(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210934493.0 (22)申请日 2022.08.04 (71)申请人 中国平安财产保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 温锋明　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 刘畅 (51)Int.Cl. G06K 9/62(2022.01) G06F 40/289(2020.01) G06F 16/215(2019.01) G06F 16/35(2019.01)G06F 16/27(2019.01) G06F 21/62(2013.01) G06N 3/04(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) G10L 15/02(2006.01) G10L 15/06(2013.01) G10L 15/18(2013.01) (54)发明名称 一种酒驾风险识别方法、 装置、 计算机设备 及存储介质 (57)摘要 本申请实施例属于数据分析领域， 涉及一种 酒驾风险识别方法， 包括 从酒驾案件中获取酒驾 特征数据以及对应的酒驾语音数据； 基于酒驾特 征数据得到基础特征参数； 根据酒驾语音数据得 到语音特征参数； 将基础特征参数以及语音特征 参数组成特征参数集， 并将特征参数集作为模型 参数， 构建初始酒驾风险识别模型； 对初始酒驾 风险识别模 型进行训练， 得到目标 酒驾风险识别 模型； 将目标 酒驾特征输入目标 酒驾风险识别模 型， 输出风险预测结果。 本申请还提供一种酒驾 风险识别装置、 计算机设备及存储介质。 此外， 本 申请还涉及区块链技术， 特征参数集可存储于区 块链中。 本申请可以提升酒驾风险识别效率和识 别准确度。 权利要求书2页 说明书13页 附图4页 CN 115186766 A 2022.10.14 CN 115186766 A 1.一种酒驾风险识别方法， 其特 征在于， 包括下述 步骤： 获取酒驾案件， 从所述酒驾案件中获取酒驾特 征数据以及对应的酒驾语音数据； 从所述酒驾特征数据提取基础特征， 并根据 所述酒驾案件确定所述基础特征的初始基 础权重， 根据所述基础特 征和对应的所述初始基础权 重， 得到基础特 征参数； 根据所述酒驾语音数据获取语音特征， 并确定所述语音特征的初始语音权重， 根据所 述语音特 征和对应的所述初始语音权 重， 得到语音特 征参数； 将所述基础特征参数以及所述语音特征参数组成特征参数集， 并将所述特征参数集作 为模型参数， 构建初始酒驾风险识别模型； 对所述初始酒驾风险识别模型进行训练， 得到目标酒驾风险识别模型； 获取目标酒驾特征， 将所述目标酒驾特征输入所述目标酒驾风险识别模型， 输出风险 预测结果。 2.根据权利要求1所述的酒驾风险识别方法， 其特征在于， 所述根据所述酒驾案件确定 所述基础特 征的初始基础权 重的步骤 包括： 统计所述基础特 征下每个特征类别对应的所述酒驾案件数量， 得到类别数量； 计算所述每 个特征类别的类别数量相对于所述酒驾案件总数量的酒驾占比； 根据所述酒驾占比得到所述基础特 征在每个所述特 征类别下的初始基础权 重。 3.根据权利要求1所述的酒驾风险识别方法， 其特征在于， 所述根据所述酒驾语音数据 获取语音特 征的步骤 包括： 根据所述酒驾语音数据中的声学特征， 对所述酒驾语音数据进行语音切分处理， 得到 语音片段； 对所述语音片段进行语音识别处 理， 得到所述酒驾语音数据对应的语音识别结果； 根据所述语音识别结果得到语音特 征。 4.根据权利要求1所述的酒驾风险识别方法， 其特征在于， 所述确定所述语音特征的初 始语音权 重的步骤 包括： 统计所有所述语音特 征的总出现次数以及每 个所述语音特 征的特征数量； 根据所述特 征数量和所述总出现次数， 计算得到所述语音特 征的初始语音权 重。 5.根据权利要求1所述的酒驾风险识别方法， 其特征在于， 所述对所述初始酒驾风险识 别模型进行训练， 得到目标酒驾风险识别模型的步骤 包括： 根据所述酒驾特 征数据和所述酒驾语音数据获得训练数据集和验证数据集； 基于所述训练数据集对所述初始酒驾风险识别模型的模型参数进行调整， 直到模型收 敛， 得到待验证模型； 将所述验证数据集输入所述待验证模型中进行验证， 得到验证结果， 在所述验证结果 大于等于预设阈值时， 确定所述待验证模型为所述目标酒驾风险识别模型。 6.根据权利要求5所述的酒驾风险识别方法， 其特征在于， 所述基于所述训练数据集对 所述初始酒驾风险识别模型的模型参数进行调整的步骤 包括： 将所述训练数据集输入所述初始酒驾风险识别模型中， 得到酒驾结果； 根据所述酒驾结果确定所述模型参数中每 个特征参数的特 征贡献度； 基于所述特 征贡献度确定对应的所述特 征参数的调整系数； 根据所述调整系数调整所述模型参数。权　利　要　求　书 1/2 页 2 CN 115186766 A 27.根据权利要求5所述的酒驾风险识别方法， 其特征在于， 所述将所述验证数据集输入 所述待验证模型中进 行验证， 得到验证结果， 在所述验证结果大于等于预设阈值时， 确定所 述待验证模型为所述目标酒驾风险识别模型的步骤 包括： 将所述验证数据集输入所述待验证模型， 得到预测输出 结果； 根据所述预测输出 结果计算预测准确度； 若所述预测准确度大于等于预设阈值 时， 则输出所述待验证模型作为所述目标酒驾风 险识别模型； 若所述预测准确度小于预设阈值时， 则更新训练数据集， 执行所述基于所述训练数据 集对所述初始酒驾风险识别模型的模型参数进行调整的步骤。 8.一种酒驾风险识别装置， 其特 征在于， 包括： 获取模块， 用于获取酒驾案件， 从所述酒驾案件中获取酒驾特征数据以及对应的酒驾 语音数据； 基础特征提取模块， 用于从所述酒驾特征数据提取基础特征， 并根据所述酒驾案件确 定所述基础特征 的初始基础权重， 根据所述基础特征和对应的所述初始基础权重， 得到基 础特征参数； 语音特征提取模块， 用于根据所述酒驾语音数据获取语音特征， 并确定所述语音特征 的初始语音权 重， 根据所述语音特 征和对应的所述初始语音权 重， 得到语音特 征参数； 构建模块， 用于将所述基础特征参数以及所述语音特征参数组成特征参数集， 并将所 述特征参数集作为模型参数， 构建初始酒驾风险识别模型； 训练模块， 用于对所述初始酒驾风险识别模型进行训练， 得到目标酒驾风险识别模型； 预测模块， 用于获取目标酒驾特征， 将所述目标酒驾特征输入所述目标酒驾风险识别 模型， 输出风险预测结果。 9.一种计算机设备， 包括存储器和处理器， 所述存储器中存储有计算机可读指令， 所述 处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的酒驾风险识别方 法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的酒驾 风险识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 115186766 A 3