技术特征：
1.一种话题检测方法，其特征在于，包括：基于待检测的语音数据，获取目标语音块；输入所述目标语音块至话题检测模型，获得所述话题检测模型输出的检测结果；其中，所述话题检测模型是基于样本文本数据、所述样本文本数据对应的标注话题、样本语音数据以及所述样本语音数据对应的标注话题训练得到的；所述样本文本数据包括领域语料和通用语料；所述话题检测模型，用于对所述目标语音块进行语音识别，得到语音离散表征和文本内容，将所述文本内容的自然语言处理结果与所述语音离散表征融合后，进行话题检测，获取所述检测结果。2.根据权利要求1所述的话题检测方法，其特征在于，所述话题检测模型包括语音识别层、主题词识别抽取层和话题检测层；其中，所述语音识别层用于对所述目标语音块进行语音识别；所述主题词识别抽取层用于对识别出的文本内容进行主题词抽取；所述话题检测层用于基于所述语音识别层和所述主题词识别抽取层的输出内容融合后，进行话题检测。3.根据权利要求2所述的话题检测方法，其特征在于，所述输入所述目标语音块至话题检测模型，获得所述话题检测模型输出的检测结果，包括：将所述目标语音块输入至所述语音识别层中，得到语音表征和文本表征；将所述文本表征输入至所述主题词识别抽取层中，得到主题词集；将所述语音表征、所述文本表征和所述主题词集输入至所述话题检测层中，得到检测结果。4.根据权利要求3所述的话题检测方法，其特征在于，所述将所述目标语音块输入至所述语音识别层中，得到语音表征和文本表征，包括：分别利用第一语言模型和第二语言模型，结合声学模型对所述目标语音块进行量化操作，获取第一语音表征和第二语音表征；分别利用所述第一语言模型和所述第二语言模型，结合声学模型对所述目标语音块分别进行文本识别转换，获取对应的第一文本表征和第二文本表征；其中，所述第一语言模型是基于所述领域语料训练的语言模型和所述通用语料训练的语言模型融合得到，所述第二语言模型是基于所述领域语料的音节训练的语言模型和所述通用语料的音节训练的语言模型融合得到。5.根据权利要求4所述的话题检测方法，其特征在于，所述将所述文本表征输入至所述主题词识别抽取层中，得到主题词集，包括：将所述第一文本表征和所述第二文本表征，分别进行主题词的识别抽取，并合并成主题词集；接收用户输入的主题文本，并将所述主题文本添加至所述主题词集中。6.根据权利要求4至5任一所述的话题检测方法，其特征在于，所述第一文本表征包括第一目标表征和第一候选表征，所述第二文本表征包括第二目标表征和第二候选表征。7.根据权利要求6所述的话题检测方法，其特征在于，所述将所述语音表征、所述文本表征和所述主题词集输入至所述话题检测层中，得到检测结果，包括：将所述第一语音表征和所述第二语音表征，以及所述第一目标表征、所述第一候选表征、所述第二目标表征、所
述第二候选表征和所述主题词集输入至所述话题检测层中，进行话题检测，获取所述检测结果。8.一种话题检测装置，其特征在于，包括：语音分块模块，用于基于待检测的语音数据，获取目标语音块；话题检测模块，输入所述目标语音块至话题检测模型，获得所述话题检测模型输出的检测结果；其中，所述话题检测模型是基于样本文本数据、所述样本文本数据对应的标注话题、样本语音数据以及所述样本语音数据对应的标注话题训练得到的；所述样本文本数据包括领域语料和通用语料；所述话题检测模型，用于对所述目标语音块进行语音识别，得到语音离散表征和文本内容，将所述文本内容的自然语言处理结果与所述语音离散表征融合后，进行话题检测，获取所述检测结果。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述话题检测方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述话题检测方法。
技术总结
本发明提供一种话题检测方法、装置、电子设备及存储介质，该方法包括：基于待检测的语音数据，获取目标语音块；输入目标语音块至话题检测模型，获得话题检测模型输出的检测结果。本发明提供的话题检测方法、装置、电子设备及存储介质，基于待检测的语音数据生成目标语音块，通过将目标语音块输入至话题检测模型进行优化处理，通过对目标语音块进行自动语音识别后，获得对应的语音离散表征与文本内容，通过对文本内容进行自然语言处理后，融合语音离散表征进行话题检测。能够在进行语音自动识别得到文本内容，并进行自然语言处理的同时，补入语音离散表征信息，避免语音信息丢失，在一定程度上提高话题检测的识别准确率。定程度上提高话题检测的识别准确率。定程度上提高话题检测的识别准确率。
技术研发人员：刘磊
受保护的技术使用者：北京沃丰时代数据科技有限公司
技术研发日：2022.03.22
技术公布日：2022/4/21