[发明专利]一种基于机器学习的自动化口译评估方法及评估系统

权利要求书

1.一种基于机器学习的自动化口译评估方法，其特征在于，包括下述步骤：

S1.构建标准源语数据集，且所述标准源语数据集中包含有源语音频S-Audio、源文本S-Text、权威目标语音频T-Audio、目标文本T-Text；

S2.根据选择播放T-Audio，被测试者进行口译练习，且在口译练习的同时采集并记录被测试者的练习音频ST-Audio；

S3.根据设定需求并使用机器学习技术对T-Audio、T-Text、ST-Audio进行信息准确度、表达流畅度、语言准确度特征的抽取和评估；

S4.根据评估结果计算被测试者的口译评分，并向被测试者输出评估结果及口译评分。

2.根据权利要求1所述的一种基于机器学习的自动化口译评估方法，其特征在于：在所述步骤S1中还包括构建语料库，所述语料库用于单独储存源文本S-Text和目标文本T-Text，且语料库为位于用户端的本地语料库或位于网络上的远程语料库。

3.根据权利要求1所述的一种基于机器学习的自动化口译评估方法，其特征在于，所述步骤S2中，采集被测试者练习音频ST-Audio并记录时包括：

在练习过程中，被测试者在每句结束时执行确认操作，确认后记录保存并执行断句。

4.根据权利要求2所述的一种基于机器学习的自动化口译评估方法，其特征在于，所述步骤S3中，包括：

a)使用ASR技术将ST-Audio按照步骤S2中断句后所形成的分句转录为文本ST-Text；

b)训练语速分类模型，并使用训练好的语速分类模型对ST-Audio进行评估，得到每句分句的表达流利度得分；

c)训练文本相似度匹配模型，并使用训练好的文本相似度匹配模型对T-Text和ST-Text进行相似度匹配，得到每句分句的信息准确度得分；

d)训练语法错误检测模型和命名实体识别模型，并使用训练好的语法错误检测模型对ST-Text进行语法错误检测，使用训练好的命名实体识别模型对T-Text和ST-Text中具有特定意义的实体进行识别和匹配，得到每句分句的语言准确度得分。

5.根据权利要求1所述的一种基于机器学习的自动化口译评估方法，其特征在于，所述步骤S4中，按如下公式加权计算口译评分：

Score＝α·Score_{InfoCom}+β·Score_{FluDel]+γ·Score_{TLQual}

α+β+γ＝1

其中：Score_{InfoCom}、Score_{FluDel}、Score_{TLQual}分别代表被测试者的ST-Audio在信息准确度、表达流畅度、语言准确度三个指标中的得分情况，α、β、γ为权重参数，所述权重参数根据口译任务进行设置。

6.一种基于机器学习的自动化口译评估系统，其特征在于，包括：

语料处理模块；用于构建标准源语数据集，且所述标准源语数据集中包含有源语音频S-Audio、源文本S-Text、权威目标语音频T-Audio、目标文本T-Text；

口译练习模块；用于播放T-Audio，还用于在被测试者进行口译练习时采集并记录被测试者的练习音频ST-Audio；

口译评估模块；用于根据设定需求并使用机器学习技术对ST-Audio进行信息准确度、表达流畅度、语言准确度特征的抽取和评估；

结果计算及推送模块；用于计算被测试者的口译评分，还用于向被测试者输出评估结果及口译评分。

7.根据权利要求6所述的一种基于机器学习的自动化口译评估系统，其特征在于，所述语料处理模块还用于构造语料库，所述语料库用于单独储存源文本S-Text和目标文本T-Text，且语料库为位于用户端的本地语料库或位于网络上的远程语料库。