CN113641801B - 一种语音调度系统的控制方法、系统及电子设备 - Google Patents

Abstract

本申请提供一种语音调度系统的控制方法、系统及电子设备。在控制方法中，首先对获取到的语音文本数据进行文本分词，得到第一词语集，对得到的第一词语集去除停用词后，利用TF‑IDF文本特征提取技术识别出关键词。然后对关键词计算关键词权重，根据关键词和关键词权重查询事件库中对应的事件。最后，根据识别出的事件进行辅助调度处理，使调度中心能够同时对多路的呼叫进行调度处理。本申请中所提供的技术方案避免了传统模式下监听多路被监听对象同时呼叫时，只能监听其中一路话务并将其他路的话务静音，导致漏听漏接的情形。

Description

一种语音调度系统的控制方法、系统及电子设备

技术领域

本申请涉及语音识别技术领域，具体而言，涉及一种语音调度系统的控制方法、系统及电子设备。

背景技术

在日常指挥调度体系中，应急指挥调度台一般依赖于人工值守从而实现7×24小时的监听，无法保障调度台话务监控效果与监听质量，有较大的错误率。

而且，传统模式下监听多路被监听对象同时呼叫时，只能监听其中一路话务并将其他路的话务静音，或是工作人员注意力不集中，或是人员离开的情况，都可能会漏听、漏接重要呼叫，从而导致重大事故或事件的处置不及时，带来不必要的财产损失，甚至给人民群众带来生命威胁。

发明内容

本申请实施例的目的在于提供一种语音调度系统的控制方法、系统及电子设备，用以解决传统模式下监听多路被监听对象同时呼叫时，只能监听其中一路话务并将其他路的话务静音，导致漏听漏接的问题。

本申请实施例提供的一种语音调度系统的控制方法，包括：

对获取到的语音文本数据进行文本分词，得到第一词语集；

对第一词语集的词语，识别并去除停用词，得到第二词语集；

对第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在第二词语集中的重要程度，并识别出关键词；

对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；

根据关键词和关键词权重，查询事件库中对应的事件；事件库包括关键词、关键词权重及对应的事件；

对查询得到的事件进行辅助调度处理，辅助调度处理用于辅助与语音文本数据相关的调度。

上述技术方案，首先对语音文本数据进行文本分词，对得到的第一词语集去除停用词后，利用TF-IDF文本特征提取技术识别出关键词，然后对关键词计算关键词权重，根据关键词和关键词权重查询事件库中对应的事件。最后，根据识别出的事件进行辅助调度处理，使调度中心能够同时对多路的呼叫进行调度处理，避免了传统模式下监听多路被监听对象同时呼叫时，只能监听其中一路话务并将其他路的话务静音，导致漏听漏接的情形。

在一些可选的实施方式中，辅助调度处理包括：

获取预设时间内的所有语音文本数据及对应的事件，并对其中相同事件的语音文本数据进行关联展示。

上述技术方案，将识别出相同事件的多个语音文本数据进行关联展示，在话务频次较高时，能够更好地辅助调度中心对事件的调度处理。

在一些可选的实施方式中，辅助调度处理包括：

获取与事件相关的语音文本数据，识别出表示进度的词语；

将表示进度的词语与对应的事件进行关联，并进行展示。

上述技术方案，将与事件相关的语音文本数据，例如基于时间维度进行划分，在每一时间段内的语音文本数据中识别出表示进度的词语，并将该时间段与表示进度的词语及对应的事件进行关联并展示，使调度中心能够自动获取到事件的历史进度和当前进度。

在一些可选的实施方式中，事件库还包括事件对应的等级；

辅助调度处理包括：

根据事件的等级，请求相应的报警联动。

上述技术方案，事件库中包括事件对应的等级，根据事件的等级，请求相应的报警联动，例如：事件等级包括一般事件和紧急事件，在识别出一般事件时，通过短信提示、APP消息提示等方式提醒调度人员，在识别出紧急事件时，通过调度中心现场声光提示、短信提示、APP消息提示、弹窗提示、自动拨打电话提示等方式提醒调度人员。

在一些可选的实施方式中，还包括：

对语音数据，进行语音情感分析，识别出语音情感；

根据关键词和关键词权重，查询事件库中对应的事件，还包括：

根据语音情感、关键词和关键词权重，查询事件库中对应的事件；事件库包括语音情感、关键词、关键词权重及对应的事件。

上述技术方案，根据语音情感、关键词和关键词权重，识别对应的事件，综合了语音和文本的特征，更准确识别出对应的事件。

本申请实施例提供的一种语音调度系统，包括：

语音分析服务器，用于获取语音数据；将语音数据转换为语音文本数据；对语音文本数据进行文本分词，得到第一词语集；对第一词语集的词语，识别并去除停用词，得到第二词语集；对第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在第二词语集中的重要程度，识别出关键词；对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；根据关键词和关键词权重，查询事件库中对应的事件；事件库包括关键词、关键词权重及对应的事件和预案；

调度终端，用于确认事件，并根据事件选择相应的预案。

上述技术方案，在语音分析服务器对获取到的语音文本数据进行分析后，识别出对应的事件及事件的一种或多种预案并发送给调度终端，调度人员可在调度终端，确认识别出的事件，并根据事件选择相应的预案，调度终端也可以直接根据事件相应的预案来提醒调度人员。

本申请实施例提供的一种电子设备，包括：

获取模块，用于获取语音数据；

转换模块，用于将语音数据转换为语音文本数据；

分词模块，用于对语音文本数据进行文本分词，得到第一词语集；

去停用词模块，用于对第一词语集的词语，识别并去除停用词，得到第二词语集；

特征提取模块，用于对第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在第二词语集中的重要程度，识别出关键词；

计算模块，用于对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；

事件识别模块，用于根据关键词和关键词权重，查询事件库中对应的事件；事件库包括关键词、关键词权重及对应的事件。

在一些可选的实施方式中，包括：

情感识别模块，用于对语音数据，进行语音情感分析，识别出语音情感。

在一些可选的实施方式中，包括：

第一展示模块，用于获取预设时间内的所有语音文本数据及对应的事件，并对其中相同事件的语音文本数据进行关联展示。

在一些可选的实施方式中，还包括：

进度识别模块，用于获取与事件相关的语音文本数据，识别出表示进度的词语；

第二展示模块，用于将表示进度的词语与对应的事件进行关联，并进行展示。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种语音调度系统的控制方法步骤流程图；

图2为本申请实施例提供的关键词权重计算流程图；

图3为本申请实施例提供的语音情感分析流程示意图；

图4为本申请实施例提供的一种语音调度系统的结构示意图；

图5为本申请实施例提供的一种电子设备的功能模块图；

图6为本申请实施例提供的另一种电子设备的功能模块图。

图标：1-语音分析服务器，2-调度终端，3-获取模块，4-转换模块，5-分词模块，6-去停用词模块，7-特征提取模块，8-计算模块，9-事件识别模块，10-情感识别模块，11-第一展示模块，12-进度识别模块，13-第二展示模块。

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描述。

请参照图1，图1为本申请实施例提供的一种语音调度系统的控制方法步骤流程图，具体包括：

步骤100、对获取到的语音文本数据进行文本分词，得到第一词语集。

其中，该语音文本数据的获取，包括：获取语音数据，调用第三方的语音转文字SDK（软件开发工具包），将语音数据转换为语音文本数据。第三方的语音转文字SDK包括但不限于百度语音识别功能、和科大讯飞的语音识别功能。

之后，利用中文分词技术，建立统一的词典表，当需要对一个句子进行分词时，首先将句子拆分成多个部分，将每一个部分与字典一一对应，如果该词语在词典中，分词成功，否则继续拆分匹配直到成功。

步骤200、对第一词语集的词语，识别并去除停用词，得到第二词语集。

其中，去除停用词包括：建立停用词字典，停用词主要为无含义的词语，包括一些副词、形容词及其一些连接词，第一词语集的词语中的停用词进行去除。

步骤300、对第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在第二词语集中的重要程度，并识别出关键词。

其中，对第二词语集的词语，利用TF-IDF文本特征提取技术为每个词语在本次通话及相近通话的语音文本数据中的重要程度进行打分，得到词语的重要程度的分数。例如，根据分数高低，分为主关键词、副关键词和辅助关键词。

步骤400、对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重。

其中，利用基于词典的文本匹配算法。逐个遍历第二词语集的词语，如果词语命中词典，则进行相应权重的处理。正面词权重为加法，负面词权重为减法，否定词权重取相反数，程度副词权重则和它修饰的词语权重相乘。关于本申请实施例所提供的关键词权重计算的流程，请参照后文有关图2的描述。

步骤500、根据关键词和关键词权重，查询事件库中对应的事件；事件库包括关键词、关键词权重及对应的事件。

例如，事件库包括主关键词、主关键词权重、副关键词、副关键词权重、辅助关键词和辅助关键词权重。

步骤600、对查询得到的事件进行辅助调度处理，辅助调度处理用于辅助与语音文本数据相关的调度。

本申请实施例中，首先对语音文本数据进行文本分词，对得到的第一词语集去除停用词后，利用TF-IDF文本特征提取技术识别出关键词，然后对关键词计算关键词权重，根据关键词和关键词权重查询事件库中对应的事件。最后，根据识别出的事件进行辅助调度处理，使调度中心能够同时对多路的呼叫进行调度处理，避免了传统模式下监听多路被监听对象同时呼叫时，只能监听其中一路话务并将其他路的话务静音，导致漏听漏接的情形。

在一些可选的实施方式中，辅助调度处理包括：获取预设时间内的所有语音文本数据及对应的事件，并对其中相同事件的语音文本数据进行关联展示。将识别出相同事件的多个语音文本数据进行关联展示，在话务频次较高时，能够更好地辅助调度中心对事件的调度处理。

在一些可选的实施方式中，辅助调度处理包括：获取与事件相关的语音文本数据，识别出表示进度的词语；将表示进度的词语与对应的事件进行关联，并进行展示。本申请实施例，将与事件相关的语音文本数据，例如基于时间维度进行划分，在每一时间段内的语音文本数据中识别出表示进度的词语，并将该时间段与表示进度的词语及对应的事件进行关联并展示，使调度中心能够自动获取到事件的历史进度和当前进度。

若调度人员接收到关联内容后，如发现与发生的事件偏差较大，可以人为纠正。

在一些可选的实施方式中，事件库还包括事件对应的等级。辅助调度处理包括：根据事件的等级，请求相应的报警联动。本申请实施例，事件库中包括事件对应的等级，根据事件的等级，请求相应的报警联动，例如：事件等级包括一般事件和紧急事件，在识别出一般事件时，通过短信提示、APP消息提示等方式提醒调度人员，在识别出紧急事件时，通过调度中心现场声光提示、短信提示、APP消息提示、弹窗提示、自动拨打电话提示等方式提醒调度人员。

更多的，当识别出紧急事件时，除了联动声光电、短信、IVR告警以及其他的手段，还告知值班领导，弹出可选预案供调度人员操作，同时自动关联最近1天内可能与之相关的话务内容，供值班人员回听复核系统判断的正确性。当识别出优先事件时，调度台界面会闪烁提示值守人员关注当前话务信息。

调度人员接收到报警推送后，如发现与发生的事件偏差较大，可以人为纠正。

在一些可选的实施方式中，语音调度系统的控制方法还包括：对语音数据，进行语音情感分析，识别出语音情感；根据关键词和关键词权重，查询事件库中对应的事件，还包括：根据语音情感、关键词和关键词权重，查询事件库中对应的事件；事件库包括语音情感、关键词、关键词权重及对应的事件。本申请实施例，语音情感包括生气、高兴、害怕、悲伤、惊讶和中性等，根据语音情感、关键词和关键词权重，识别对应的事件，综合了语音和文本的特征，更准确识别出对应的事件。

请参照图2，图2为本申请实施例提供的关键词权重计算流程图。

例如，将第二词语集中的主关键词进行词性分类：

若关键词为积极词语，则检测主关键词前后的词语，若前一词语为程度副词，则将主关键词的分数与该程度副词的分数相乘，再加上后一词语的分数（若后一词语为消极词语，则减去后一词语的分数），得到关键词权重；若前一词语为否定词，则取关键词的分数的相反数，再加上后一词语的分数（若后一词语为消极词语，则减去后一词语的分数），得到关键词权重；若前一词语为消极词语，则将关键词的分数减去前一词语的分数，再加上后一词语的分数（若后一词语为消极词语，则减去后一词语的分数），得到关键词权重；若前一词语不是否定词语、消极词语和程度副词中的一种，则将前后词语的分数与关键词的分数相加（若后一词语为消极词语，则不加上后一词语的分数，而是减去后一词语的分数），得到关键词权重。

若关键词为否定词语，则取该关键词的分数的相反数，作为该关键词的关键词权重。

若关键词为消极词语，则检测前一词语，若前一词语为否定词，则取该关键词的分数的相反数，作为该关键词的关键词权重；若前一词语为程度副词，则将程度副词的分数与关键词的分数相乘，得到关键词的关键词权重；若前一词语不是消极词语也不是否定词，则将前一词语的分数与关键词的分数相加，得到关键词权重。

在一些可选的实施方式中，请参照图3，图3为本申请实施例提供的语音情感分析流程示意图，包括：使用YAAFE库提取每次话语语音样本的所有27种特征，将每帧长度固定位为1024，这样计算下来可获得743维特征向量，接着进行PCA白化处理。将这些有效的特征向量使用基于attention的双向LSTM-全卷积网络算法，这样就能获得精确的MFCC特征码（梅尔频率的倒谱系数，是广泛应用于语音领域的特征），结合CASIA汉语情感数据库，这样就实现了语音情感的识别，可以识别出生气、高兴、害怕、悲伤、惊讶和中性六种情感。

在一些可选的实时方式中，将关键词、关键词权重和语音情感相结合，导入事件库中进行查询：当查询出来的应急事件数量等于1时，直接定位当前结果为可能发送的应急事件。

当查询出来的应急事件数量大于1时，采用SLT算法权重排序，选取前3个最优可能的事件推送告警。

调度人员接收到预判结果后，如发现与发生的事件偏差较大，可以人为纠正，系统将自动记录并修改预判结果。

在一些可选的实施方式中，通过将历史话务语音记录采用上述方法分析，将所有的分析数据基于关键词、情感、权重设计的事件数据库中，通过数据去重，专家人工分析复核，逐步形成强大的事件数据库，方便通过语音分析数据直接对比检索出相应的数据。

请参照图4，图4为本申请实施例提供的一种语音调度系统的结构示意图，包括语音分析服务器1和调度终端2。

其中，语音分析服务器1，用于获取语音数据；将语音数据转换为语音文本数据；对语音文本数据进行文本分词，得到第一词语集；对第一词语集的词语，识别并去除停用词，得到第二词语集；对第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在第二词语集中的重要程度，识别出关键词；对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；根据关键词和关键词权重，查询事件库中对应的事件；事件库包括关键词、关键词权重及对应的事件和预案；调度终端2，用于确认事件，并根据事件选择相应的预案。

本申请实施例中，在语音分析服务器1对获取到的语音文本数据进行分析后，识别出对应的事件及事件的一种或多种预案并发送给调度终端，调度人员可在调度终端2，确认识别出的事件，并根据事件选择相应的预案，调度终端也可以直接根据事件相应的预案来提醒调度人员。

请参照图5，图5为本申请实施例提供的一种电子设备的功能模块图，包括获取模块3、转换模块4、分词模块5、去停用词模块6、特征提取模块7、计算模块8和事件识别模块9。

其中，获取模块3，用于获取语音数据；转换模块4，用于将语音数据转换为语音文本数据；分词模块5，用于对语音文本数据进行文本分词，得到第一词语集；去停用词模块6，用于对第一词语集的词语，识别并去除停用词，得到第二词语集；特征提取模块7，用于对第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在第二词语集中的重要程度，识别出关键词；计算模块8，用于对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；事件识别模块9，用于根据关键词和关键词权重，查询事件库中对应的事件；事件库包括关键词、关键词权重及对应的事件。

在一些可选的实施方式中，请参照图6，图6为本申请实施例提供的另一种电子设备的功能模块图，该电子设备还包括：情感识别模块10，用于对语音数据，进行语音情感分析，识别出语音情感。

在一些可选的实施方式中，电子设备还包括：第一展示模块11，用于获取预设时间内的所有语音文本数据及对应的事件，并对其中相同事件的语音文本数据进行关联展示。

在一些可选的实施方式中，电子设备还包括进度识别模块12和第二展示模块13。

其中，进度识别模块12，用于获取与事件相关的语音文本数据，识别出表示进度的词语；第二展示模块13，用于将表示进度的词语与对应的事件进行关联，并进行展示。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

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。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种语音调度系统的控制方法，其特征在于，包括：

对获取到的语音文本数据进行文本分词，得到第一词语集；

对所述第一词语集的词语，识别并去除停用词，得到第二词语集；

对所述第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在所述第二词语集中的重要程度，并识别出关键词；

对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；

根据关键词和关键词权重，查询事件库中对应的事件；所述事件库包括关键词、关键词权重及对应的事件；

对查询得到的事件进行辅助调度处理，所述辅助调度处理用于辅助与所述语音文本数据相关的调度；

其中，所述根据关键词和关键词前后词语的词性和重要程度，计算关键词权重，包括：

当关键词为积极词语时，检测该关键词前后的词语，若前一词语为程度副词，则将该关键词的分数与该程度副词的分数相乘，再加上后一词语的分数，得到关键词权重；若前一词语为否定词，则取该关键词的分数的相反数，再加上后一词语的分数，得到关键词权重；若前一词语为消极词语，则将该关键词的分数减去前一词语的分数，再加上后一词语的分数，得到关键词权重；若前一词语不是否定词语、消极词语和程度副词中的一种，则将前后词语的分数与关键词的分数相加，得到关键词权重；

当关键词为否定词语时，则取该关键词的分数的相反数，作为该关键词的关键词权重；

当关键词为消极词语时，检测前一词语，若前一词语为否定词，则取该关键词的分数的相反数，作为该关键词的关键词权重；若前一词语为程度副词，则将程度副词的分数与关键词的分数相乘，得到关键词的关键词权重；若前一词语不是消极词语也不是否定词，则将前一词语的分数与关键词的分数相加，得到关键词权重。

2.如权利要求1所述的方法，其特征在于，所述辅助调度处理包括：

获取预设时间内的所有语音文本数据及对应的事件，并对其中相同事件的语音文本数据进行关联展示。

3.如权利要求1所述的方法，其特征在于，所述辅助调度处理包括：

获取与事件相关的语音文本数据，识别出表示进度的词语；

将表示进度的词语与对应的事件进行关联，并进行展示。

4.如权利要求1所述的方法，其特征在于，所述事件库还包括事件对应的等级；

所述辅助调度处理包括：

根据事件的等级，请求相应的报警联动。

5.如权利要求1所述的方法，其特征在于，还包括：

对获取的语音数据，进行语音情感分析，识别出语音情感；

所述根据关键词和关键词权重，查询事件库中对应的事件，还包括：

根据语音情感、关键词和关键词权重，查询所述事件库中对应的事件；所述事件库包括语音情感、关键词、关键词权重及对应的事件。

6.一种语音调度系统，其特征在于，包括：

语音分析服务器，用于获取语音数据；将所述语音数据转换为语音文本数据；对所述语音文本数据进行文本分词，得到第一词语集；对所述第一词语集的词语，识别并去除停用词，得到第二词语集；对所述第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在所述第二词语集中的重要程度，识别出关键词；对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；根据关键词和关键词权重，查询事件库中对应的事件；所述事件库包括关键词、关键词权重及对应的事件和预案；其中，所述根据关键词和关键词前后词语的词性和重要程度，计算关键词权重，包括：当关键词为积极词语时，检测该关键词前后的词语，若前一词语为程度副词，则将该关键词的分数与该程度副词的分数相乘，再加上后一词语的分数，得到关键词权重；若前一词语为否定词，则取该关键词的分数的相反数，再加上后一词语的分数，得到关键词权重；若前一词语为消极词语，则将该关键词的分数减去前一词语的分数，再加上后一词语的分数，得到关键词权重；若前一词语不是否定词语、消极词语和程度副词中的一种，则将前后词语的分数与关键词的分数相加，得到关键词权重；当关键词为否定词语时，则取该关键词的分数的相反数，作为该关键词的关键词权重；当关键词为消极词语时，检测前一词语，若前一词语为否定词，则取该关键词的分数的相反数，作为该关键词的关键词权重；若前一词语为程度副词，则将程度副词的分数与关键词的分数相乘，得到关键词的关键词权重；若前一词语不是消极词语也不是否定词，则将前一词语的分数与关键词的分数相加，得到关键词权重；

调度终端，用于确认事件，并根据事件选择相应的预案。

7.一种电子设备，其特征在于，包括：

获取模块，用于获取语音数据；

转换模块，用于将所述语音数据转换为语音文本数据；

分词模块，用于对所述语音文本数据进行文本分词，得到第一词语集；

去停用词模块，用于对所述第一词语集的词语，识别并去除停用词，得到第二词语集；

特征提取模块，用于对所述第二词语集的词语，利用TF-IDF文本特征提取技术，获取每个词语在所述第二词语集中的重要程度，识别出关键词；

计算模块，用于对关键词进行词性分类，对关键词前后词语进行词性分类，根据关键词和关键词前后词语的词性和重要程度，计算关键词权重；其中，所述根据关键词和关键词前后词语的词性和重要程度，计算关键词权重，包括：当关键词为积极词语时，检测该关键词前后的词语，若前一词语为程度副词，则将该关键词的分数与该程度副词的分数相乘，再加上后一词语的分数，得到关键词权重；若前一词语为否定词，则取该关键词的分数的相反数，再加上后一词语的分数，得到关键词权重；若前一词语为消极词语，则将该关键词的分数减去前一词语的分数，再加上后一词语的分数，得到关键词权重；若前一词语不是否定词语、消极词语和程度副词中的一种，则将前后词语的分数与关键词的分数相加，得到关键词权重；当关键词为否定词语时，则取该关键词的分数的相反数，作为该关键词的关键词权重；当关键词为消极词语时，检测前一词语，若前一词语为否定词，则取该关键词的分数的相反数，作为该关键词的关键词权重；若前一词语为程度副词，则将程度副词的分数与关键词的分数相乘，得到关键词的关键词权重；若前一词语不是消极词语也不是否定词，则将前一词语的分数与关键词的分数相加，得到关键词权重；

事件识别模块，用于根据关键词和关键词权重，查询事件库中对应的事件；所述事件库包括关键词、关键词权重及对应的事件。

8.如权利要求7所述的电子设备，其特征在于，包括：

情感识别模块，用于对所述语音数据，进行语音情感分析，识别出语音情感。

9.如权利要求7所述的电子设备，其特征在于，包括：

第一展示模块，用于获取预设时间内的所有语音文本数据及对应的事件，并对其中相同事件的语音文本数据进行关联展示。

10.如权利要求7所述的电子设备，其特征在于，还包括：

进度识别模块，用于获取与事件相关的语音文本数据，识别出表示进度的词语；

第二展示模块，用于将表示进度的词语与对应的事件进行关联，并进行展示。

Images