[发明专利]问讯提示方法及装置

权利要求书

1.一种问讯提示方法，其特征在于，所述方法包括：

确定所述案件的问讯内容数据中已包含的问讯要素；

至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素；

至少基于所述问讯内容数据中未包含的问讯要素，生成问讯提示。

2.根据权利要求1所述的方法，其特征在于，所述问讯内容数据包括问答对的文本内容数据，所述方法还包括：

获取所述案件问讯的语音内容数据；

对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据；

对所述问答对的语音内容数据进行语音识别，以确定所述问答对的文本内容数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据，包括：

对所述语音内容数据进行特征提取，以确定问讯者和被问讯者的声纹特征信息；

基于所述声纹特征信息，对所述语音内容数据进行分割处理，以确定所述问答对的语音内容数据。

4.根据权利要求1所述的方法，其特征在于，所述问讯内容数据包括问答对的文本内容数据，

所述确定所述案件的问讯内容数据中已包含的问讯要素，包括：

根据问讯要素识别模型以及所述问答对的文本内容数据，识别出所述问答对的文本内容数据已包含的问讯要素。

5.根据权利要求4所述的方法，其特征在于，所述根据问讯要素识别模型以及所述问答对的文本内容数据，识别出所述问答对的文本内容数据已包含的问讯要素，包括：

确定所述问答对的文本内容数据中的词语的语义特征向量；

根据所述问讯要素识别模型以及所述语义特征向量，识别出所述问答对的文本内容数据已包含的问讯要素。

6.根据权利要求5所述的方法，其特征在于，所述问讯要素识别模型包括卷积神经网络模型，

所述根据所述问讯要素识别模型以及所述语义特征向量，识别出所述问答对的文本内容数据已包含的问讯要素，包括：

通过所述问讯要素识别模型的卷积层，对所述语义特征向量进行卷积操作，以提取出所述问答对的文本内容数据中的词语特征信息；

通过所述问讯要素识别模型的池化层，对所述词语特征信息进行池化操作，以提取出所述问答对的文本内容数据中的文本特征信息；

通过所述问讯要素识别模型的全连接层，对所述文本特征信息进行映射操作，以确定所述问答对的文本内容数据已包含的问讯要素。

7.根据权利要求1所述的方法，其特征在于，所述至少基于所述案件对应的问讯要素样本和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素，包括：

基于所述案件的类型对应的问讯要素必须列表和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素，所述问讯要素必须列表包括所述问讯要素样本。

8.根据权利要求7所述的方法，其特征在于，所述基于所述案件的类型对应的问讯要素必须列表和所述问讯内容数据中已包含的问讯要素，确定所述问讯内容数据中未包含的问讯要素，包括：

将所述问讯内容数据中已包含的问讯要素与所述问讯要素必须列表中的问讯要素样本进行匹配，以确定所述问讯内容数据中未包含的问讯要素。

9.根据权利要求1-8中任意一项权利要求所述的方法，其特征在于，所述问讯要素包括以下中的至少一者：作案时间、作案人员、作案工具、作案地点、作案工具来源、作案起因。

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1-9中任意一项权利要求所述的问讯提示方法。