1.本发明涉及人工智能技术领域，尤其涉及一种语音合规检测方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着信贷的快速发展，银行信用卡贷款等业务容易产生大量的坏账，有坏账时需要电话催收还款。但由于催收从业人员水平的不同，会产生坐席语言不合规的情况，例如辱骂客户的现象；也有客户情绪激动，导致言语不合规进而产生投诉的情况。为了降低投诉，现有技术中，常通过人工对语音内容进行合规检查，以判断是否存在辱骂等不文明语言，但这种识别不文明语言信息的效率较低，而且容易漏检，从而降低对不文明语言的识别准确度，合规检测准确率不高。


技术实现要素：

3.本发明提供一种语音合规检测方法、装置及计算机可读存储介质，其主要目的在于解决语音合规检测的准确度不高的问题。
4.为实现上述目的，本发明提供的一种语音合规检测方法，包括：
5.获取待识别语音；
6.通过预设的语音识别算法将所述待识别语音转化为待识别文本；
7.通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数；
8.确定每个所述第一违规文本所属的违规词类型，并根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数；
9.通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述预设的违规文本，若包含，则将检测到的所述违规文本确定为第二违规文本，并根据所述第二违规文本计算第二违规信息识别分数；
10.根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果。
11.可选地，所述通过预设的语音识别算法将所述待识别语音转化为待识别文本，包括：
12.提取所述待识别语音中不同音色的语音序列；
13.提取所述不同音色的语音序列的不同通话语音特征，计算所述不同通话语音特征与语音特征库中预置语音特征的相似度；
14.确定相似度最高时对应的通话语音特征为目标语音特征；
15.通过预设的语音识别算法将所述目标语音特征对应的语音序列转化为待识别文本。
16.可选地，所述确定每个所述第一违规文本所属的违规词类型，包括：
17.获取违规词分类库，所述违规词分类库包括违规歧义词库、违规中性词库、违规严重词库；
18.将每个所述第一违规文本与所述违规词分类库中不同词库分别匹配，根据匹配结果确定每个所述第一违规文本所属的违规词类型。
19.可选地，所述获取违规词分类库，包括：
20.获取历史通话文本集，根据所述历史通话文本集中历史通话文本的反馈标识将所述历史通话文本划分为负反馈类、正反馈类和中性反馈类；
21.将预设关键词与所述历史通话文本集进行匹配，确定与属于负反馈类的历史通话文本相匹配的关键词构成违规严重词库，确定与属于正反馈类的历史通话文本相匹配的关键词为违规歧义词库，确定与属于中性反馈类的历史通话文本相匹配的关键词为违规中性词库；
22.确定所述违规严重词库、所述违规歧义词库、所述违规中性词库构成所述违规分类词库。
23.可选地，所述通过预设的语音识别算法将所述待识别语音转化为待识别文本之前，所述方法还包括：
24.通过自适应滤波器对所述待识别语音进行降噪处理。
25.可选地，所述根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数，包括：
26.获取所述违规词类型为不同类型时对应的基础分数；
27.根据每个所述第一违规文本的出现次数确定权重系数；
28.将每个所述第一违规文本所属的违规词类型对应的基础分数乘以每个所述第一违规文本对应的权重系数，得到每个所述第一违规文本的违规子分数，将所有违规子分数求和，得到所述第一违规信息识别分数。
29.可选地，所述根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果包括：
30.计算所述第一违规信息识别分数和所述第二违规信息识别分数的平均值，得到第三违规信息识别分数；
31.判断所述第三违规信息识别分数是否大于预设分数阈值；
32.当所述第三违规信息识别分数大于预设分数阈值时，确定所述待识别语音的合规检测结果为待识别语音不合规。
33.为了解决上述问题，本发明还提供一种语音合规检测装置，所述装置包括：
34.语音获取模块，用于获取待识别语音；
35.语音转化模块，用于通过预设的语音识别算法将所述待识别语音转化为待识别文本；
36.第一计算模块，用于通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数；
37.所述第一计算模块，还用于确定每个所述第一违规文本所属的违规词类型，并根
据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数；
38.第二计算模块，用于通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述预设的违规文本，若包含，则将检测到的所述违规文本确定为第二违规文本，并根据所述第二违规文本计算第二违规信息识别分数；
39.确定模块，用于根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果。
40.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
41.至少一个处理器；以及，
42.与所述至少一个处理器通信连接的存储器；其中，
43.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的语音合规检测方法。
44.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的语音合规检测方法。
45.本发明实施例通过将获取的待识别语音转化为待识别文本；获取待识别语音；通过预设的语音识别算法将所述待识别语音转化为待识别文本；通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数；确定每个所述第一违规文本所属的违规词类型，并根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数；通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述预设的违规文本，若包含，则将检测到的所述违规文本确定为第二违规文本，并根据所述第二违规文本计算第二违规信息识别分数；根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果。结合正则匹配和nlp语音识别模型两种方式对待识别语音中是否包含违规文本进行分析，并根据两种分析结果最终确定待识别语音中是否合规，能够更准确的识别语音信息中是否包含违规文本，提升了对语音合规检测的准确率，同时提升了对语音合规检测的效率。因此本发明提出的语音合规检测方法、装置、电子设备及计算机可读存储介质，可以解决语音合规检测的准确度不高的问题。
附图说明
46.图1为本发明一实施例提供的语音合规检测方法的流程示意图；
47.图2为本发明一实施例提供的语音合规检测装置的功能模块图；
48.图3为本发明一实施例提供的实现所述语音合规检测方法的电子设备的结构示意图。
49.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
50.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
51.本技术实施例提供一种语音合规检测方法。所述语音合规检测方法的执行主体包
括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述语音合规检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
52.参照图1所示，为本发明一实施例提供的语音合规检测方法的流程示意图。在本实施例中，所述语音合规检测方法包括：
53.s1，获取待识别语音。
54.本发明实施例中，所述待识别语音可以从语音通话系统获取。例如，待识别语音为信用卡催收人员与信用卡持有人的语音通话记录，或者，待识别语音为贷款催收人员与贷款申请人员的语音通话记录。
55.可选的，所述获取待识别语音之后，所述方法还包括：
56.判断所述待识别语音的语音长度；
57.若所述待识别语音的语音长度未达到预设长度，则直接确定所述待识别语音不包含违规文本。
58.若所述待识别语音的语音长度达到预设长度，则执行s2的操作。
59.本实施例中，预设长度为时间长度，例如，预设长度为1分钟。则若待识别语音小于1分钟，则直接确定该语音不包含违规文本，例如不包含辱骂信息，进而可以确定该语音为合规的。
60.本实施例中，当待识别语音未达到语音长度时，直接判断确定所述待识别语音不包含违规文本，无需再对语音内容进行分析，保证判断效率的情况下，提高判断的准确性。
61.s2，通过预设的语音识别算法将所述待识别语音转化为待识别文本。
62.本发明一实施例中，预设的语音识别算法可以为隐马尔可夫模型，则通过隐马尔可夫模型将待识别语音转化为待识别文本。
63.本发明另一可选实施例中，预设的语音识别算法可以为非参数模型的矢量量化算法，则通过非参数模型的矢量量化算法将待识别语音转化为待识别文本。
64.所述通过预设的语音识别算法将所述待识别语音转化为待识别文本之前，所述方法还包括：
65.通过自适应滤波器对所述待识别语音进行降噪处理。
66.本实施例中，所述自适应滤波器可以为least mean square算法，即lms算法。
67.所述通过预设的语音识别算法将所述待识别语音转化为待识别文本，包括：
68.提取所述待识别语音中不同音色的语音序列；
69.提取所述不同音色的语音序列的不同通话语音特征，计算所述不同通话语音特征与语音特征库中预置语音特征的相似度；
70.确定相似度最高时对应的通话语音特征为目标语音特征；
71.通过预设的语音识别算法将所述目标语音特征对应的语音序列转化为待识别文本。
72.本实施例中，不同音色的语音序列代表了不同人所说的话。例如，待识别语音为贷款催收人员和贷款用户的通话信息，则通过提取待识别语音中不同音色的语音序列，可以分别得到贷款催收人员和语音序列和贷款用户的语音序列。
73.本实施例中，语音特征库为预置的，语音特征库中预置语音特征为预先存储的。例如，语音特征库中存储了多个贷款催收人员的语音特征，则可以通过语音特征的相似度计算，识别哪个语音特征为待识别语音中贷款催收人员的语音特征，进而将贷款催收人员的语音序列转化为待识别文本，进一步判断贷款催收人员的语音信息中是否存在违规文本。
74.本实施例中，无需将待识别语音特征全部进行文本转化，精简了待识别文本的内容，进一步提升了对语音合规检测的检测效率。
75.s3，通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数，确定每个所述第一违规文本所属的违规词类型，并根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数。
76.本实施例中，所述正则表达式集合包含多个正则表达式，具体的，正则表达式表示字符串匹配的模式，可以通过正则表达式检查一个字符串是否含有某种字符。
77.预设的违规文本可以包括各种不文明文本，如辱骂文本。
78.本实施例中，通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本具体是将待识别文本与正则表达式集合种的正则表达式进行匹配，从而判断待识别文本是否包含预设的违规文本。
79.具体的，可以通过正则表达式种的一个或者多个正则表达式的组合判断待识别文本是否包含预设的违规文本。
80.所述确定每个所述第一违规文本所属的违规词类型，包括：
81.获取违规词分类库，所述违规词分类库包括违规歧义词库、违规中性词库、违规严重词库；
82.将每个所述第一违规文本与所述违规词分类库中不同词库分别匹配，根据匹配结果确定每个所述第一违规文本所属的违规词类型。
83.例如，违规中性词库中包含“低能”，则若确定待识别文本中含有“低能”一词，确定该词语属于违规中性词。
84.由于有些词如“低能”我们字面理解是骂人的意思，但是在有些句子中却并非属于辱骂，比如存在句子：“你要是点的多的话，我就给它还进去，你看下最低能给我减多少，你看一下”。该句子中也存在“低能”一词，但并未属于辱骂，因此，当正则表达式确定待识别文本包含违规文本时，并不一定表示待识别文本违规，此时，对违规文本进行违规词分类，进一步根据不同的类型确定待识别文本中是否包含违规信息，使得识别更加客观准确。
85.进一步地，所述获取违规词分类库，包括：
86.获取历史通话文本集，根据所述历史通话文本集中历史通话文本的反馈标识将所述历史通话文本划分为负反馈类、正反馈类和中性反馈类；
87.将预设关键词与所述历史通话文本集进行匹配，确定与属于负反馈类的历史通话文本相匹配的关键词构成违规严重词库，确定与属于正反馈类的历史通话文本相匹配的关键词为违规歧义词库，确定与属于中性反馈类的历史通话文本相匹配的关键词为违规中性
词库；
88.确定所述违规严重词库、所述违规歧义词库、所述违规中性词库构成所述违规分类词库。
89.本发明实施例中，属于负反馈类的通话文本是指基于该历史通话文本收到过投诉或低评分的通话分本；属于正反馈类的通话文本是指基于该历史通话文本收到过表扬或积极履行或高评分的通话文本；属于中性反馈类的通话文本是指既不属于负反馈类的通话文本也不属于正反馈类的通话文本，例如，基于该历史通话文本未收到过任何评分等反馈的通话文本，则该历史通话文本为中性反馈类的通话文本。
90.本发明实施例中，通过历史通话文本和历史通话文本的类型自动获取违规词分类库，提高了获取违规词分类库的效率和准确率，有利于提升语音合规检测的准确率。
91.所述所述根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数，包括：
92.获取所述违规词类型为不同类型时对应的基础分数；
93.根据每个所述第一违规文本的出现次数确定权重系数；
94.将每个所述第一违规文本所属的违规词类型对应的基础分数乘以每个所述第一违规文本对应的权重系数，得到每个所述第一违规文本的违规子分数，将所有违规子分数求和，得到所述第一违规信息识别分数。
95.本实施例中，当通过正则表达式集合判断得到待识别文本中有多个违规文本时，将多个违规文本都进行基础分数与权重系数相乘，并将每个违规文本的基础分数与权重系数相乘的结果进行相加，得到第一语音合规检测分数。
96.例如，若违规文本属于违规歧义词库时，基础分数为0.8*0.5；违规文本属于中性词库时，基础分数为1*0.5、违规文本属于违规严重词库时，基础分数为1.2*0.5，出现次数为1次时，权重系数为1，出现次数为2次时，权重系数为1.1；若待识别文本中包含违规文本a，出现次数为一次，且a属于中性词库，则第一语音合规检测分数为1*0.5*1＝0.5；若待识别文本中包含违规文本a和b，a出现次数为一次，b出现次数为2次，且a属于中性词库，b属于违规严重词库，则第一语音合规检测分数为1*0.5*1+1.2*0.5*1.1＝1.16。
97.可选的，当不包含违规文本时，直接确定第一违规信息识别分数为0或者为负数。
98.s4，通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述预设的违规文本，若包含，则将检测到的所述违规文本确定为第二违规文本，并根据所述第二违规文本计算第二违规信息识别分数。
99.本实施例中，所述nlp语义识别模型为预先构建的。具体的，nlp语义识别模型通过识别待识别文本的语义来确定待识别文本是否包含违规文本。
100.可选的，所述nlp语义识别模型为基于bert模型构建的，通过正样本(如包含违规文本的词和句子)和负样本(如包含非违规文本的词和句子)训练得到的。
101.本实施例中，可以根据同一个第二违规文本的出现次数计算第二违规信息识别分数。或者，可以根据所有第二违规文本的出现数量计算第二违规信息识别分数。
102.具体的，第二违规文本的出现次数不同时对应为预置的不同分数，或者第二违规文本的出现数量不同时，对应为预置的不同分数。
103.可选的，当不包含违规文本时，确定第二违规信息识别分数为0或者为负数。
104.s5，根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果。
105.进一步的，所述根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果包括：
106.计算所述第一违规信息识别分数和所述第二违规信息识别分数的平均值，得到第三违规信息识别分数；
107.判断所述第三违规信息识别分数是否大于预设分数阈值；
108.当所述第三违规信息识别分数大于预设分数阈值时，确定所述待识别语音的合规检测结果为待识别语音不合规。
109.本实施例中，所述预设分数阈值可以为预先设定的。
110.可选的，当第三违规信息识别分数不大于预设分数阈值时时，确定所述待识别语音的合规检测结果为待识别语音合规。
111.本实施例中，将第一违规信息识别分数和第二违规信息识别分数的相加之后除以2，则得到第三违规信息识别分数。
112.另一可选实施例中，通过获取正则表达式集合与nlp语义识别模型的预置权重系数，根据预置权重系数，计算第三违规信息识别分数，进而得到待识别语音的合规检测结果。
113.例如，预置权重系数为a和b，且a+b＝1，则第三违规信息识别分数＝第一违规信息识别分数*a+第二违规信息识别分数b。
114.可选的，所述a和b均为0.5。
115.进一步的，所述确定所述待识别语音的合规检测结果为待识别语音不合规之后，所述方法还包括：
116.通过声纹识别技术获取所述待识别语音中用户的身份信息，根据所述用户的身份信息获取所述用户的联系电话，根据所述联系电话调用短信发送函数向所述用户发送目标短信。
117.本实施例中，所述目标短信的内容可以为预先存储的短信模板，例如，道歉模板。
118.进一步的，在本发明一实施例中，所述确定所述待识别语音的合规检测结果为待识别语音不合规之后，所述方法还包括：
119.通过声纹识别技术获取所述待识别语音中参与人员的身份信息，将所述身份信息发送至监管平台。
120.本实施例中，所述参与人员包括待识别语音的双方，所述监管平台用于对违规信息及客户关系进行监管的信息管理平台，当将身份信息发送至监管平台之后，可以使得监管平台的工作人员及时发现问题，进而处理问题，提升用户体验。
121.本发明实施例通过将获取的待识别语音转化为待识别文本；获取待识别语音；通过预设的语音识别算法将所述待识别语音转化为待识别文本；通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数；确定每个所述第一违规文本所属的违规词类型，并根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数；通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述
unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行语音合规检测程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
135.所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如语音合规检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
136.所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
137.所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi
‑
fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light
‑
emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
138.图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
139.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
140.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
141.所述电子设备1中的所述存储器11存储的语音合规检测程序是多个指令的组合，在所述处理器10中运行时，可以实现：
142.获取待识别语音；
143.通过预设的语音识别算法将所述待识别语音转化为待识别文本；
144.通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若
包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数；
145.确定每个所述第一违规文本所属的违规词类型，并根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数；
146.通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述预设的违规文本，若包含，则将检测到的所述违规文本确定为第二违规文本，并根据所述第二违规文本计算第二违规信息识别分数；
147.根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果。
148.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
149.进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)。
150.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
151.获取待识别语音；
152.通过预设的语音识别算法将所述待识别语音转化为待识别文本；
153.通过预构建的正则表达式集合检测所述待识别文本是否包含预设的违规文本，若包含，则将检测到的所述违规文本确定为第一违规文本，并获取每个所述第一违规文本的出现次数；
154.确定每个所述第一违规文本所属的违规词类型，并根据所述违规词类型和每个所述第一违规文本的出现次数计算第一违规信息识别分数；
155.通过预构建的nlp语义识别模型检测所述待识别文本是否包含所述预设的违规文本，若包含，则将检测到的所述违规文本确定为第二违规文本，并根据所述第二违规文本计算第二违规信息识别分数；
156.根据所述第一违规信息识别分数和所述第二违规信息识别分数，得到所述待识别语音的合规检测结果。
157.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
158.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
159.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单
元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
160.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
161.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
162.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
163.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
164.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
165.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。