具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种评分方法，本实施例以该方法应用于评分设备进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括评分设备和服务器的系统，并通过评分设备和服务器的交互实现，上述评分设备可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该评分方法包括以下步骤：

步骤101，响应于目标问题对应的回答指令，获取目标用户针对目标问题的回答信息、以及获取目标问题对应的多个评价维度的评价参数。

其中，目标问题以及目标问题对应的多个评价维度的评价参数可以是在评分设备中的数据库中预先存储的，不同评价维度的评价参数各不相同。评分设备可以根据目标用户的实际需求确定多个评价维度的选取数量以及具体选取哪几种评价维度。

具体地，评分设备响应于目标用户的目标问题获取操作，向目标用户输出目标问题。这样，目标用户可以获取到该目标问题，然后进行回答操作。评分设备响应于目标问题对应的回答指令，获取目标用户针对于目标问题生成的回答信息。同时，评分设备还可以在预先设置的数据库中提取与目标问题对应的多个评价维度的评价参数。

可选的，评分设备获取到的目标用户针对于目标问题生成的回答信息可以是文本信息形式，也可以是语音信息形式。当回答信息是语音形式时，评分设备需要根据预设语音转换算法，将语音形式的回答信息转换为文本形式的回答信息。

步骤102，根据多个评价维度的评价参数分别对回答信息进行评分，得到评分反馈信息，评分反馈信息包括评分分数信息以及评分分数对应的评分含义信息。

具体地，评分设备可以通过预先设置的与多个评价维度分别对应的评分算法以及多个评价维度的评价参数，在多个评价维度上分别对该回答信息进行评分，并得到相应的评分分数以及该评分分数所表示的评分含义信息。

步骤103，输出评分分数信息以及评分分数对应的评分含义信息。

具体地，评分设备提供了至少两种评分反馈信息生成方式的示例。

一种可能的示例可以是，评分设备将每个评价维度的评分分数信息以及评分分数对应的评分含义分别输出，供目标用户参考。例如，多个评价维度可以包括完整度、流畅度以及语速。该情况下，评分设备生成根据完整度得分、流畅度得分以及语速得分生成评价反馈信息。如，评价分数信息可以是：完整度得分90、流畅度得分100、语速得分10。相对应的，完整度得分对应的评分含义信息可以是用户的回答信息篇幅足够，且都是与解答目标问题相关的信息；流畅度得分对应的评分含义信息可以是，用户在进行回答操作时很流畅，没有磕磕绊绊；语速得分10对应的评分含义信息可以是，用户在进行回答操作时，语速较慢。用户可以根据评分反馈信息进行改进。

另一种可能的示例可以是，评分设备根据预设加权算法，对多个评价维度的评分分数信息进行加权计算，得到目标用户针对于目标问题的回答信息的总评分以及总评分对应的评分含义信息。具体地，总评分对应的评分含义信息可以综合表征目标用户在各个评价维度上的得分情况。

例如，多个评价维度可以包括完整度、流畅度以及语速。评分设备可以预先配置预设加权算法中各个评价维度的权重，如完整度的权重为0.8，流畅度的权重为0.1，语速的权重为0.1。评分设备可以根据各个评价维度的得分(完整度得分10、流畅度得分10、语速得分10)以及预设权重，计算总评分(10)。该情况下，总评分对应的评分含义信息可以是，用户的回答信息篇幅较为不足、大部分内容都是与解答目标问题不相关的信息，且用户在进行回答操作时，较为不流畅以及语速不适中。

上述评分方法，通过响应于目标问题对应的回答指令，获取目标用户针对目标问题的回答信息、以及获取目标问题对应的多个评价维度的评价参数，可以在评分设备内预先配置多个评价维度的评价参数，降低进行评分处理的时延。通过根据多个评价维度的评价参数分别对回答信息进行评分，得到评分反馈信息，评分反馈信息包括评分分数信息以及评分分数对应的评分含义信息；输出评分分数信息以及评分分数对应的评分含义信息，可以在短时间内为用户提供高准确度的评分分数以及评分含义，供用户学习以及改进。

在一个实施例中，评价维度可以包括一种或多种评价维度，该情况下，上述评价维度可以至少包括内容标准度、完整度、流畅度、语速中的一种或多种。相应地，如图2所示，步骤102“根据多个评价维度的评价参数分别对回答信息进行评分，得到评分反馈信息”的具体处理过程，包括：

步骤201，通过预设内容标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分。

具体地，在评价维度是内容标准度的情况下，评分设备可以通过预设内容标准度匹配算法，在内容标准度的评价维度上对回答信息进行评分。评分设备通过预设内容标准度匹配算法，在回答信息中对标准词进行匹配，并根据预设内容标准度匹配算法输出的匹配结果确定内容标准度得分。

可选地，标准词可以是根据目标用户的实际需求以及目标问题预先配置的回答关键词。标准词也可以是根据目标用户的实际需求预先配置的违规词，例如带有侮辱含义的词语。标准词还可以是根据目标用户的实际需求预先配置的情感词，例如带有负面情绪的词语。标准词还可以是根据目标用户的实际需求预先配置的话术词，例如可以是能达到促进销售效果的话术词。

步骤202，通过预设完整度统计算法，对回答信息的文本长度进行统计，并根据统计结果确定回答信息的完整度得分。

具体地，评分设备在计算该回答信息的完整度得分时用到的评分算法可以是预设完整度统计算法。评分设备可以通过预设完整度统计算法对回答信息的文本长度进行统计，并根据预设完整度统计算法输出的统计结果确定回答信息的完整度得分。

步骤203，通过预设流畅度统计算法，统计回答信息中预设语气词的数量，并根据统计结果确定回答信息的流畅度得分。

具体地，在评价维度是流畅度的情况下，评分设备可以确定对回答信息进行评分的评分算法是预设流畅度统计算法。评分设备通过预设流畅度统计算法，在回答信息中统计预设语气词(如额、嗯、呃)的出现次数，并根据预设流畅度统计算法输出的统计结果确定流畅度得分。

步骤204，通过预设语速确定算法，计算回答信息的语速，根据语速得到回答信息的语速得分。

具体地，在评价维度是语速的情况下，评分设备可以确定对回答信息进行评分的评分算法是预设语速计算算法。评分设备通过预设语速计算算法，根据回答信息的文本长度以及回答时间计算回答信息的语速，并根据计算出来的语速确定语速得分。

步骤205，对内容标准度得分、完整度得分、流畅度得分以及语速得分进行分析，得到评分反馈信息。

具体地，评分设备可以根据得到的内容标准度得分、完整度得分、流畅度得分以及语速得分，确定内容标准度得分、完整度得分、流畅度得分以及语速得分的含义，进而生成评分反馈信息。

本发明实施例还需要说明的是，上述步骤201、步骤202、步骤203、步骤204以及步骤205均不需要区分执行的先后顺序。本发明实施例对上述步骤的执行顺序并不做具体限定，本领域技术人员可以根据实际应用场景确定。

本实施例中，通过在内容标准度、完整度、流畅度、语速的评价维度上分别进行评分，得到内容标准度得分、完整度得分、流畅度得分以及语速得分，可以使得到的得分具备可解析性，给出可以量化的评分指标，利于目标用户的参考和学习。

在一个实施例中，内容标准度的评价参数包括预设标准数量阈值、目标问题对应的标准词；该情况下，如图3所示，步骤201“通过预设标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分”的具体处理过程，包括：

步骤301，通过预设内容标准度匹配算法在回答信息中进行标准词匹配，并统计回答信息的标准词匹配数量。

具体地，评分设备通过预设内容标准度匹配算法在回答信息中进行标准词的匹配，即在回答信息中搜索、筛选上述标准词，并在回答信息中统计匹配成功的标准词的数量。

步骤302，根据标准词匹配数量以及预设标准数量阈值，得到回答信息的内容标准度得分。

具体地，预设标准数量阈值是预先配置的回答信息内标准词应出现的次数。如果通过执行步骤301得到的标准词匹配数量大于或等于预设标准数量阈值，这样，评分设备可以确定内容标准度得分是预设满分分数(如10分、100分)。如果标准词匹配数量小于预设标准数量阈值，在此情况下，评分设备根据标准词匹配数量与预设标准数量阈值的比值，确定相应的内容标准度得分。

可选地，与目标问题对应的目标回答信息中的标准词数量可以是目标数量，内容标准度的评价参数还可以包括预设阈值。在此情况下，评分设备可以根据第一数量与预设阈值的比值得到预设标准数量阈值。

可选地，可以通过下述公式计算内容标准度得分：

A＝min(B×(C÷D÷E)，C),

其中，A是内容标准度得分，B是标准词匹配数量，C是预设满分分数，D是目标数量，E是预设阈值，D/E是预设标准数量阈值。

在一个实施例中，如果评分设备确定回答信息中标准词匹配数量已经达到预设阈值，即回答信息中标准词匹配数量已经大于或等于预设标准数量阈值，在此情况下，评分设备可以在内容标准度的评价维度上为此回答信息赋预设满分分数。例如，预设阈值可以是0.8，在此情况下，当评分设备确认回答信息中的标准词匹配数量已经达到目标数量的百分之八十时，即可在内容标准度的评价维度上为此回答信息赋预设满分分数。

本实施例中，通过标准词匹配数量与预设标准数量阈值的比较，评分设备可以在内容标准度的评价维度上为回答信息赋予高精准度的分数。

在一个实施例中，如图4所示，步骤301“通过预设标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分”的具体处理过程，包括：

步骤401，将回答信息转换为拼音序列，通过预设专有名词词典，对回答信息的拼音序列进行语音识别修正，得到修正后的回答信息。

其中，回答信息可以是字符文本序列，预设专有名词词典可以是在适配于实际应用场景的情况下，预先收集的专有名词词典。专有名词可以是具备特殊标准含义的词语，例如，包含特定名称的词语(如XX银行，XX基金等)。

具体地，评分设备将获取到的字符文本序列形式的回答信息转换为拼音形式的序列。这样，评分设备可以根据预设专有名词词典在回答信息中对专有名词进行筛选，并根据筛选结果对回答信息进行修正，以便得到修正后的回答信息。其中，筛选结果中包括多个词语的拼音序列，各个词语的拼音序列与预设专有名词词典中的专有名词的编辑距离符合预设修正编辑距离。

例如，目标问题对应的目标回答信息可以是“XX银行与XX博物馆深度合作”，其中的专有名词是XX银行和XX博物馆。评分设备获取到的目标用户输入的回答信息可以是“XX银行与XX博物关深度合作”。评分设备根据预设专有名词词典在回答信息中对专有名词进行筛选，也就是对回答信息的拼音序列与专有名词的拼音序列进行对齐，即对“国家博物关”的拼音序列与“国家博物馆”的拼音序列进行对齐，计算回答信息的拼音序列与专有名词的拼音序列的编辑距离。如果计算出的编辑距离小于或等于预设修正编辑距离，评分设备根据预设专有名词词典中的专有名词，对回答信息中的专有名词进行改写，得到修正后的回答信息，即“A银行与国家博物馆深度合作”。

可选地，可以通过下述公式计算编辑距离：

其中，i,j分别表示字符串a和字符串b的下标，下标从1开始。A[i]，B[j]代表各字符串下标位置对应的字符。d(i,j)表示字符串a从开始到A[i]构成的子串与字符串b从开始到B[j]构成的子串的编辑距离。

步骤402，通过预设正则表达式生成算法，生成标准词的正则表达式。

具体地，评分设备可以通过预设正则表达式生成算法，生成用于匹配的各个标准词的正则表达式。

步骤403，根据正则表达式，在修正后的回答信息中进行标准词匹配，并统计第一标准词匹配数量。

具体地，评分设备通过生成的多个标准词的正则表达式，在回答信息中分别对每一个标准词进行匹配，统计标准词在回答信息中的出现次数，根据统计结果确定第一标准词匹配数量。

本实施例中，通过预设专有名词词典对回答信息进行预处理，可以及时过滤回答信息的错别字信息，提高评分设备在评分时的精确度。

在一个实施例中，如图5所示，步骤301“通过预设标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分”的具体处理过程，包括：

步骤501，如果标准词的字符长度小于预设标准字符长度阈值，则通过预设正则表达式生成算法，生成标准词的正则表达式。

具体地，预设标准字符长度阈值是评分设备预先配置的标准词长度阈值。如果评分设备判断当前需要进行标准词匹配的标准词的字符长度小于预设标准字符长度阈值，则评分设备可以根据预设正则表达式生成算法，生成用于匹配的正则表达式。

步骤502，根据正则表达式，在回答信息中进行标准词匹配，并统计第二标准词匹配数量。

具体地，评分设备通过生成的标准词的正则表达式，在回答信息中对标准词进行匹配，统计标准词在回答信息中的出现次数，根据统计结果确定第二标准词匹配数量。

本实施例中，通过标准词的字符长度预先对标准词进行分类，.可以降低评分设备的能耗，提高评分设备的运算能力。

在一个实施例中，标准词的字符长度有多种情况，此情况下，内容标准度的评价参数还包括预设标准字符长度阈值以及标准编辑距离阈值。如图6所示，步骤301“通过预设标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分”的具体处理过程，包括：

步骤601，如果标准词的字符长度大于或等于预设标准字符长度阈值，则对标准词进行分词处理，得到多个标准词分词。

具体地，当标准词的字符长度大于等于预设标准字符长度阈值时，评分设备可以根据预设分词算法对上述标准词进行分词处理，得到多个标准词分词。其中，标准词分词的数量可以根据标准词的字符长度确定。

例如，当标准词是“博时基金”时，评分设备根据预设分词算法对标准词进行分词，得到的多个标准词分词可以是“博、时、基、金”。

步骤602，通过预设匹配窗口，在回答信息中分别提取包含标准词分词的字符串，组成匹配候选集，预设匹配窗口的长度是标准词的字符长度。

具体地，评分设备将标准词的字符长度作为预设匹配窗口的长度，在此情况下，评分设备通过预设匹配窗口在回答信息中提取多个包含标准词分词的字符串。这样，评分设备提取到的多个字符串的长度是预设匹配窗口的长度，并将提取到的多个字符串作为匹配候选集。

例如，标准词可以是“博时基金”，回答信息可以是“选择博士基金的产品”。在此情况下，评分设备可以通过第一个标准词分词“博”，在回答信息中提取多个包含“博”的字符串，并组成匹配候选集，即“选择博士、择博士基、博士基金”。

步骤603，计算标准词与匹配候选集中各字符串的编辑距离，当编辑距离小于或等于标准编辑距离阈值时，确定标准词匹配成功，得到第三标准词匹配数量。

具体地，评分设备可以分别计算匹配候选集中的各字符串与标准词的编辑距离。如果匹配候选集中的字符串对应的编辑距离存在小于或等于标准编辑距离阈值的情况，则评分设备可以确定该标准词匹配成功，得到第三标准词匹配数量。如果匹配候选集中的字符串对应的编辑距离均大于标准编辑距离阈值，评分设备可以确定此标准词分词匹配失败，该情况下，评分设备可以通过第二个标准词分词再次对回答信息进行匹配，执行步骤602至步骤603的过程，直至该标准词匹配成功，或者该标准词匹配失败。

例如，评分设备分别计算匹配候选集中的各字符串“选择博士”、“择博士基”、“博士基金”，与标准词“博时基金”的编辑距离，且K2<K1<K3。评分设备判断K2小于预设标准编辑距离阈值，该情况下，确定标准词“博时基金”匹配成功。

本实施例中，通过对各标准词进行分词处理，并通过标准词分词对回答信息进行匹配，得到多个匹配候选集，可以提高匹配成功的概率，也提高了匹配的精确度。

在一个实施例中，内容标准度的评价参数还包括预设标准字符长度阈值。如图7所示，步骤301“通过预设标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分”的具体处理过程，包括：

步骤701，如果标准词的字符长度小于预设标准字符长度阈值，则将回答信息与标准词分别转换为回答信息拼音序列以及标准词拼音序列。

具体地，预设标准字符长度阈值是预先配置的标准词长度阈值。如果评分设备判断当前需要进行标准词匹配的标准词的字符长度小于预设标准字符长度阈值，则评分设备将获取到的回答信息转换为回答信息拼音序列，并将标准词转换为标准词拼音序列。

步骤702，通过预设正则表达式生成算法，生成标准词拼音序列的正则表达式。

具体地，评分设备可以通过预设正则表达式生成算法，生成用于匹配的各个标准词拼音序列的正则表达式。

步骤703，根据标准词拼音序列的正则表达式，在回答信息拼音序列中进行匹配，并统计第四标准词匹配数量。

具体地，评分设备通过生成的多个标准词拼音序列的正则表达式，在回答信息中分别对每一个标准词进行匹配，统计标准词在回答信息中的出现次数，根据统计结果确定第四标准词匹配数量。

在一个实施例中，标准词的字符长度有多种情况，此情况下，内容标准度的评价参数还包括预设标准字符长度阈值、标准编辑距离阈值。如图8所示，步骤301“通过预设标准度匹配算法在回答信息中进行标准词匹配，并根据匹配结果确定回答信息的内容标准度得分”的具体处理过程，包括：

步骤801，如果标准词的字符数大于或等于预设标准字符长度阈值，则对标准词进行分词处理，得到多个标准词分词。

具体地，当标准词的字符长度大于等于预设标准字符长度阈值时，评分设备可以根据预设分词算法对上述标准词进行分词处理，得到多个标准词分词。其中，标准词分词的数量可以根据标准词的字符长度确定。

步骤802，将回答信息与标准词分词分别转换为回答信息拼音序列以及标准词分词拼音序列。

步骤803，通过预设匹配窗口，在回答信息拼音序列中提取包含标准词分词拼音序列的字符串，组成匹配候选集，预设匹配窗口的长度是标准词的拼音序列中所包含的字符数。

具体地，评分设备将标准词拼音序列的字符长度作为预设匹配窗口的长度，在此情况下，评分设备通过预设匹配窗口在回答信息拼音序列中提取多个包含标准词分词拼音序列的字符串。这样，评分设备提取到的多个字符串的长度是预设匹配窗口的长度，并将提取到的多个字符串作为匹配候选集。

步骤804，计算标准词的拼音序列与匹配候选集中各字符串的编辑距离，当编辑距离小于或等于标准编辑距离阈值时，确定标准词匹配成功，得到第五标准词匹配数量。

具体地，评分设备可以分别计算匹配候选集中的各字符串与标准词拼音序列的编辑距离。如果匹配候选集中的字符串对应的编辑距离存在小于或等于标准编辑距离阈值的情况，评分设备可以确定该标准词匹配成功，得到第五标准词匹配数量。如果匹配候选集中的字符串对应的编辑距离均大于标准编辑距离阈值，评分设备可以确定此标准词分词匹配失败，该情况下，评分设备可以通过第二个标准词分词的拼音序列再次对回答信息进行匹配，执行步骤803至步骤804的过程，直至标准词匹配成功，或者该标准词匹配失败。

本实施例中，通过对各标准词进行分词处理，并通过标准词分词对回答信息进行匹配，得到多个匹配候选集，可以提高匹配成功的概率，也提高了匹配的精确度，也就是可以在正确识别的前提下，提高标准词的召回概率。

在一个实施例中，评分设备中预先配置的目标问题对应的标准词可以有多个，可以通过上述任一实施例的方法分别进行标准词的匹配，因此，标准词的匹配数量可以根据第一标准词匹配数量、第二标准词匹配数量、第三标准词匹配数量、第四标准词匹配数量、第五标准词匹配数量中的一种或多种的和确定。

在一个示例中，针对于目标问题Q1，评分设备预先设置的标准词可以有A1、A2、A3、A4、A5、A6。其中，标准词A1、A3通过步骤401至步骤403的方法在回答信息中匹配成功，统计第一标准词匹配数量为2；标准词A2、A4通过步骤501至步骤503的方法在回答信息中匹配成功，统计第二标准词匹配数量为2；标准词A5、A6通过步骤801至步骤803的方法在回答信息中匹配成功，统计第五标准词匹配数量为2；因此，评分设备可以确定标准词匹配数量可以是第一标准词匹配数量、第二标准词匹配数量以及第五标准词匹配数量的和(6)。

在一个实施例中，内容标准度包括关键词命中度、合规度、情感度、话术词使用度中的至少一种。其中，关键词命中度得分、合规度得分、情感度得分、话术词使用度得分，都可以通过上述实施例所提供的预设内容标准度匹配算法进行计算，不同的内容标准度在使用预设内容标准度匹配算法时，区别仅在于各个评价维度的评价参数不同。

在一个示例中，当内容标准度包括关键词命中度时，标准词可以是根据目标用户的实际需求以及目标问题预先配置的回答关键词。当内容标准度包括合规度时，标准词可以是根据目标用户的实际需求预先配置的违规词，例如带有侮辱含义的词语。当内容标准度包括情感度时，标准词还可以是根据目标用户的实际需求预先配置的情感词，例如带有负面情绪的词语。当内容标准度包括话术词使用度时，标准词还可以是根据目标用户的实际需求预先配置的话术词，例如可以是能达到促进销售效果的话术词。

可选地，评分设备在回答信息中对上述标准词进行匹配时，可以对标准词的泛化词一并进行匹配。标准词的泛化词可以是根据实际应用场景预先配置的。

在一个实施例中，在通过预设匹配算法在回答信息中进行标准词匹配，得到回答信息的标准词匹配数量的步骤之前，评分方法还包括：

通过预设标点符号词典，识别并剔除回答信息中的标点符号，得到剔除标点符号后的回答信息。和/或，将回答信息中的数值转换为汉字表达式，得到转换后的回答信息。

在一种可能的示例中，如果目标用户输入的回答信息为语音形式，此情况下，进行语音转换得到的回答信息会存在断句错误的情况。评分设备通过预设标点符号词典，识别回答信息中的标点符号，并将标点符号去除。另外，如果目标用户输入的回答信息为语音形式，且语音信息中包含数值信息。这样，评分设备进行语音转换得到的回答信息会存在数值转换较为随意的情况，此情况下，评分设备会将标准词与回答信息中存在的数值表达统一转换为汉字表达式。

本实施例中，通过标点符号的去除，可以减少外部错误的引入，提高评分准确性。通过数值统一转换为汉字表达，有利于提高评分设备对于标准词的检测能力。

在一个实施例中，目标用户生成的回答信息可以是针对于多个子问题一并进行作答而得到的。评分设备在完整度的评价维度上进行评分时，关注文本长度以及文本是否与标准词相关。因此，完整度的评价参数包括总问题字符长度阈值、子问题字符长度阈值，回答信息包括多个子问题回答文本。相应地，如图9所示，步骤302“通过预设完整度统计算法，对回答信息的文本长度进行统计，并根据统计结果确定回答信息的完整度得分”的具体执行过程，包括：

步骤901，如果回答信息的字符长度大于或等于总问题字符长度阈值，则根据预设总长分的数值确定第一得分。

具体地，当评分设备确定回答信息的总字符长度大于或等于总问题字符长度阈值，该情况下，评分设备可以在完整度的评价维度上为该回答信息赋预设总长分，即确定完整度得分的第一得分。

步骤902，如果子问题回答文本的字符长度大于或等于子问题字符长度阈值，则根据预设子长分的数值确定第二得分。

具体地，当评分设备确定回答信息的多个子问题的回答文本的字符长度大于或等于子问题字符长度阈值，该情况下，评分设备可以根据超过子问题嘱咐长度阈值的子问题回答文本的数量，在完整度的评价维度上为该回答信息赋预设子长分，即确定完整度得分的第二得分。

步骤903，根据内容标准度得分确定多个子问题回答文本的第三得分。

具体地，根据步骤201所述的方法，在各子问题回答文本中分别匹配各子问题对应的标准词，并根据标准词匹配成功的子问题回答文本的数量，确定完整度得分的第三得分。

步骤904，将第一得分、第二得分、第三得分的和作为回答信息的完整度得分。

具体地，可以通过以下公式计算回答信息的完整度得分：

z＝z1+∑(z2+z3)

其中，z是完整度得分，z1是第一得分，∑(z2+z3)是第二得分与第三得分的和，z2是子长度，z3是子问题命中关键词的得分。

在一实施例中，步骤203“通过预设流畅度统计算法，统计回答信息中预设语气词的数量，并根据统计结果确定回答信息的流畅度得分”的具体执行过程，包括：

评分设备在流畅度的评价维度对回答信息进行评分时，评分依据是回答信息中出现的预设语气词的数量。其中，预设语气词可以是不流畅的语气词(如，呃)。评分设备可以预先设置流畅度满分分数以及配置容忍数量，也就是说，在实际应用场景中，评分设备可以容忍目标用户在回答问题时出现一定数量的不流畅语气词。当回答信息中的不流畅语气词出现次数超过容忍数量时，评分设备会根据超出容忍数据的不流畅语气词的出现次数，确定惩罚扣分分数，直至将预设流畅度满分分数扣至0。

可选地，可以通过下述公式计算流畅度得分：

F＝max(M-P*max(R-U,0)，0)

其中，F是流畅度得分，M是预设流畅度满分分数，P是惩罚扣分分数，R是不流畅语气词的出现数量，U是容忍数量。

在一实施例中，步骤204“通过预设语速确定算法，计算回答信息的语速，根据语速得到回答信息的语速得分”的具体执行过程，包括：

评分设备通过预设语速确定算法，统计回答信息中的文本字数以及回答信息的时长，进而计算回答信息的语速。这样，评分设备可以根据回答信息的语速所在的区间确定回答信息在语速评价维度上的语速得分。

可选地，回答信息的语速所在的区间可以包括过慢、稍慢、正常、稍快、过快，对应的语速得分分别是10、50、100、75、25。

可选地，评分设备可以根据预设语速区间确定标准确定计算出的语速对应的语速区间，预设语速区间确定标准可以根据实际应用场景具体确定。

在一实施例中，合规度得分也可以通过以下过程确定：评分设备通过预设标准词匹配算法统计回答信息中违规词的出现次数，并根据违规词的出现次数确定合规度得分。

可选地，可以通过以下公式计算合规度得分：

H＝max(0,H1-H2*H3)

其中，H是合规度得分，H1是预设的合规度满分分数，H2是违规词出现次数，H3是预先设置的每出现一次违规词的扣分分数。

在一实施例中，情感度得分也可以通过以下过程确定：评分设备通过预设标准词匹配算法统计回答信息中负面情感词的出现次数，并根据负面情感词的出现次数确定情感度得分。

可选地，可以通过以下公式计算情感度得分：

G＝max(0,G1-G2*G3)

其中，G是情感度得分，G1是预设的情感度满分分数，G2是负面情感词出现次数，G3是预先设置的每出现一次负面情感词的扣分分数。

在一实施例中，话术词使用度得分也可以通过以下过程确定：评分设备通过预设标准词匹配算法统计回答信息中预设话术词的出现次数，并根据预设话术词的出现次数确定话术词使用度得分。

可选地，可以通过以下公式计算话术词使用度得分：

S＝max(0,S1-S2*S3)

其中，S是话术词使用度得分，S1是预设的话术词使用度满分分数，S2是预设话术词出现次数，S3是预先设置的每出现一次预设话术词的扣分分数。

应该理解的是，虽然图1至9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1至9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

本发明实施例还提供了一种基于在线对话培训服务系统的评分方法，如图10所示，在线对话培训服务系统包括评分设备以及管理端。其中，评分设备包括评分配置服务系统、数据库、语音识别系统、评分系统以及结果反馈系统。管理端可以预先在评分配置服务系统中配置与多个目标问题相对应的评价参数，并将上述评价参数存储于数据库中。当在线对话培训服务系统响应于目标问题显示指令，显示目标问题时，用户设备生成目标问题对应的回答信息。在线对话培训服务系统响应于目标问题对应的回答指令，通过语音识别系统获取目标用户针对目标问题的回答信息、以及在数据库中获取目标问题对应的多个评价维度的评价参数。这样，在线对话培训服务系统可以通过评分系统在多个评价维度上对回答信息进行评分，生成评分反馈信息，并通过结果反馈系统将评分反馈信息反馈至目标用户，供目标用户可以在下一次回答问题时进行对应改进。

在一个实施例中，如图11所示，提供了一种评分装置，包括：获取模块1001、评分模块1002、输出模块1003，其中：

获取模块1001，用于响应于目标问题对应的回答指令，获取目标用户针对目标问题的回答信息、以及获取目标问题对于多个评价维度的评价参数；

评分模块1002，用于根据多个评价维度的评价参数分别对回答信息进行评分，得到评分反馈信息，评分反馈信息包括评分分数信息以及评分分数对应的评分含义信息；

输出模块1003，用于输出评分分数信息以及评分分数对应的评分含义信息。

在其中一个实施例中，所述多个评价维度至少包括内容标准度、完整度、流畅度、语速中的一种或多种；所述评分模块1002，包括：

内容标准度评分单元，用于通过预设内容标准度匹配算法在所述回答信息中进行标准词匹配，并根据匹配结果确定所述回答信息的内容标准度得分；

完整度评分单元，用于通过预设完整度统计算法，对所述回答信息的文本长度进行统计，并根据统计结果确定所述回答信息的完整度得分；

流畅度评分单元，用于通过预设流畅度统计算法，统计所述回答信息中预设语气词的数量，并根据统计结果确定所述回答信息的流畅度得分；

语速评分单元，用于通过预设语速确定算法，计算所述回答信息的语速，根据所述语速得到所述回答信息的语速得分；

评分单元，用于对所述内容标准度得分、完整度得分、流畅度得分以及所述语速得分进行分析，得到评分反馈信息。

在其中一个实施例中，所述内容标准度的评价参数包括预设标准数量阈值、所述目标问题对应的标准词；所述内容标准度评分单元，包括：

数量确定子单元，用于通过预设内容标准度匹配算法在所述回答信息中匹配所述标准词，并统计所述回答信息的标准词匹配数量；

得分确定子单元，用于根据所述标准词以及所述预设标准数量阈值，确定所述回答信息的内容标准度得分。

在其中一个实施例中，所述数量确定子单元，具体用于：

将所述回答信息转换为拼音序列，通过预设专有名词词典，对所述回答信息的拼音序列进行语音识别修正，得到修正后的回答信息；

通过预设正则表达式生成算法，生成所述标准词的正则表达式；

根据所述正则表达式，在所述修正后的回答信息中匹配所述标准词，统计第一标准词匹配数量。

在其中一个实施例中，所述数量确定子单元，具体用于：

所述通过预设内容标准度匹配算法在所述回答信息中匹配所述标准词，并统计所述回答信息的标准词匹配数量，包括：

如果所述标准词的字符长度小于所述预设标准字符长度阈值，则通过预设正则表达式生成算法，生成所述标准词的正则表达式；

根据所述正则表达式，在所述回答信息中匹配所述标准词，统计第二标准词匹配数量。

在其中一个实施例中，所述内容标准度的评价参数还包括预设标准字符长度阈值、标准编辑距离阈值；所述数量确定子单元，具体用于：

如果所述标准词的字符长度大于或等于所述预设标准字符长度阈值，则对所述标准词进行分词处理，得到多个标准词分词；

通过所述预设匹配窗口，在所述回答信息中分别提取包含所述标准词分词的字符串，组成匹配候选集，所述预设匹配窗口的长度是所述标准词的字符长度；

计算所述标准词与所述匹配候选集中各字符串的编辑距离，当所述编辑距离小于或等于所述标准编辑距离阈值时，确定所述标准词匹配成功，并统计第三标准词匹配数量。

在其中一个实施例中，所述内容标准度的评价参数还包括预设标准字符长度阈值；所述数量确定子单元，具体用于：

如果所述标准词的字符长度小于所述预设标准字符长度阈值，则将所述回答信息与所述标准词分别转换为回答信息拼音序列以及标准词拼音序列；

通过预设正则表达式生成算法，生成所述标准词拼音序列的正则表达式；

根据所述标准词拼音序列的正则表达式，在所述回答信息拼音序列中进行匹配，统计第四标准词匹配数量。

在其中一个实施例中，所述内容标准度的评价参数还包括预设标准字符长度阈值、标准编辑距离阈值；所述数量确定子单元，具体用于：

如果所述标准词的字符数大于或等于所述预设标准字符长度阈值，则对所述标准词进行分词处理，得到多个标准词分词；

将所述回答信息与所述标准词分词分别转换为回答信息拼音序列以及标准词分词拼音序列；

通过所述预设匹配窗口，在所述回答信息拼音序列中提取包含所述标准词分词拼音序列的字符串，组成匹配候选集，所述预设匹配窗口的长度是所述标准词的拼音序列中所包含的字符数；

计算所述标准词的拼音序列与所述匹配候选集中各字符串的编辑距离，当所述编辑距离小于或等于所述标准编辑距离阈值时，确定所述标准词匹配成功，并统计第五标准词匹配数量。

在其中一个实施例中，所述装置还包括：

预处理子单元，用于通过预设标点符号词典，识别并剔除所述回答信息中的标点符号，得到剔除标点符号后的回答信息；和/或，将所述回答信息中的数值转换为汉字表达式，得到转换后的回答信息。

在其中一个实施例中，所述完整度的评价参数包括总问题字符长度阈值、子问题字符长度阈值，所述回答信息包括多个子问题回答文本；

所述完整度评分单元，具体用于如果所述回答信息的字符长度大于或等于所述总问题字符长度阈值，则根据预设总长分的数值确定第一得分；如果所述子问题回答文本的字符长度大于或等于所述子问题字符长度阈值，则根据预设子长分的数值确定第二得分；根据所述内容标准度得分确定所述多个子问题回答文本的第三得分；将所述第一得分、所述第二得分、所述第三得分的和作为所述回答信息的完整度得分。

关于评分装置的具体限定可以参见上文中对于评分方法的限定，在此不再赘述。上述评分装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储评价参数数据以及评分反馈信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种评分方法。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read至OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。