买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出一种个性化口才训练方法、系统、设备及介质，方法包括：采集口才表达者在口才训练过程中口才表达者和或观看者对应的感知数据，感知数据为语音数据、脑电波数据、眼动数据或面部数据中至少一种；基于预先建立的深度学习模型对感知数据进行深度学习与分析，得到不同感知数据所对应的表现特征；表现特征包括语音特征、心理特征、注意力特征、视线特征以及情绪特征；调用信息库，筛选不同表现特征所对应的建议信息。本发明能够全面、准确地分析口才表达者的表现，给予学员个性化的反馈，能够提高口才培训的效率。

主权项：1.一种个性化口才训练方法，其特征在于，包括：采集口才表达者口才训练过程中口才表达者和或观看者对应的感知数据，所述感知数据为语音数据、脑电波数据、眼动数据或面部数据中至少一种；基于预先建立的深度学习模型对所述感知数据进行深度学习与分析，得到不同所述感知数据所对应的表现特征；其中，深度学习模型包括情感分析模型以及行为预测模型；所述表现特征包括语音特征、心理特征、注意力特征、视线特征以及情绪特征；其中，情感分析的方法是将数字信号的感知数据转换为对应的文字数据后映射到情感极性空间，情感极性空间包括正面、负面和中性；感知数据包括语音数据、脑电波数据、眼动数据以及面部数据，将各感知数据的数字信号转换成文字数据，包括将语音数据转换为文本，或将脑电波数据对应的频率、振幅信号转换为模型可识别的文本数据；并通过注意力机制、专注度、疲劳感、感叹词、长尾词、频率实现文本表示，即计算当前时间步t的输入表示xt，表示了文本中每个词嵌入的加权和，以捕捉文本中的信息： ；αt，i：是一个注意力权重，通过注意力权重表示注意力机制，在时间步t对于文本中不同词嵌入i的关注程度，根据先前的隐藏状态和词嵌入矩阵来计算，以确保在不同时间步关注不同的词汇；γt：是一个表示在时间步t的文本中的专注度水平的变量，通过Focus函数计算，用于根据上下文和历史信息来动态调整关注程度； ：是一个表示用户或文本阅读者的疲劳感的变量，通过Fatigue函数计算；βt：是一个表示文本中感叹词的权重的变量，根据文本中感叹词的出现来动态调整权重，通过Exclamations函数根据文本中感叹词的出现来计算权重；ωt：是一个表示长尾词的权重的变量，长尾词权重根据词的出现频率来动态调整，通过LongTailWords函数根据词的出现频率来计算权重；调用信息库，筛选不同所述表现特征所对应的建议信息；还包括：利用情感相关的注意力权重αSentimen和相应的情感隐藏状态序列HSentiment，以及表达相关的注意力权重αExpression和输入文本序列X，通过全连接层计算得出最终的情感分类结果Y，根据最终的情感分类结果Y提供更准确和个性化的训练反馈；最终的情感分类结果Y表示为： ；其中，表示逐元素相乘，FC代表多层全连接神经网络；由情感-行为双重注意力RNN计算得到情感隐藏状态序列HSentiment，用于表示文本中每个时间步的情感信息。

全文数据：

权利要求：

百度查询： 新励成教育科技股份有限公司 一种个性化口才训练方法、系统、设备及介质