[发明专利]数据处理方法、装置、电子设备以及存储介质

说明书

本发明公开了一种数据处理方法、装置、电子设备以及存储介质。其中，所述方法包括：获得待处理的语音数据，对所述语音数据进行文本识别，获得识别文本；所述识别文本用于在播放所述语音数据时进行呈现；对所述识别文本进行分词，得到至少一个词；基于得到的至少一个词在所述识别本文中的出现频率，确定关键词，并利用确定的关键词确定所述识别文本中的目标片段；确定所述目标片段的第一呈现格式，以在呈现所述识别文本时以所述第一呈现格式呈现所述目标片段；所述第一呈现格式与第二呈现格式不同；所述第二呈现格式为所述识别文本中除所述目标片段外的其它文字的呈现格式。

技术领域

本发明涉及同声传译技术，尤其涉及一种数据处理方法、装置、电子设备以及存储介质。

背景技术

机器同传翻译系统是指利用自动语音识别(ASR，Automatic SpeechRecognition)技术对同传会议的发言者的发言内容进行自动识别，将发言者的发言内容从语音数据转换为文本数据；再利用机器翻译(MT，Machine Translation)技术对文本数据进行翻译，将发言者的发言内容转换为目标语言文本，并将翻译的结果展示给同传会议的参会者。随着自动语音识别技术与机器翻译技术的显著发展，机器同传翻译系统已达到实用阶段，且与人工同传的差距越来越小。

然而，相关技术中，在进行同声传译会议时，由于发言者的语速一般比较快，机器同传翻译系统展示给参会者的字幕切换的频率也较大，有时参会者还没有完全看完一个画面的字幕就已切换到下一个画面的字幕，严重影响了参会者对发言者的发言内容的理解。

发明内容

本发明实施例提供一种数据处理方法、装置、电子设备以及存储介质。

本发明实施例提供了一种数据处理方法，包括：

获得待处理的语音数据，对所述语音数据进行文本识别，获得识别文本；所述识别文本用于在播放所述语音数据时进行呈现；

对所述识别文本进行分词，得到至少一个词；基于得到的至少一个词在所述识别本文中的出现频率，确定关键词，并利用确定的关键词确定所述识别文本中的目标片段；

确定所述目标片段的第一呈现格式，以在呈现所述识别文本时以所述第一呈现格式呈现所述目标片段；所述第一呈现格式与第二呈现格式不同；所述第二呈现格式为所述识别文本中除所述目标片段外的其它文字的呈现格式。

上述方案中，所述基于得到的至少一个词在所述识别本文中的出现频率，确定关键词，包括：

对得到的至少一个词进行过滤，得到过滤后的分词结果；

基于所述过滤后的分词结果中每个词在所述识别本文中的出现频率，确定关键词。

上述方案中，所述基于得到的至少一个词在所述识别本文中的出现频率，确定关键词，包括：

针对每个词，确定相应词在所述识别文本中的出现频率；当所述相应词在所述识别文本中的出现频率符合第一预设条件时，将所述相应词确定为关键词。

上述方案中，所述确定相应词在所述识别文本中的出现频率，包括以下之一：

确定相应词在所述识别文本对应的分词结果中的出现频率；

确定相应词在第一信息库中的出现频率；所述第一信息库存储有当前同声传译过程的历史分词结果；

确定相应词在第二信息库中的出现频率；所述第二信息库包括第一信息库和所述识别文本对应的分词结果。

上述方案中，确定关键词时，所述方法还包括：

将相应词在所述识别文本中的出现频率与相应词与所述待处理的语音数据对应的技术领域相关联的概率进行加权处理，得到加权结果；当加权结果符合第一预设条件时，将所述相应词确定为关键词。