CN112651231A - 口语信息处理方法、装置和电子设备 - Google Patents

Abstract

本公开实施例公开了一种口语信息处理方法、装置和电子设备。该方法的一具体实施方式包括：确定初始口语信息中各个单词对应的词干，并基于各个单词对应的词干得到与初始口语信息对应的初始口语词干向量；根据初始口语信息对应的初始口语向量和初始口语词干向量，确定与初始口语信息中各个单词对应的标签；标签至少包括：顺滑、非顺滑；根据各个单词对应的标签处理初始口语信息，得到顺滑的目标口语信息。能够基于初始口语向量和初始口语词干向量处理初始口语信息，利于初始口语信息的去重处理，得到顺滑的目标口语信息。

Description

口语信息处理方法、装置和电子设备

技术领域

本公开涉及互联网技术领域，尤其涉及一种口语信息处理方法、装置和电子设备。

背景技术

在使用英语作为沟通语言时，常常需要将说话者的口语信息进行处理，以用于翻译成其他语言的文本信息或者转换为较为规范的文本信息进行传阅等。在这过程中，可以对该口语信息进行去重处理，继而实现下游任务(例如口语信息中的语法纠错、抽取短句进行分析等)对该口语信息的进一步处理操作。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开实施例提供了一种口语信息处理方法、装置和电子设备。

第一方面，本公开实施例提供了一种口语信息处理方法，该方法包括：确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息。

第二方面，本公开实施例提供了一种口语信息处理装置，该装置包括：确定模块，用于确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；标注模块，用于根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；处理模块，用于根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息。

第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现第一方面所述的口语信息处理方法。

第四方面，本公开实施例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上述第一方面所述的口语信息处理方法的步骤。

本公开实施例提供的口语信息处理方法、装置和电子设备，通过确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；然后根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；最后根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息。通过上述方案能够基于初始口语向量和初始口语词干向量处理初始口语信息，利于初始口语信息的去重处理，得到顺滑的目标口语信息。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为根据本公开的口语信息处理方法的一个实施例的流程图；

图2为根据本公开涉及的训练口语处理模型的一个实施例的流程示意图；

图3为根据本公开的口语信息处理装置的一个实施例的结构示意图；

图4为本公开的一个实施例的口语信息处理方法可以应用于其中的示例性系统架构；

图5为根据本公开实施例提供的电子设备的基本结构的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

请参考图1，其示出了根据本公开的口语信息处理方法的一个实施例的流程图，如图1所示，该口语信息处理方法包括以下步骤101至步骤103。

步骤101，确定初始口语信息中各个单词对应的词干，并基于各个单词对应的词干得到与初始口语信息对应的初始口语词干向量。

上述初始口语信息可以包括由对应的口语语音信息转换得到的口语文本信息。在一些应用场景中，当采集到口语语音信息之后，可以对该口语语音信息进行分词处理，得到该口语语音信息所包含的各个单词，继而可以得到上述口语文本信息。这里，将口语语音信息转换为口语文本信息的技术为现有技术，此处不再赘述。

得到初始口语信息之后，可以将该初始口语信息进行词干化处理。也即，可以确定该初始口语信息中各个单词对应的词干，得到各自对应的词干信息。例如，初始口语信息为“they are workers”时，各个单词对应的词干信息可以分别为“they”、“are”、“worker”。

当得到各个单词对应的词干之后，可以确定对应的初始口语词干向量。在一些应用场景中，可以在预先设计的单词-向量对照表A中查找各个单词对应的向量，继而可以简化单词的输入操作，使口语处理模型能够较快识别出对应的单词信息。例如，单词“I”对应的向量可以为数字“1”；单词“love”对应的向量可以为数字“2”；单词“reading”对应的向量可以为数字“3”；单词“read”对应的向量可以为数字“4”；单词“books”对应的向量可以为数字“5”。这样，当初始口语信息为“I love reading read books”时，对应的初始口语词干信息可以为“I love reade read book”，则对应的初始口语词干向量可以为“12445”。

步骤102，根据初始口语信息对应的初始口语向量和初始口语词干向量，确定与初始口语信息中各个单词对应的标签；标签至少包括：顺滑、非顺滑。

上述初始口语向量可以为初始口语信息对应的向量信息。例如，基于上述单词-向量对照表A，初始口语信息“I love reading read books”对应的初始口语向量可以为“12345”。

可以利用上述初始口语向量和初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签。这里的标签可以用于表征单词在初始口语信息中的状态。例如数字、非数字；人名，非人名等。在本公开中，上述标签至少包括：顺滑和非顺滑。也即，通过上述初始口语向量和初始口语词干向量，可以确定初始口语信息中各个单词是否顺滑。

在一些可选的实现方式中，上述步骤102可以包括：将初始口语信息对应的初始口语向量和初始口语词干向量输入预先训练好的口语处理模型中，得到与初始口语信息中各个单词对应的标签。

也即，可以利用上述口语处理模型判定各个单词是否顺滑(或者是否重复)，并根据判定结果为各个单词进行标注，得到对应的标签。相应的，上述口语处理模型可以包括序列标注模型。例如，将上述初始口语向量“12345”和上述初始口语词干向量“12445”输入口语处理模型之后，若该口语处理模型的非顺滑标签为“1”，顺滑标签为“0”，则初始口语信息“I love reading read books”中各个单词对应的输出标签可以为“0”、“0”、“1”、“0”、“0”。

步骤103，根据各个单词对应的标签处理初始口语信息，得到顺滑的目标口语信息。

得到各个单词对应的标签之后，可以基于标签判断对应的单词是否顺滑，继而可以确定顺滑的目标口语信息。

在一些可选的实现方式中，上述步骤103包括：删除被标记为非顺滑的标签对应的单词，得到目标口语信息。

也就是说，可以基于各个单词对应的标签对初始口语信息进行后处理，删除非顺滑标签对应的单词，继而可以得到顺滑的目标口语信息。例如，对于上述初始口语信息“Ilove reading read books”中各个单词对应的输出标签“0”、“0”、“1”、“0”、“0”，可以删除非顺滑标签“1”对应的单词“reading”，继而可以得到顺滑的目标口语信息“I love readbooks”。

相关技术中，为了将非顺滑的初始口语信息处理为顺滑状态，通常会直接输入初始口语信息，通过口语处理模型输出对应的顺滑的目标口语信息。但是这些非顺滑的初始口语信息主要来自于英语口语表达能力较强的人群(例如母语为英文的人群)。他们所提供的非顺滑初始口语信息中的非顺滑部分较少，不需要识别精度很高的口语处理模型(例如：来自变压器的双向编码器表示模型)就能够处理成顺滑的目标口语信息。但是针对于英语口语表达能力不强的人群所提供的初始口语信息，如果识别精度较低，则很难得到顺滑的目标口语信息。

在本实施例中，通过确定初始口语信息中各个单词对应的词干，并基于各个单词对应的词干得到与初始口语信息对应的初始口语词干向量；根据初始口语信息对应的初始口语向量和初始口语词干向量，确定与初始口语信息中各个单词对应的标签；标签至少包括：顺滑、非顺滑；根据各个单词对应的标签处理初始口语信息，得到顺滑的目标口语信息。能够基于初始口语向量和初始口语词干向量处理初始口语信息，利于初始口语信息的去重处理，得到顺滑的目标口语信息。

在一些可选的实现方式中，口语处理模型包括第一预设口语处理模型、第二预设口语处理模型和第三预设口语处理模型，以及口语处理模型预先基于如下步骤训练：

步骤201，构建训练样本集；训练样本集中包括多个非顺滑样本信息。

上述非顺滑样本信息可以是提前搜集到的非顺滑的英文口语信息。例如“Uh sohe goes to find go to find the boys”、“but i don't think it's it's a good it'sa good idea for you”、“so does uh so does does uh does changsha government”等。

实践中，可以将搜集到的非顺滑的英语口语信息整理成数据集，得到上述训练样本集。

步骤202，针对每一个非顺滑样本信息，确定该非顺滑样本信息中各个样本单词对应的样本词干，并基于各个样本单词对应的样本词干得到该非顺滑样本信息对应的非顺滑样本词干向量。

可以将训练样本集中的各个非顺滑样本信息均进行词干化处理，得到各个非顺滑样本信息分别对应的非顺滑样本词干向量。在本实施例中，上述步骤202中得到词干向量的词干化处理可以与图1所示的实施例中步骤101所叙述的词干化处理相同或相似，此处不赘述。

步骤203，利用非顺滑样本信息对应的非顺滑样本向量、非顺滑样本词干向量分别训练第一预设口语处理模型和第二预设口语处理模型至收敛。

也就是说，可以利用上述非顺滑样本向量训练第一预设口语处理模型，利用上述非顺滑样本词干向量训练第二预设模型，以使得第一预设口语处理模型和第二预设口语处理模型均能够收敛。在一些应用场景中，可以将非顺滑样本向量输入第一预设口语处理模型中，利用第一预设口语处理模型输出该非顺滑样本向量对应纬度的预测标签向量，然后可以将该预测标签向量与该非顺滑样本向量对应的标准标签向量进行比对，继而可以确定第一预设口语处理模型的训练成果。如果两者不一致，可以利用标准标签向量完善第一预设口语处理模型。通过多个非顺滑样本向量的训练，可以使第一预设口语处理模型收敛。例如，可以将非顺滑样本信息“I like eating eatapples”对应的非顺滑样本向量“13578”输入第一预设口语处理模型中，通过第一预设口语处理模型输出对应纬度的预测标签向量，当该预测标签向量与标准标签向量“00100”一致时，可以视为该第一预设口语处理模型收敛。相似地，第二预设口语处理模型的训练方式可以参照第一预设口语处理模型的训练过程，此处不再赘述。应当说明的是，第一预设口语处理模型和第二预设口语处理模型例如可以包括来自变压器的双向编码器表示模型(Bidirectional Encoder Representationsfrom Transformers，简称bert模型)。利用上述bert模型处理对应的样本向量时，其模型编码层可以输出一个预设纬度的编码向量(例如B*L*D1纬度的编码标签，这里的B可以视为用以训练第一预设口语处理模型或者第二预设口语处理模型的样本数量，L可以视为样本信息中单词的个数，D1可以视为依据经验提前设置的超参数)，模型预测层可以对该样本向量进行预测，输出一个预设纬度的预测向量(例如B*L*K纬度预测标签，这里的K可以视为标签的种类数，可以基于该纬度的预测标签预测某个单词属于各个种类对应的概率)。上述bert模型的工作原理为现有技术，此处不再赘述。

步骤204，将收敛的第一预设口语处理模型和第二预设口语处理模型的输出标签向量按照预设规则进行拼接，并将拼接后的组合向量作为第三预设口语处理模型的输入，训练第三预设口语处理模型至收敛，得到口语处理模型。

当第一预设口语处理模型和第二预设口语处理模型均收敛之后，两个预设口语处理模型可以输出编码向量。在一些应用场景中，可以将两者对于同一个非顺滑样本信息的编码向量按照预设规则将对应的纬度进行拼接，得到组合向量。并可以利用组合向量训练第三预设口语处理模型至收敛。例如，对于样本数量为1的第一预设口语处理模型，如果该非顺滑样本信息为“I like eating eat apples”，则第一预设口语处理模型可以输出“1*5*512”纬度的第一编码向量，第二预设口语处理模型可以输出“1*5*1024”纬度的第二编码向量。此时，可以将第一编码向量和第二编码向量进行拼接，得到“1*5*(512+1024)”纬度的组合向量。并可以利用该组合向量训练第三预设口语处理模型，得到对应的1*5*(512+1024)纬度的预测标签向量，当该纬度的预测标签向量与真实标签向量“00100”一致时，可以视为第三预设口语处理模型收敛，继而得到了目标的口语处理模型。这里的第三预设口语处理模型例如可以为卷积神经网络(Convolutional Neural Networks，简称CNN)、长短期记忆人工神经网络(Long Short-Term Memory，简称LSTM)或变压器组(transformerblock)等。应当说明的是，上述CNN、LSTM或transformer block等的工作原理为现有技术，此处不再赘述。

通过上述步骤201至步骤204，可以将第一预设口语处理模型和第二预设口语处理模型进行融合，继而可以减少口语处理模型对重复单词的依赖，并且有助于识别出一些具有情态变化的重复单词(例如，单词“interesting”和“interested”)。

在一些可选的实现方式中，构建训练样本集，包括以下子步骤：

子步骤2011，获取顺滑样本信息。

可以提前搜集顺滑的口语样本信息，通过给这些口语样本信息进行加噪，得到更多场景下的、更复杂的非顺滑样本信息。

子步骤2012，在预设词库中查找顺滑样本信息中的各个样本单词对应的原始形态单词；预设词库中包括各个样本单词对应的原始形态单词。

上述原始形态单词例如可以包括与副词形式的样本单词、名词形式的样本单词、形容词形式的样本单词等的初始形态对应的单词。例如，形态单词“would”、“does”、“did”对应的原始形态单词可以均为“do”。上述预设词库中存储了各个样本单词分别对应的原始形态单词。

当得到原始形态单词之后，可以在预设词库中进行查找。例如，对于上述形态单词“would”、“does”、“did”，可以在预设词库中查找到对应的原始形态单词“do”。

子步骤2013，确定查找到的原始形态单词对应的样本单词在顺滑样本信息中的位置。

当查找到与样本单词对应的原始形态单词之后，可以根据该样本单词在顺滑样本信息中的位置确定该样本单词作为重复单词时可以插入的位置。例如，顺滑的样本信息“wouldyou pass me a cup of tea”，可以在预设词库中查找到与样本单词“would”对应的原始形态单词“do”，继而可以确定样本单词“would”对应的位置可以为该样本信息的首位。

子步骤2014，以位置为起始位置，并以样本单词为起始单词，插入预设重复长度、预设重复次数的多个样本单词。

当确定了与原始形态单词对应的样本单词的位置之后，可以以该样本单词为起始单词，选择预设重复长度的样本单词从该起始位置开始，顺次重复预设重复次数的多个样本单词。例如，当预设重复长度为3，预设重复次数为1时，可以将上述样本单词“would”在样本信息“would you pass me a cup of tea”中的位置作为起始位置，将样本单词“would”作为起始单词，得到非顺滑样本信息“Would you pass Would you pass me a cup oftea”。这里，对于预设重复长度和预设重复次数可以随机设定，以增加初始口语信息的真实性。

通过上述子步骤2011至子步骤2014，可以为顺滑样本信息添加基于语法特征、词性特征的非顺滑部分，继而构造出非顺滑样本信息，为训练口语处理模型提供更多的更具真实性和多样性的训练样本信息。

在一些可选的实现方式中，构建训练样本集，包括：获取顺滑样本信息；在顺滑样本信息中随机插入至少一个重复单词，得到非顺滑样本信息；重复单词包括在插入位置处的初始样本单词。

也就是说，可以将初始样本单词作为重复单词随机插入顺滑样本信息中，得到非顺滑样本信息。例如，可以在顺滑样本信息“would you pass me a cup of tea”的样本单词“you”对应的位置插入初始样本单词“you”，得到对应的非顺滑样本“would you youpassme a cup of tea”；也可以样本单词“a”对应的位置插入两个初始样本单词“a”，得到对应的非顺滑样本“would you pass me aaacup of tea”。这里，重复单词的重复次数可以为1，也可以为2或3，此处不作限定。

通过上述随机插入重复单词的方式，更加贴近于现实中的口语场景下的口语信息，进一步增强了样本信息的真实性和复杂性，使得训练出的口语处理模型的识别精度更高。

在一些可选的实现方式中，构建训练样本集，包括：获取顺滑样本信息；在顺滑样本信息中随机插入语气单词，得到非顺滑样本信息。

在说出英语口语时，常常会在口语信息中夹杂语气词。继而可以在顺滑样本信息中随机插入语气单词，得到非顺滑样本信息。例如，可以在顺滑样本信息“so he go tofind the boys”中随机加入语气单词“uh”，得到“uh so he go to find the boys”、“sohe uh go to find the boys”、“so he go to find uh the boys”等非顺滑样本信息。

通过上述随机插入语气单词的方式，更加贴近于现实中的口语场景下的口语信息，进一步增强了样本信息的真实性和复杂性，使得训练出的口语处理模型的识别精度更高。

请参考图3，其示出了根据本公开的口语信息处理装置的一个实施例的结构示意图，如图3所示，口语信息处理装置包括确定模块301、标注模块302和处理模块303。其中，确定模块301，用于确定初始口语信息中各个单词对应的词干，并基于各个单词对应的词干得到与初始口语信息对应的初始口语词干向量；标注模块302，用于根据初始口语信息对应的初始口语向量和初始口语词干向量，确定与初始口语信息中各个单词对应的标签；标签至少包括：顺滑、非顺滑；处理模块303，用于根据各个单词对应的标签处理初始口语信息，得到顺滑的目标口语信息。

需要说明的是，该口语信息处理装置的确定模块301、标注模块302和处理模块303的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101至步骤103的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，标注模块302进一步用于：将初始口语信息对应的初始口语向量和初始口语词干向量输入预先训练好的口语处理模型中，得到与初始口语信息中各个单词对应的标签。

在本实施例的一些可选的实现方式中，口语处理模型包括第一预设口语处理模型、第二预设口语处理模型和第三预设口语处理模型，以及口语处理模型预先基于如下步骤训练：构建训练样本集；训练样本集中包括多个非顺滑样本信息；针对每一个非顺滑样本信息，确定该非顺滑样本信息中各个样本单词对应的样本词干，并基于各个样本单词对应的样本词干得到该非顺滑样本信息对应的非顺滑样本词干向量；利用非顺滑样本信息对应的非顺滑样本向量、非顺滑样本词干向量分别训练第一预设口语处理模型和第二预设口语处理模型至收敛；将收敛的第一预设口语处理模型和第二预设口语处理模型的输出标签向量按照预设规则进行拼接，并将拼接后的组合向量作为第三预设口语处理模型的输入，训练第三预设口语处理模型至收敛，得到口语处理模型。

在本实施例的一些可选的实现方式中，构建训练样本集，包括：获取顺滑样本信息；在预设词库中查找顺滑样本信息中的各个样本单词对应的原始形态单词；预设词库中包括各个样本单词对应的原始形态单词；确定查找到的原始形态单词对应的样本单词在顺滑样本信息中的位置；以位置为起始位置，并以样本单词为起始单词，插入预设重复长度、预设重复次数的多个样本单词

在本实施例的一些可选的实现方式中，构建训练样本集，包括：获取顺滑样本信息；在顺滑样本信息中随机插入至少一个重复单词，得到非顺滑样本信息；重复单词包括在插入位置处的初始样本单词。

在本实施例的一些可选的实现方式中，构建训练样本集，包括：获取顺滑样本信息；在顺滑样本信息中随机插入语气单词，得到非顺滑样本信息。

在本实施例的一些可选的实现方式中，处理模块303进一步用于：删除被标记为非顺滑的标签对应的单词，得到目标口语信息。

请参考图4，其示出了本公开的一个实施例的口语信息处理方法可以应用于其中的示例性系统架构。

如图4所示，系统架构可以包括终端设备401、402、403，网络404，服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。上述终端设备和服务器可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，Ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

终端设备401、402、403可以通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种客户端应用，例如视频发布应用、搜索类应用、新闻资讯类应用。

终端设备401、402、403可以是硬件，也可以是软件。当终端设备401、402、403为硬件时，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备401、402、403为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器405可以是可以提供各种服务的服务器，例如接收终端设备401、402、403发送的确定初始口语信息中各个单词对应的词干的处理请求，对处理请求进行分析处理，并将分析处理结果(例如与上述处理请求对应的各个单词对应的词干)发送给终端设备401、402、403。

需要说明的是，本公开实施例所提供的口语信息处理方法可以由服务器执行，也可以由终端设备执行，相应地，口语信息处理装置可以设置在服务器中，也可以设置在终端设备中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备(例如图4中的服务器或服务器)的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定初始口语信息中各个单词对应的词干，并基于各个单词对应的词干得到与初始口语信息对应的初始口语词干向量；根据初始口语信息对应的初始口语向量和初始口语词干向量，确定与初始口语信息中各个单词对应的标签；标签至少包括：顺滑、非顺滑；根据各个单词对应的标签处理初始口语信息，得到顺滑的目标口语信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定，例如，确定模块301还可以被描述为“确定初始口语信息中各个单词对应的词干，并基于各个单词对应的词干得到与初始口语信息对应的初始口语词干向量的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例所提供的口语信息处理方法，包括：确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息。

根据本公开的一个或多个实施例，所述根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签，包括：将所述初始口语信息对应的初始口语向量和所述初始口语词干向量输入预先训练好的口语处理模型中，得到与所述初始口语信息中各个单词对应的标签。

根据本公开的一个或多个实施例，所述口语处理模型包括第一预设口语处理模型、第二预设口语处理模型和第三预设口语处理模型，以及所述口语处理模型预先基于如下步骤训练：构建训练样本集；所述训练样本集中包括多个非顺滑样本信息；针对每一个所述非顺滑样本信息，确定该非顺滑样本信息中各个样本单词对应的样本词干，并基于所述各个样本单词对应的样本词干得到该非顺滑样本信息对应的非顺滑样本词干向量；利用所述非顺滑样本信息对应的非顺滑样本向量、所述非顺滑样本词干向量分别训练所述第一预设口语处理模型和所述第二预设口语处理模型至收敛；将收敛的所述第一预设口语处理模型和所述第二预设口语处理模型的输出标签向量按照预设规则进行拼接，并将拼接后的组合向量作为所述第三预设口语处理模型的输入，训练所述第三预设口语处理模型至收敛，得到所述口语处理模型。

根据本公开的一个或多个实施例，所述构建训练样本集，包括：获取顺滑样本信息；在预设词库中查找所述顺滑样本信息中的各个样本单词对应的原始形态单词；所述预设词库中包括所述各个样本单词对应的原始形态单词；确定查找到的所述原始形态单词对应的样本单词在所述顺滑样本信息中的位置；以所述位置为起始位置，并以所述样本单词为起始单词，插入预设重复长度、预设重复次数的多个样本单词。

根据本公开的一个或多个实施例，所述构建训练样本集，包括：获取顺滑样本信息；在所述顺滑样本信息中随机插入至少一个重复单词，得到所述非顺滑样本信息；所述重复单词包括在插入位置处的初始样本单词。

根据本公开的一个或多个实施例，所述构建训练样本集，包括：获取顺滑样本信息；在所述顺滑样本信息中随机插入语气单词，得到所述非顺滑样本信息。

根据本公开的一个或多个实施例，所述根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息，包括：删除被标记为非顺滑的标签对应的单词，得到所述目标口语信息。

根据本公开的一个或多个实施例所提供的口语信息处理装置，包括：确定模块，用于确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；标注模块，用于根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；处理模块，用于根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息

根据本公开的一个或多个实施例，标注模块302进一步用于：将初始口语信息对应的初始口语向量和初始口语词干向量输入预先训练好的口语处理模型中，得到与初始口语信息中各个单词对应的标签。

根据本公开的一个或多个实施例，口语处理模型包括第一预设口语处理模型、第二预设口语处理模型和第三预设口语处理模型，以及口语处理模型预先基于如下步骤训练：构建训练样本集；训练样本集中包括多个非顺滑样本信息；针对每一个非顺滑样本信息，确定该非顺滑样本信息中各个样本单词对应的样本词干，并基于各个样本单词对应的样本词干得到该非顺滑样本信息对应的非顺滑样本词干向量；利用非顺滑样本信息对应的非顺滑样本向量、非顺滑样本词干向量分别训练第一预设口语处理模型和第二预设口语处理模型至收敛；将收敛的第一预设口语处理模型和第二预设口语处理模型的输出标签向量按照预设规则进行拼接，并将拼接后的组合向量作为第三预设口语处理模型的输入，训练第三预设口语处理模型至收敛，得到口语处理模型。

根据本公开的一个或多个实施例，构建训练样本集，包括：获取顺滑样本信息；在预设词库中查找顺滑样本信息中的各个样本单词对应的原始形态单词；预设词库中包括各个样本单词对应的原始形态单词；确定查找到的原始形态单词对应的样本单词在顺滑样本信息中的位置；以位置为起始位置，并以样本单词为起始单词，插入预设重复长度、预设重复次数的多个样本单词

根据本公开的一个或多个实施例，构建训练样本集，包括：获取顺滑样本信息；在顺滑样本信息中随机插入至少一个重复单词，得到非顺滑样本信息；重复单词包括在插入位置处的初始样本单词。

根据本公开的一个或多个实施例，构建训练样本集，包括：获取顺滑样本信息；在顺滑样本信息中随机插入语气单词，得到非顺滑样本信息。

根据本公开的一个或多个实施例，处理模块303进一步用于：删除被标记为非顺滑的标签对应的单词，得到目标口语信息。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种口语信息处理方法，其特征在于，包括：

确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；

根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；

根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签，包括：

将所述初始口语信息对应的初始口语向量和所述初始口语词干向量输入预先训练好的口语处理模型中，得到与所述初始口语信息中各个单词对应的标签。

3.根据权利要求2所述的方法，其特征在于，所述口语处理模型包括第一预设口语处理模型、第二预设口语处理模型和第三预设口语处理模型，以及所述口语处理模型预先基于如下步骤训练：

构建训练样本集；所述训练样本集中包括多个非顺滑样本信息；

针对每一个所述非顺滑样本信息，确定该非顺滑样本信息中各个样本单词对应的样本词干，并基于所述各个样本单词对应的样本词干得到该非顺滑样本信息对应的非顺滑样本词干向量；

利用所述非顺滑样本信息对应的非顺滑样本向量、所述非顺滑样本词干向量分别训练所述第一预设口语处理模型和所述第二预设口语处理模型至收敛；

将收敛的所述第一预设口语处理模型和所述第二预设口语处理模型的输出标签向量按照预设规则进行拼接，并将拼接后的组合向量作为所述第三预设口语处理模型的输入，训练所述第三预设口语处理模型至收敛，得到所述口语处理模型。

4.根据权利要求3所述的方法，其特征在于，所述构建训练样本集，包括：

获取顺滑样本信息；

在预设词库中查找所述顺滑样本信息中的各个样本单词对应的原始形态单词；所述预设词库中包括所述各个样本单词对应的原始形态单词；

确定查找到的所述原始形态单词对应的样本单词在所述顺滑样本信息中的位置；

以所述位置为起始位置，并以所述样本单词为起始单词，插入预设重复长度、预设重复次数的多个样本单词。

5.根据权利要求3所述的方法，其特征在于，所述构建训练样本集，包括：

获取顺滑样本信息；

在所述顺滑样本信息中随机插入至少一个重复单词，得到所述非顺滑样本信息；所述重复单词包括在插入位置处的初始样本单词。

6.根据权利要求3所述的方法，其特征在于，所述构建训练样本集，包括：

获取顺滑样本信息；

在所述顺滑样本信息中随机插入语气单词，得到所述非顺滑样本信息。

7.根据权利要求1所述的方法，其特征在于，所述根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息，包括：

删除被标记为非顺滑的标签对应的单词，得到所述目标口语信息。

8.一种口语信息处理装置，其特征在于，包括：

确定模块，用于确定初始口语信息中各个单词对应的词干，并基于所述各个单词对应的词干得到与所述初始口语信息对应的初始口语词干向量；

标注模块，用于根据所述初始口语信息对应的初始口语向量和所述初始口语词干向量，确定与所述初始口语信息中各个单词对应的标签；所述标签至少包括：顺滑、非顺滑；

处理模块，用于根据所述各个单词对应的标签处理所述初始口语信息，得到顺滑的目标口语信息。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images