一种基于数据检索与融合的口才训练方法、装置及介质与流程

本发明涉及演讲训练领域，特别是涉及一种基于数据检索与融合的口才训练方法、装置及介质。

背景技术：

1、口才作为一门信息表达、沟通交流和影响他人的艺术，是学习生活中不可或缺的技能，尤其是在公众场合进行演讲和表达；口才训练可以帮助用户建立起自信心，这种自信不仅会影响用户的学业表现，也会延伸到生活的方方面面，助力用户更好地应对挑战和困难。现有的口才训练方法采用了深度学习技术，从语音、语义和肢体语言等多模态数据中提取特征，并利用这些特征进行口才评估，进而根据口才评估结果生成口才训练方法，对用户进行专门的口才训练。

2、但是，现有口才训练方法的口才评估准确性不高，难以全面捕捉演讲的各个维度和细节，导致训练效果不佳；并且，目前的口才训练方案是单方面地为用户提供训练内容，难以根据用户的实际使用需求生成对应的个性化的定制方案，无法针对用户的个体差异提供精准的反馈。

技术实现思路

1、本发明提供一种基于数据检索与融合的口才训练方法、装置及介质，以解决难以根据用户的实际使用需求生成个性化且全面的口才训练方案的问题。

2、为了解决上述问题，本发明提供了一种基于数据检索与融合的口才训练方法，包括：

3、获取用户的查询词和口才信息；

4、通过计算所述查询词与预设资源的匹配度，对所述预设资源进行排序，得到第一资源；

5、从所述口才信息中获取所述用户的口才能力评估结果，并根据所述口才能力评估结果对所述第一资源进行排序，得到知识反馈建议；

6、根据所述用户的学习习惯对所述预设资源进行过滤，生成个性化反馈建议；

7、按照预设的口才指标对所述口才信息进行评估，并根据评估结果生成评估反馈建议；

8、根据所述知识反馈建议、所述个性化反馈建议和所述评估反馈建议生成口才训练方法，并根据所述口才训练方法对所述用户进行训练。

9、本发明根据查询词与预设资源的匹配度对预设资源进行排序，能够让所得到的第一资源所呈现的内容与查询词高度相关，由于查询词体现了用户的实际口才训练需求，所以有助于后续所生成的口才训练方法对用户起到实质性的帮助；根据口才能力评估结果对第一资源进行排序，得到知识反馈建议，可以对用户的口才薄弱项进行针对性的训练。根据用户的学习习惯生成个性化反馈建议，能够帮助用户在遇到与已有口才知识相似的新概念时，利用已有的认知框架来更快地吸收和掌握新知识，提高学习效率。按照预设的口才指标对口才信息进行评估，这是从客观角度准确地反映出用户的真实口才状况，使得所生成的评估反馈建议可以明确用户的训练重点和方向。

10、相比于现有技术，本发明根据多个维度的反馈建议构建了口才训练方法对用户进行训练，其中，根据查询词与预设资源的匹配度对预设资源进行排序，有助于满足用户的实际口才训练需求；根据学习习惯生成个性化反馈建议，可以提高用户的学习效率和学习动力；根据用户的口才评估结果生成评估反馈建议，可以全面且客观地对用户的口才薄弱项进行针对性训练，因此能够解决难以根据用户的实际使用需求生成个性化且全面的口才训练方案的问题。

11、作为优选方案，从所述口才信息中获取所述用户的口才能力评估结果，具体为：

12、按照预设的取值范围，从语音、文本和视频的模态维度对所述口才信息进行优劣评分，得到演讲表现值；

13、通过概率网络捕捉所述用户在不同时刻的知识水平和所述演讲表现值之间的依赖关系值和动态变化值，得到所述用户的口才能力评估结果。

14、本优选方案对口才信息进行优劣评分，所得到的演讲表现值能够充分体现出用户在语音、文本和视频的模态维度上的表现情况；捕捉用户在不同时刻的知识水平和演讲表现值之间的依赖关系值和动态变化值，能够及时发现用户的进步和退步情况，使口才能力评估结果可以客观地反映出用户的口才知识水平和口才表现情况。

15、作为优选方案，根据所述用户的学习习惯对所述预设资源进行过滤，生成个性化反馈建议，具体为：

16、按照所述用户曾经学习过的历史资源对所述预设资源进行过滤，得到与所述历史资源拥有高相似度的第一资源；

17、以所述用户与其他训练者之间的训练资源相似度和评分相似度为标准，获取所述其他训练者的优选资源；

18、使用线性加权的方式对所述预设资源进行过滤，得到混合资源；

19、根据所述第一资源、所述优选资源和所述混合资源生成所述个性化反馈建议。

20、本优选方案根据用户曾经学习过的历史资源，获取与其相似度高的第一资源，能够帮助用户在遇到与已有口才知识相似的新概念时，利用已有的认知框架来更快地吸收和掌握新知识，并且，学习相似的内容有助于促进沟通和共鸣，帮助提高用户的学习效率；

21、此外，以用户与其他训练者之间的训练资源相似度和评分相似度为标准，获取其他训练者的优选资源，能够在第一时间定位用户的口才水平，由于优选资源通常已经经过筛选和整理，能帮助用户快速定位到高质量的口才学习材料，这样可以避免在海量信息中迷失，节省信息筛选时间；并且通过学习他人学过的优选资源，可以接触到不同领域的知识和观点，这有助于拓宽自己的口才技能。

22、作为优选方案，使用线性加权的方式对所述预设资源进行过滤，得到混合资源，具体为：

23、使用线性加权的方式，分别赋予所述第一资源和所述优选资源对应的权重，并通过预设系数调整所述第一资源和所述优选资源的融合程度，得到所述混合资源。

24、本优选方案通过多模态数据融合技术对资源进行融合，能够对第一资源和优选资源中的特征数据作进一步提取，提高信息的有效性。

25、作为优选方案，按照预设的口才指标对所述口才信息进行评估，并根据评估结果生成评估反馈建议，具体为：

26、分别从语音表达能力、肢体语言能力和情景控制能力的角度，对所述口才信息进行评估，得到第一评估结果、第二评估结果和第三评估结果；

27、根据所述用户的目标演讲场景和目标口才表现值，对所述第一评估结果、第二评估结果和第三评估结果进行权重调整，并根据调整结果生成所述评估反馈建议。

28、本优选方案通过预先设置的口才指标对口才信息进行评估，使所得到的第一评估结果、第二评估结果和第三评估结果能够分别准确地反映出用户的语音表达能力、肢体语言能力和情景控制能力；

29、并且，由于语言清晰、准确地传达思想的能力有助于用户有效地与他人交流，适当的肢体语言有助于建立信任和共识，情景控制能力有助于用户在不同的社交和职业环境中，需要根据场合和对象的不同调整自己的沟通策略，做到游刃有余，因此根据评估结果所生成的评估反馈建议，能够提高用户的综合口才水平。

30、作为优选方案，从语音表达能力的角度，对所述口才信息进行评估，得到第一评估结果，具体为：

31、使用预设的公式集，通过度量所述口才信息的音调值和语速值，得到所述第一评估结果；

32、其中，所述公式集是通过考虑不同维度的权重以及时间因素的影响而建立。

33、作为优选方案，所述预设资源，具体为：

34、获取初始资源；其中，所述初始资源是指包括语音、文本和视频的模态数据；

35、计算所述初始资源中不同数据之间的相似度，得到资源相似度值；

36、根据所述资源相似度值对所述初始资源中的数据进行排序，得到所述预设资源。

37、作为优选方案，在所述根据所述口才训练方对所述用户进行训练之后，还包括：

38、根据预设的源领域和目标领域特征之间的相似度，计算得到特征的迁移权重；

39、使用所述迁移权重将所述源领域的特征迁移到所述目标领域，并根据迁移结果生成迁移学习策略；

40、根据所述用户的学习特征和口才能力强弱，制定预定义策略；

41、根据所述用户的学习行为和社交数据对所述预定义策略进行优化，得到个体特征学习策略；

42、根据所述迁移学习策略和所述个体特征学习策略对所述用户进行口才训练。

43、本优选方案使用迁移权重将源领域的特征迁移到所述目标领域，并根据迁移结果生成迁移学习策略，能够将源领域的知识直接应用于目标领域，从而减少了目标领域的数据需求，并加速学习过程，此外，迁移学习的方式还可以帮助数据更好地适应目标领域的特性，使迁移学习策略可以更好地适应不同领域的演讲学习任务；

44、并且，根据用户的学习特征和口才能力强弱制定预定义策略，可以专注于提升用户的口才薄弱环节，提高用户的表达质量。

45、作为优选方案，在所述并根据所述口才训练方法对所述用户进行训练之后，还包括：

46、通过度量所述用户的整体口才水平，得到综合得分；

47、通过评估所述用户在不同口才维度上的能力表现，得到分维度得分；

48、根据所述综合得分和所述分维度得分生成个性化反馈，并对所述个性化反馈进行展示。

49、本优选方案中，口才的提升是一个持续学习和进步的过程，通过对根据综合得分和分维度得分生成个性化反馈进行展示，用户可以了解自己的进步速度和方向，从而更加有针对性地调整学习策略和方法，明确自己的训练重点和方向。

50、作为优选方案，在所述得到第一资源之后，还包括：

51、根据所述用户的知识水平目标和资源偏好程度，对所述第一资源进行排序，得到排序后的所述第一资源。

52、本优选方案根据用户的知识水平目标和资源偏好程度对第一资源进行排序，能够让第一资源的数据更加符合用户的实际使用需求。

53、本发明还提供了一种基于数据检索与融合的口才训练装置，包括数据模块、模型模块、更新模块、作用模块、控制模块和综合模块；

54、其中，所述信息模块，用于获取用户的查询词和口才信息；

55、所述检索模块，用于通过计算所述查询词与预设资源的匹配度，对所述预设资源进行排序，得到第一资源；

56、所述评估模块，用于从所述口才信息中获取所述用户的口才能力评估结果，并根据所述口才能力评估结果对所述第一资源进行排序，得到知识反馈建议；

57、所述习惯模块，用于根据所述用户的学习习惯对所述预设资源进行过滤，生成个性化反馈建议；

58、所述口才模块，用于按照预设的口才指标对所述口才信息进行评估，并根据评估结果生成评估反馈建议；

59、所述综合模块，用于根据所述知识反馈建议、所述个性化反馈建议和所述评估反馈建议生成口才训练方法，并根据所述口才训练方法对所述用户进行训练。

60、作为优选方案，所述评估模块包括表现单元和网络单元；

61、其中，所述表现单元，用于按照预设的取值范围，从语音、文本和视频的模态维度对所述口才信息进行优劣评分，得到演讲表现值；

62、所述网络单元，用于通过概率网络捕捉所述用户在不同时刻的知识水平和所述演讲表现值之间的依赖关系值和动态变化值，得到所述用户的口才能力评估结果。

63、作为优选方案，所述习惯模块包括相似单元、优选单元、混合单元和反馈单元；

64、其中，所述相似单元，用于按照所述用户曾经学习过的历史资源对所述预设资源进行过滤，得到与所述历史资源拥有高相似度的第一资源；

65、所述优选单元，用于以所述用户与其他训练者之间的训练资源相似度和评分相似度为标准，获取所述其他训练者的优选资源；

66、所述混合单元，用于使用线性加权的方式对所述预设资源进行过滤，得到混合资源；

67、所述反馈单元，用于根据所述第一资源、所述优选资源和所述混合资源生成所述个性化反馈建议。

68、作为优选方案，所述混合单元，具体为：

69、使用线性加权的方式，分别赋予所述第一资源和所述优选资源对应的权重，并通过预设系数调整所述第一资源和所述优选资源的融合程度，得到所述混合资源。

70、作为优选方案，所述口才模块包括能力单元和权重单元；

71、其中，所述能力单元，用于分别从语音表达能力、肢体语言能力和情景控制能力的角度，对所述口才信息进行评估，得到第一评估结果、第二评估结果和第三评估结果；

72、所述权重单元，用于根据所述用户的目标演讲场景和目标口才表现值，对所述第一评估结果、第二评估结果和第三评估结果进行权重调整，并根据调整结果生成所述评估反馈建议。

73、作为优选方案，所述能力单元具体为：

74、使用预设的公式集，通过度量所述口才信息的音调值和语速值，得到所述第一评估结果；

75、其中，所述公式集是通过考虑不同维度的权重以及时间因素的影响而建立。

76、作为优选方案，所述预设资源，具体为：

77、获取初始资源；其中，所述初始资源是指包括语音、文本和视频的模态数据；

78、计算所述初始资源中不同数据之间的相似度，得到资源相似度值；

79、根据所述资源相似度值对所述初始资源中的数据进行排序，得到所述预设资源。

80、作为优选方案，在所述综合模块之后，还包括迁移单元、策略单元、预制单元、优化单元和训练单元；

81、其中，所述迁移单元，用于根据预设的源领域和目标领域特征之间的相似度，计算得到特征的迁移权重；

82、所述策略单元，用于使用所述迁移权重将所述源领域的特征迁移到所述目标领域，并根据迁移结果生成迁移学习策略；

83、所述预制单元，用于根据所述用户的学习特征和口才能力强弱，制定预定义策略；

84、所述优化单元，用于根据所述用户的学习行为和社交数据对所述预定义策略进行优化，得到个体特征学习策略；

85、所述训练单元，用于根据所述迁移学习策略和所述个体特征学习策略对所述用户进行口才训练。

86、作为优选方案，在所述并根据所述口才训练方法对所述用户进行训练之后，还包括整体单元、维度单元和展示单元；

87、其中，所述整体单元，用于通过度量所述用户的整体口才水平，得到综合得分；

88、所述维度单元，用于通过评估所述用户在不同口才维度上的能力表现，得到分维度得分；

89、所述展示单元，用于根据所述综合得分和所述分维度得分生成个性化反馈，并对所述个性化反馈进行展示。

90、作为优选方案，在所述得到第一资源之后，还包括调整单元；

91、其中，所述调整单元，用于根据所述用户的知识水平目标和资源偏好程度，对所述第一资源进行排序，得到排序后的所述第一资源。

92、本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上所述一种基于数据检索与融合的口才训练方法。