义特征和/或语音和韵律特征确定是否需要删除目标数字,若需要删除目标数字,再将目标数字作为冗余数字进行删除处理,若不需要删除,则认为目标数字不为冗余数字,即不进行删除处理。
其中,目标数字对应的语法和语义特征包括目标数字所在句子的困惑度,以及,将目标数字从目标数字所在句子中删除后得到的句子的困惑度;目标数字对应的语音和韵律特征包括删除冗余数字后,否定词之前一个或多个数字所对应音频的基频是否定词之前整个音频片段的基频的倍数,以及,否定词之后一个或多个数字所对应音频的基频是否定词之后整个音频片段的基频的倍数。
需要说明的是,一个句子的语法和语义特征可通过该句子的困惑度表征,一个句子的困惑度可基于N-gram语言模型计算得到。若一个句子s包含K个单词,计算其N元片段的概率连乘后值的几何平均数,然后对该平均数求倒数即为该句子s的困惑度PP,句子s的困惑度PP可表示为:
在本实施例中,可预先获得目标文本内容中各个句子的困惑度,当确定出目标数字后,先确定目标数字所在的句子,然后从目标文本内容中各个句子的困惑度中获得目标数字所在的句子的困惑度。
需要说明的是,语音和韵律特征可通过否定词前N个数字对应的音频的基频是否定词前整个音频片段(经过增强处理后的音频片段)的基频的倍数 (用Mu前表示),以及,否定词后N个数字对应的音频的基频是否定词前整个音频片段(经过增强处理后的音频片段)的基频的倍数(用Mu后表示)表征。其中,N与最大公共子串中数字的个数有关,语音和韵律特征可利用librosa 工具包确定。
在本实施例中,可利用目标数字对应的语法和语义特征、语音和韵律特征计算下式的值:
若该值大于设定阈值,则确定需要删除目标数字,否则确定不需要删除目标数字。
其中,PP原始为目标数字所在句子的困惑度,PP修正为从目标数字所在句子中将目标数字删除后得到的句子的困惑度,Mu后[0:C+1]表示删除目标数字后,否定词后C+1个数字对应的基频的倍数,Mu前[-1:-C+1]表示删除目标数字后,否定词前C+1个数字对应的基频的倍数,C为最大公共子串中数字的个数。
示例性的,一目标题目对应的文本内容为:“100、93、85、不对、86、 79、72”,由于否定词的前向相邻数字串“100、93、85”与后向相邻数字串为“86、79、72”不存在最大公共子串,因此,C=0,此时可确定“85”为目标数字,式(2)中PP原始为句子“100、93、85、不对、86、79、72”的困惑度,PP修正为删除“85”后的句子“100、93、不对、86、79、72”的困惑度, Mu后[0:1](C=0)为删除85后否定词后1个数字对应的基频的倍数,Mu前 [-1:1]为删除85后否定词前1个数字对应的基频的倍数。
为了更加准确的获得目标对象真实表达的数字,在本申请的另一实施例中,对象的认知评估方法还可以包括:
在从目标题目对应的有序数组删除冗余数字后,基于目标题目对删除冗余数字后的有序数组进行规整,获得规整后的数组;根据规整后的数组和目标题目的参考答案,通过预设的概率模型,从规整后的数组中确定目标对象真实表达的数字;将目标对象真实表达的数字组成的数组作为目标数组。
下面以MMSE量表中100减7心算题为例对上述基于预设的概率模型确定目标对象真实表达的数字的过程进行说明。
假设该题目对应的有序数组为A1,从A1中删除冗余数字后得到的有序数组为A2:
步骤S1、对数组A2中的数字进行规整,获得规整后的数组A3。
具体地,去除数组A2中的重复数字,可按照从左到右的位置进行重复数字的去除,在去除时,保留重复数字中首次出现的数字;若数组中包括100 和7,则将100和7从A2中去除,然后在A2的首部加入100。需要说明的是,由于100减7心算题是从100开始减,在数组中加入100是为了判断目标对象说的第一个数字是否正确。
在进行上述处理后,统计处理后得到的数组中数字的个数,若数字的个数小于6个,则在数组的尾部补0,以使数组中的数字个数为6个,补0后获得数组A3。需要说明的是,100减7心算题要求连减5次,即目标对象应给出5个答案,即5个数字,然而,在某些时候,可能存在目标对象给出少于5 个数字的情况,为了便于后续确定得分,在目标对象给出少于5个数字时,需要补0以使答案个数为5个。由于数组中加入了100,因此,数组中的数字个数应该为6个,基于此,若处理后的数组中数字的个数不足6个,则表明目标对象并没有给出5个答案,此时在数组尾部补0。
步骤S2、根据数组A3和参考答案,通过预设的概率模型,从数组A3中确定目标对象真实表达的数字。
具体地,首先基于数组A3中的首个数字确定第1个参考答案93,分别基于下式计算数组A3中除首个数字之外的各个数字与第一个参考答案93的条件概率:
P(Ni|93)=1/(abs(Ni-93)+1)
通过计算可获得数组A3中除首个数字之外的各个数字分别对应的条件概率,将最大条件概率对应的数字确定为目标对象真实表达的第1个数字。其中,Ni为数组A3中的第i个数字,2<=i<=d,d为数组A3中数字的个数。
获得第1个数字后,用这个数字减去7得到的数字作为第2个参考答案,分别计算数组A3中除首个数字和上述确定出的数字之外的各个数字与第2个答案的条件概率,获得数组A3中除首个数字和上述确定出的数字之外的各个数字分别对应的条件概率,将最大条件概率对应的数字确定为目标对象真实表达的第2数字。
获得第2数字后,用该数字减去7得到第3个参考答案,分别计算数组 A3中除首个数字和上述确定出的两个数字之外的各个数字与3个参考答案的条件概率,将确定出的最大条件概率对应的数字确定为目标对象真实表达的第3数字,以此类推,直至获得目标对象真实表达的5个数字,这5个数字组成的数组作为用于进行评分的目标数组。
经由上述过程可获得各个目标题目对应的目标数组,获得各个目标题目对应的目标数组后,便可基于各个目标题目对应的目标数组对各个目标题目进行评分,从而获得各个目标题目的得分,进而可综合各个目标题目的得分,获得目标对象的认知得分。
优选地,为了确保目标对象的认知评分可解释并且可以有回溯复查的依据,在本申请的另一实施例中,目标对象的认知评估方法还可以包括:生成目标对象的认知评估报告。
其中,目标对象的认知评估报告中可以包括目标题目或目标题目的标识信息(如目标题目的标号)、目标对象对目标题目作答的音频数据转写得到的文本内容、用于对目标对象进行认知评估的目标数组、目标题目的评分依据、目标题目的得分、目标对象的认知得分等。
本申请实施例提供的对象的认知评估方法,采用人机交互的方式获得目标对象对目标题目作答的音频数据,基于该音频数据确定目标题目的得分,进而通过目标题目的得分获得目标对象的认知得分,由此可见,本申请实施例提供的认知评估方法,可基于音频数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本。再者,本申请实施例通过冗余消除方案和概率模型能够确定用户针对目标题目真实表达的答案,基于该答案对用户的认知能力进行评估,能大大提高评估准确性。最后,本申请实施例通过生成认知评估报告,使得用户的评估过程具有可回溯性和可解释性,认知评估报告还能为后续研究提供宝贵的数据支撑。
本申请实施例还提供了一种对象的认知评估装置,下面对本申请实施例提供的对象的认知评估装置进行描述,下文描述的对象的认知评估装置与上文描述的对象的认知评估方法可相互对应参照。
请参阅图5,示出了本申请实施例提供的对象的认知评估装置的结构示意图,该装置可以包括:数据获取模块501和认知评估模块502。
数据获取模块501,用于获取目标对象对目标题目作答的多模态数据。
其中,多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种;
认知评估模块502,用于基于所述多模态数据确定所述目标对象的认知得分。
本申请实施例提供的对象的认知评估装置可基于目标对象对目标题目作答的多模态数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本。
在一种可能的实现方式中,上述实施例提供的对象的认知评估装置中的数据获取模块501,具体用于获取目标对象对目标题目作答的音频数据。
相应的,认知评估模块502可以包括:音频数据转写子模块、数字提取子模块和认知评估子模块。
所述音频数据转写子模块,用于将所述音频数据转写为文本。
所述数字提取子模块,用于从所述文本中提取数字组成有序数组,作为所述目标题目对应的目标数组。
所述认知评估子模块,用于基于所述目标题目对应的目标数组确定所述目标对象的认知得分。
在一种可能的实现方式中,目标题目为多个。则数字提取子模块,具体用于针对每个所述目标题目,从所述文本中、与所述目标题目对应的文本内容中依次提取数字组成有序数组作为该目标题目对应的目标数组,以得到多个目标题目分别对应的目标数组。
在一种可能的实现方式中,认知评估子模块,具体用于对于每个所述目标题目,通过所述目标题目对应的目标数组确定所述目标题目对应的得分,以得到多个所述目标题目分别对应的得分;综合多个所述目标题目分别对应的得分,获得所述目标对象的认知得分。
优选地,上述实施例提供的对象的认知评估装置中,认知评估模块502 还可以包括:冗余数字确定子模块和冗余数字删除子模块。
所述冗余数字确定子模块,用于在得到所述目标题目对应的有序数组后,从所述目标题目对应的有序数组中确定冗余数字。
所述冗余数字删除子模块,用于将所述冗余数字从所述目标题目对应的有序数组中删除,删除所述冗余数字后的有序数组作为所述目标题目对应的目标数组。
在一种可能的实现方式中,冗余数字确定子模块,具体用于针对所述目标题目对应的文本内容中的每个否定词,从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串,通过所述否定词的前向相邻数字串和后向相邻数字串,从所述目标题目对应的有序数组中确定冗余数字。
在一种可能的实现方式中,冗余数字确定模块在从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串时,具体用于:确定所述目标题目对应的有序数组中各个数字在所述目标题目对应的音频片段中出现的时间组成时间数组,获得所述有序数组对应的时间数组;基于所述有序数组对应的时间数组和所述否定词在所述目标题目对应的音频片段中出现的时间,从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串。
在一种可能的实现方式中,冗余数字确定子模块在确定所述目标题目对应的有序数组中各个数字在所述目标题目对应的音频片段中出现的时间时,具体用于获取所述目标文本内容中的每个词在所述目标题目对应的音频片段中出现的时间,其中,所述目标文本内容为目标文本中、所述目标题目对应的文本内容,所述目标文本为对所述文本进行预处理后得到文本,所述预处理至少包括对所述文本的内容进行分词处理;通过所述目标文本内容中的每个词在所述目标题目对应的音频片段中出现的时间,获得所述目标题目对应的有序数组中各个数字在所述目标题目对应的音频片段中出现的时间。
在一种可能的实现方式中,冗余数字确定子模块在通过所述否定词的前向相邻数字串和后向相邻数字串,从所述目标题目对应的有序数组中确定冗余数字时,具体用于:若所述否定词的前向相邻数字串与所述否定词的后向相邻数字串不存在最大公共子串,则将所述否定词的前向相邻数字串中的最后一个数字确定为目标数字;若所述否定词的前向相邻数字串与所述否定词的后向相邻数字串存在所述最大公共子串,则将所述否定词的前向相邻数字串中、以所述否定词的后向相邻数字串的首个数字为首的最大公共子串的各个数字确定为目标数字;将所述目标数字作为所述冗余数字。
优选地,上述实施例提供的对象的认知评估装置中的认知评估模块502 还可以包括:特征获取子模块和删除确定子模块。
所述特征获取子模块,用于获取所述目标数字对应的语法和语义特征和/ 或语音和韵律特征。
其中,所述目标数字对应的语法和语义特征包括所述目标数字所在句子的困惑度,以及,将所述目标数字从所述目标数字所在句子中删除后得到的句子的困惑度,所述目标数字对应的语音和韵律特征包括删除所述冗余数字后,所述否定词之前一个或多个数字所对应音频的基频是所述否定词之前整个音频片段的基频的倍数,以及所述否定词之后一个或多个数字所对应音频的基频是所述否定词之后整个音频片段的基频的倍数;
所述删除确定子模块,用于基于所述目标数字对应的困惑度和/或语音和韵律特征确定是否需要删除所述目标数字,若需要删除所述目标数字,则将所述目标数字作为所述冗余数字。
优选地,上述实施例提供的对象的认知评估装置中的认知评估模块502 还可以包括:数组规整子模块和数字确定子模块。
所述数组规整子模块,用于基于所述目标题目对删除所述冗余数字后的有序数组进行规整,获得规整后的数组。
所述数字确定子模块,用于根据所述规整后的数组和所述目标题目的正确答案,通过预设的概率模型,从所述规整后的数组中确定所述目标对象真实表达的数字,将所述目标对象真实表达的数字组成的数组作为所述目标数组。
优选地,上述实施例提供的对象的认知评估装置还可以包括:评估报告生成模块。
所述评估报告生成模块,用于生成所述目标对象的认知评估报告,其中,所述认知评估报告中至少包括所述目标题目或所述目标题目的标识信息、所述目标对象对所述目标题目作答的音频数据转写得到的文本内容、用于对所述目标对象进行认知评估的所述目标数组。
本申请实施例提供的对象的认知评估装置,第一方面,可基于音频数据自动对目标对象的认知能力进行评估,评估过程不需要人工参与,因此,避免了主观因素对评估结果的影响,同时,提高了评估效率,节省了人力资源和人工成本;第二方面,本申请实施例通过冗余消除方案和概率模型能够确定用户针对目标题目真实表达的答案,基于该答案对用户的认知能力进行评估,能大大提高评估准确性;第三方面,本申请通过生成认知评估报告,使得用户的评估过程具有可回溯性和可解释性,认知评估报告还能为后续研究提供宝贵的数据支撑。
本申请实施例还提供了一种对象的认知评估设备,请参阅图6,示出了该对象的认知评估设备的结构示意图,该设备可以包括:至少一个处理器601,至少一个通信接口602,至少一个存储器603和至少一个通信总线604;
在本申请实施例中,处理器601、通信接口602、存储器603、通信总线604 的数量为至少一个,且处理器601、通信接口602、存储器603通过通信总线604 完成相互间的通信;
处理器601可能是一个中央处理器CPU,或者是特定集成电路ASIC (ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器603可能包含高速RAM存储器,也可能还包括非易失性存储器 (non-volatile memory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获取目标对象对目标题目作答的多模态数据,其中,所述多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种;
基于所述多模态数据确定所述目标对象的认知得分。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质,该可读存储介质可存储有适于处理器执行的程序,所述程序用于:
获取目标对象对目标题目作答的多模态数据,其中,所述多模态数据包括音频数据、视频数据、图像数据、轨迹点数据、姿态数据中的任意一种或多种;
基于所述多模态数据确定所述目标对象的认知得分。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种题目得分评估方法,其特征在于,包括:
获取音频数据,所述音频数据为目标题目对应的作答数据;
基于所述音频数据确定所述目标题目的得分;
其中,基于所述音频数据确定所述目标题目的得分,包括:
获取所述音频数据中的数字组成所述目标题目对应的有序数组;
根据所述音频数据中出现的否定词和所述有序数组,确定所述有序数组中的冗余数字并删除,删除所述冗余数字后的有序数组作为所述目标题目对应的目标数组;
根据所述目标题目对应的目标数组确定所述目标题目的得分。
2.根据权利要求1所述的题目得分评估方法,其特征在于,
所述获取所述音频数据中的数字组成所述目标题目对应的有序数组,包括:
将所述音频数据转写为文本;
从所述文本中提取数字组成所述目标题目对应的有序数组。
3.根据权利要求2所述的题目得分评估方法,其特征在于,所述目标题目为多个;
所述从所述文本中提取数字组成所述目标题目对应的有序数组,包括:
针对每个所述目标题目,从所述文本中、与所述目标题目对应的文本内容中依次提取数字组成该目标题目对应的有序数组,以得到多个目标题目分别对应的有序数组。
4.根据权利要求1所述的题目得分评估方法,其特征在于,所述根据所述音频数据中出现的否定词和所述有序数组,确定所述有序数组中的冗余数字,包括:
针对所述目标题目对应的文本内容中的每个否定词,从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串;
通过所述否定词的前向相邻数字串和后向相邻数字串,从所述目标题目对应的有序数组中确定冗余数字。
5.根据权利要求4所述的题目得分评估方法,其特征在于,所述从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串,包括:
确定所述目标题目对应的有序数组中各个数字在所述目标题目对应的音频片段中出现的时间组成时间数组,获得所述有序数组对应的时间数组;
基于所述有序数组对应的时间数组和所述否定词在所述目标题目对应的音频片段中出现的时间,从所述目标题目对应的有序数组中确定所述否定词的前向相邻数字串和后向相邻数字串。
6.根据权利要求4所述的题目得分评估方法,其特征在于,所述通过所述否定词的前向相邻数字串和后向相邻数字串,从所述目标题目对应的有序数组中确定冗余数字,包括:
若所述否定词的前向相邻数字串与所述否定词的后向相邻数字串不存在最大公共子串,则将所述否定词的前向相邻数字串中的最后一个数字确定为目标数字;
若所述否定词的前向相邻数字串与所述否定词的后向相邻数字串存在所述最大公共子串,则将所述否定词的前向相邻数字串中、以所述否定词的后向相邻数字串的首个数字为首的最大公共子串的各个数字确定为目标数字;
将所述目标数字作为所述冗余数字。
7.根据权利要求6所述的题目得分评估方法,其特征在于,在确定出所述目标数字后,还包括:
获取所述目标数字对应的语法和语义特征和/或语音和韵律特征,其中,所述目标数字对应的语法和语义特征包括所述目标数字所在句子的困惑度,以及,将所述目标数字从所述目标数字所在句子中删除后得到的句子的困惑度,所述目标数字对应的语音和韵律特征包括删除所述冗余数字后,所述否定词之前一个或多个数字所对应音频的基频是所述否定词之前整个音频片段的基频的倍数,以及所述否定词之后一个或多个数字所对应音频的基频是所述否定词之后整个音频片段的基频的倍数;
基于所述目标数字对应的语法和语义特征和/或语音和韵律特征确定是否需要删除所述目标数字,若需要删除所述目标数字,则将所述目标数字作为所述冗余数字。
8.根据权利要求1所述的题目得分评估方法,其特征在于,还包括:
基于所述目标题目对删除所述冗余数字后的有序数组进行规整,获得规整后的数组;
根据所述规整后的数组和所述目标题目的参考答案,通过预设的概率模型,从所述规整后的数组中确定所述目标对象真实表达的数字;
将所述目标对象真实表达的数字组成的数组作为所述目标题目对应的目标数组。
9.一种对象的认知评估装置,其特征在于,包括:数据获取模块和认知评估模块;
所述数据获取模块,用于获取目标对象对目标题目作答的音频数据;
所述认知评估模块,用于基于所述音频数据确定所述目标对象的认知得分;
其中,所述认知评估模块在基于所述音频数据确定所述目标对象的认知得分时,具体用于获取所述音频数据中的数字组成所述目标题目对应的有序数组,根据所述音频数据中出现的否定词和所述有序数组,确定所述有序数组中的冗余数字并删除,删除所述冗余数字后的有序数组作为所述目标题目对应的目标数组,基于所述目标题目对应的目标数组确定所述目标对象的认知得分。
10.根据权利要求9所述的对象的认知评估装置,其特征在于,所述认知评估模块包括:音频数据转写子模块、数字提取子模块、冗余数字确定子模块、冗余数字删除子模块和认知评估子模块;
所述音频数据转写子模块,用于将所述音频数据转写为文本;
所述数字提取子模块,用于从所述文本中提取数字组成所述目标题目对应的有序数组;
所述冗余数字确定子模块,用于根据所述音频数据中出现的否定词和所述有序数组,确定所述有序数组中的冗余数字;
所述冗余数字删除子模块,用于将所述有序数组中的冗余数字删除,删除所述冗余数字后的有序数组作为所述目标题目对应的目标数组;所述认知评估子模块,用于基于所述目标题目对应的目标数组确定所述目标对象的认知得分。
11.一种题目得分评估设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~8中任一项所述的题目得分评估方法的各个步骤。
12.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1~8中任一项所述的题目得分评估方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353106.4A CN109461503B (zh) | 2018-11-14 | 2018-11-14 | 题目得分评估方法及认知评估装置、设备、可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353106.4A CN109461503B (zh) | 2018-11-14 | 2018-11-14 | 题目得分评估方法及认知评估装置、设备、可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109461503A CN109461503A (zh) | 2019-03-12 |
CN109461503B true CN109461503B (zh) | 2020-12-18 |
Family
ID=65610394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811353106.4A Active CN109461503B (zh) | 2018-11-14 | 2018-11-14 | 题目得分评估方法及认知评估装置、设备、可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109461503B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503940B (zh) * | 2019-07-12 | 2021-08-31 | 中国科学院自动化研究所 | 语音增强方法、装置、存储介质、电子设备 |
CN110807312A (zh) * | 2019-10-10 | 2020-02-18 | 南京摄星智能科技有限公司 | 一种基于神经网络模型和规则结合的冗余表达去除方法 |
CN112507879A (zh) * | 2020-12-08 | 2021-03-16 | 科大讯飞股份有限公司 | 评阅方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561651A (zh) * | 2010-11-24 | 2014-02-05 | 数字制品有限责任公司 | 评估认知功能的系统和方法 |
CN104468932A (zh) * | 2014-12-09 | 2015-03-25 | 北京天宇朗通通信设备股份有限公司 | 自动记录通话内容中数字信息的方法和装置 |
CN104598758A (zh) * | 2015-02-12 | 2015-05-06 | 上海市徐汇区中心医院 | 一种脑卒中后构音障碍患者言语康复训练和疗效评估系统及方法 |
CN105069294A (zh) * | 2015-08-07 | 2015-11-18 | 北京环度智慧智能技术研究所有限公司 | 一种用于认知能力值测试的计算和分析方法 |
CN205176850U (zh) * | 2015-10-30 | 2016-04-20 | 郑伟宏 | 阿尔茨海默病筛查装置 |
CN105808970A (zh) * | 2016-05-09 | 2016-07-27 | 南京智精灵教育科技有限公司 | 一种在线认知评估系统及评估方法 |
JP2017515543A (ja) * | 2014-04-21 | 2017-06-15 | 日立マクセル株式会社 | 脳機能障害評価装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08314493A (ja) * | 1995-05-22 | 1996-11-29 | Sanyo Electric Co Ltd | 音声認識方法,数字列音声認識装置及びビデオレコーダシステム |
US11206977B2 (en) * | 2014-11-09 | 2021-12-28 | The Trustees Of The University Of Pennyslvania | Vision test for determining retinal disease progression |
JP6687358B2 (ja) * | 2015-10-19 | 2020-04-22 | 株式会社日立情報通信エンジニアリング | コールセンタシステム、および、その音声認識制御方法 |
CN107910059A (zh) * | 2017-10-18 | 2018-04-13 | 中山大学 | 一种语言能力障碍分级系统及其实现方法 |
-
2018
- 2018-11-14 CN CN201811353106.4A patent/CN109461503B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561651A (zh) * | 2010-11-24 | 2014-02-05 | 数字制品有限责任公司 | 评估认知功能的系统和方法 |
JP2017515543A (ja) * | 2014-04-21 | 2017-06-15 | 日立マクセル株式会社 | 脳機能障害評価装置 |
CN104468932A (zh) * | 2014-12-09 | 2015-03-25 | 北京天宇朗通通信设备股份有限公司 | 自动记录通话内容中数字信息的方法和装置 |
CN104598758A (zh) * | 2015-02-12 | 2015-05-06 | 上海市徐汇区中心医院 | 一种脑卒中后构音障碍患者言语康复训练和疗效评估系统及方法 |
CN105069294A (zh) * | 2015-08-07 | 2015-11-18 | 北京环度智慧智能技术研究所有限公司 | 一种用于认知能力值测试的计算和分析方法 |
CN205176850U (zh) * | 2015-10-30 | 2016-04-20 | 郑伟宏 | 阿尔茨海默病筛查装置 |
CN105808970A (zh) * | 2016-05-09 | 2016-07-27 | 南京智精灵教育科技有限公司 | 一种在线认知评估系统及评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109461503A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210029B (zh) | 基于垂直领域的语音文本纠错方法、系统、设备及介质 | |
CN108829822B (zh) | 媒体内容的推荐方法和装置、存储介质、电子装置 | |
JP6857581B2 (ja) | 成長型対話装置 | |
CN111128223B (zh) | 一种基于文本信息的辅助说话人分离方法及相关装置 | |
CN104598644B (zh) | 喜好标签挖掘方法和装置 | |
CN109461503B (zh) | 题目得分评估方法及认知评估装置、设备、可读存储介质 | |
CN111445898B (zh) | 语种识别方法、装置、电子设备和存储介质 | |
CN109192225B (zh) | 语音情感识别和标注的方法及装置 | |
CN111161739A (zh) | 语音识别方法及相关产品 | |
CN107886968B (zh) | 语音评测方法及系统 | |
CN110335608B (zh) | 声纹验证方法、装置、设备及存储介质 | |
CN110853621B (zh) | 语音顺滑方法、装置、电子设备及计算机存储介质 | |
CN111145903A (zh) | 获取眩晕症问诊文本的方法、装置、电子设备及问诊系统 | |
CN111191463A (zh) | 情感分析方法、装置、电子设备及存储介质 | |
CN111883137A (zh) | 基于语音识别的文本处理方法及装置 | |
CN111180025A (zh) | 表示病历文本向量的方法、装置及问诊系统 | |
CN111881297A (zh) | 语音识别文本的校正方法及装置 | |
CN114927126A (zh) | 基于语义分析的方案输出方法、装置、设备以及存储介质 | |
CN110738061A (zh) | 古诗词生成方法、装置、设备及存储介质 | |
CN111145748B (zh) | 音频识别置信度确定方法、装置、设备及存储介质 | |
CN108899016B (zh) | 一种语音文本规整方法、装置、设备及可读存储介质 | |
JP7062966B2 (ja) | 音声解析装置、音声解析システム、及びプログラム | |
CN111310457B (zh) | 词语搭配不当识别方法、装置、电子设备和存储介质 | |
CN115188376A (zh) | 一种个性化语音交互方法及系统 | |
CN113793611A (zh) | 评分方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |