[发明专利]认知检测方法及相关装置、电子设备和存储介质

权利要求书

1.一种认知检测方法，其特征在于，包括：

基于目标声学模型对目标对象的待测语音进行识别，得到所述待测语音的音素序列；其中，所述目标声学模型隐层所输出的特征表示基于所述目标对象的权重参数加权得到，且所述目标对象的权重参数基于预先对所述目标对象采集到的样本目标语音训练得到；

基于所述音素序列进行解码，得到所述待测语音的识别文本；

基于所述识别文本进行认知检测，得到所述目标对象的认知检测结果；其中，所述认知检测结果包括所述目标对象是否存在认知障碍。

2.根据权利要求1所述的方法，其特征在于，所述目标声学模型在预先训练的参考声学模型中添加所述目标对象的权重参数得到，所述参考声学模型依次基于以下样本语音训练得到：第一样本对象的样本第一语音、第二样本对象的样本第二语音、第三样本对象的样本第三语音；

其中，所述第二样本对象与所述目标对象具有相同对象属性且不存在认知障碍，所述第三样本对象与所述目标对象具有相同对象属性且存在认知障碍，且所述第一样本对象与所述第二样本对象、所述第三样本对象均不同。

3.根据权利要求2所述的方法，其特征在于，所述样本目标语音标注有样本音素序列；所述权重参数的训练步骤包括：

基于预先训练的参考声学模型对所述样本目标语音进行音素识别，得到第一预测序列；其中，预先训练的参考声学模型隐层所输出的第一样本特征基于所述权重参数加权得到，且所述第一预测序列基于所述第一样本特征预测得到；

基于所述样本目标语音标注的样本音素序列与所述第一预测序列之间的差异，维持预先训练的参考声学模型的网络参数，并调整所述权重参数。

4.根据权利要求2所述的方法，其特征在于，所述参考声学模型的训练步骤包括：

基于所述样本第一语音训练所述参考声学模型；

基于所述样本第二语音训练经所述样本第一语音训练收敛的参考声学模型；

基于样本集合语音训练经所述样本第二语音训练收敛的参考声学模型；其中，所述样本集合语音来自样本集合，且所述样本集合由所述样本第二语音和所述样本第三语音合并得到。

5.根据权利要求4所述的方法，其特征在于，所述样本集合语音标注有样本音素序列和所述样本集合语音所属的样本发言对象；所述基于样本集合语音训练经所述样本第二语音训练收敛的参考声学模型，包括：

基于经所述样本第二语音训练收敛的参考声学模型对所述样本集合语音进行音素识别，得到第二预测序列；其中，所述第二预测序列基于第二样本特征预测得到，且所述第二样本特征为经所述样本第二语音训练收敛的参考声学模型隐层所输出的特征表示；

基于所述第二样本特征进行对象预测，得到预测发言对象；

基于所述样本集合语音所标注的样本音素序列与所述第二预测序列之间的第一差异，以及所述样本发言对象与所述预测发言对象之间的第二差异，得到总损失；其中，所述总损失与所述第一差异正相关，所述总损失与所述第二差异负相关；

基于所述总损失，调整所述参考声学模型的网络参数。

6.根据权利要求1所述的方法，其特征在于，在所述基于所述音素序列进行解码，得到所述待测语音的识别文本之前，所述方法还包括：

获取用户在若干解码策略中选择的目标解码策略；其中，所述若干解码策略包括一遍解码和二遍解码；

所述基于所述音素序列进行解码，得到所述待测语音的识别文本，包括：

基于所述目标解码策略对所述音素序列进行解码，得到所述识别文本；其中，在所述目标解码策略为所述一遍解码的情况下，基于N-Gram语言模型对所述音素序列进行一遍解码，得到所述一遍解码的识别文本作为所述待测语音的识别文本，在所述目标解码策略为所述二遍解码的情况下，基于预训练语言模型对所述音素序列和所述一遍解码的识别文本进行二遍解码，得到所述二遍解码的识别文本作为所述待测语音的识别文本，且所述预训练语言模型为神经网络模型。