自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定方法
【專利摘要】本發(fā)明公開了一種自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定方法，應(yīng)用語音識別技術(shù)和自動分類技術(shù)建立新的高正確率的科學(xué)地通過判定用戶語音中所包含意圖的方法，實(shí)現(xiàn)在語音識別的中間結(jié)果——詞圖網(wǎng)絡(luò)的基礎(chǔ)上完成用戶意圖分類，保證了意圖判定服務(wù)在用戶語音口音大、噪音大、窄帶失真率高、說話不規(guī)范的自動外呼應(yīng)用場景中能夠有效進(jìn)行，使得自動外呼系統(tǒng)能夠根據(jù)用戶意圖采取適當(dāng)?shù)膽?yīng)答策略與用戶進(jìn)行對話，最終實(shí)現(xiàn)計算機(jī)與用戶之間的流暢溝通。
【專利說明】自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人機(jī)對話領(lǐng)域，特別是涉及一種自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定方法。
【背景技術(shù)】
[0002]外呼系統(tǒng)是呼叫中心常規(guī)業(yè)務(wù)，由坐席主動撥叫用戶號碼，與用戶對話，以完成營銷、調(diào)查等特定任務(wù)。自動外呼系統(tǒng)是指采用計算機(jī)替代坐席，用計算機(jī)撥叫用戶號碼并與用戶對話，完成特定任務(wù)的一種應(yīng)用系統(tǒng)。
[0003]在自動外呼系統(tǒng)中，計算機(jī)要與用戶對話并完成特定任務(wù)，其中一個核心技術(shù)是語音意圖判定，即讓計算機(jī)在接受到用戶語音后，能夠通過語音判定用戶的意圖。
[0004]語音意圖判定是指通過計算機(jī)對于用戶的語音進(jìn)行加工處理，判斷用戶在語音中所表達(dá)的意圖的處理過程。它是自動外呼系統(tǒng)的重要環(huán)節(jié)。高性能的語音意圖判定方法，能夠最大限度地保證人機(jī)對話系統(tǒng)能夠正確理解用戶的意圖，并采取相應(yīng)的應(yīng)答策略，使得計算機(jī)與用戶之間的對話過程能夠正確且流暢地進(jìn)行。
[0005]在傳統(tǒng)的語音意圖判斷任務(wù)中，通常包含語音識別、語言分析兩個獨(dú)立的階段，在第一階段通過語音識別技術(shù)將語音轉(zhuǎn)化為文字，第二階段通過自然語言處理技術(shù)從文字中分析用戶意圖。
[0006]語音識別技術(shù)是語音意圖判定的基礎(chǔ)技術(shù)，實(shí)現(xiàn)從語音到文字的轉(zhuǎn)換。近年來，語音識別技術(shù)發(fā)展非常迅速，識別能力得到了很大的提高。隨著移動互聯(lián)網(wǎng)的興起，語音識別技術(shù)也逐漸進(jìn)入了應(yīng)用市場，成為了移動應(yīng)用除了文字輸入之外的另一個入口。然而，這些應(yīng)用都局限于用戶配合的應(yīng)用場景，對于用戶的語音輸入的穩(wěn)定性和輸入質(zhì)量都有較高要求。而在呼叫中心領(lǐng)域，由于用戶語音存在口音大、噪音大、窄帶失真率高、用戶說話不規(guī)范等特點(diǎn)，語音識別的結(jié)果一直停留在一個很低的水平，這在很大程度上限制了自動外呼系統(tǒng)的產(chǎn)生。
[0007]自然語言處理是語音意圖判定的關(guān)鍵技術(shù)。它能夠分析語言文字，識別語言文字中用戶希望傳遞的意圖信息。達(dá)到這一目的的基礎(chǔ)，是語言文字中包含正確的用戶意圖。
[0008]在呼叫中心領(lǐng)域，由于語音識別任務(wù)的難度原因，使得從語音轉(zhuǎn)換得到的文字中，存在大量的錯誤，這些錯誤掩蓋了用戶的意圖，使得后繼的自然語言處理過程，往往得不到正確的用戶意圖。
[0009]自動分類是一種應(yīng)用最廣泛的模式識別方法，它主要分為分類器訓(xùn)練和分類器應(yīng)用兩部分。在分類器訓(xùn)練階段，能夠提取輸入特征和輸出類別之間的映射關(guān)系，構(gòu)建分類器。在分類器應(yīng)用階段，能夠根據(jù)新輸入的特征，判定目標(biāo)類別。由于它采用相似度計算進(jìn)行分類空間建模，因而具有較強(qiáng)的容錯性，適用用于輸入特征質(zhì)量不高的應(yīng)用場景。
[0010]對于語音識別得到的錯誤率較高的文字，將其回退到信息量更大的詞圖網(wǎng)絡(luò)，同時放棄掉傳統(tǒng)自然語言處理分析用戶意圖的方法，轉(zhuǎn)而采用容錯性更強(qiáng)的分類方法進(jìn)行用戶意圖判定，是本發(fā)明的關(guān)鍵創(chuàng)新點(diǎn)。
【發(fā)明內(nèi)容】

[0011]本發(fā)明解決的實(shí)際技術(shù)問題:為了解決自動外呼系統(tǒng)中語音識別準(zhǔn)確性不高而導(dǎo)致的用戶意圖判定失敗問題，本發(fā)明提供了一種基于自動分類技術(shù)的語音意圖判定方法，從而更好地保證通過語音判定用戶意圖的準(zhǔn)確性。
[0012]本發(fā)明的技術(shù)方案:自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定方法，它包括
云端服務(wù)器，其與自動外呼系統(tǒng)服務(wù)器和結(jié)果數(shù)據(jù)庫服務(wù)器連接，云端服務(wù)器內(nèi)含有任務(wù)調(diào)度模塊、語音識別模塊和意圖分類模塊；
任務(wù)調(diào)度模塊，其作用是提升云端服務(wù)器的并發(fā)處理能力，通過壓力控制和負(fù)載均衡，讓云端服務(wù)器能夠同時實(shí)現(xiàn)對多路用戶語音的意圖判定；
語音識別模塊，接收自動外呼系統(tǒng)服務(wù)器傳入的語音信息，對輸入語音進(jìn)行降噪、特征提取處理，將輸入語音轉(zhuǎn)化為特征序列，然后采用隱馬爾科夫連續(xù)語音識別器進(jìn)行語音識另O，將語音特征序列轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)；
意圖分類模塊，接收語音識別模塊處理后信息，將詞圖網(wǎng)絡(luò)轉(zhuǎn)化為帶權(quán)重的空間向量，并利用意圖分類模塊中訓(xùn)練好的意圖分類器進(jìn)行意圖自動分類，實(shí)現(xiàn)從語音到意圖的轉(zhuǎn)化，最后根據(jù)意圖所對應(yīng)字符庫領(lǐng)域選擇出最為正確的文字，形成高準(zhǔn)確率的語音識別，并將識別后信息發(fā)至自動外呼系統(tǒng)服務(wù)器；
結(jié)果數(shù)據(jù)庫服務(wù)器，用于儲存云端服務(wù)器運(yùn)行結(jié)果；
自動外呼系統(tǒng)服務(wù)器，采用計算機(jī)替代坐席，用計算機(jī)撥叫用戶號碼并與用戶對話，完成特定任務(wù)的一種應(yīng)用系統(tǒng)。
[0013]上述的自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定識別方法，訓(xùn)練意圖分類器的具體做法包括以下步驟
a收集并截取大量包含用戶意圖的語音，人工標(biāo)注用戶語音中所包含的用戶意圖類別，得到大量帶有意圖標(biāo)注的用戶語音；
b將帶有意圖標(biāo)注的用戶語音，通過語音識別技術(shù)，將每一個用戶語音轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)。
[0014]c針對詞圖網(wǎng)絡(luò)，采用特征選擇和特征抽取技術(shù)，從詞圖網(wǎng)絡(luò)中選擇最有代表性的特征，并實(shí)現(xiàn)從詞圖網(wǎng)絡(luò)到特征向量的映射；
d對于從每一個用戶語音得到的特征向量，將其與對應(yīng)的用戶意圖類別進(jìn)行關(guān)聯(lián)，并訓(xùn)練兩者之間的映射模型，即意圖分類器模型。
[0015]前述的自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定識別方法，每獲取一句用戶語音后，意圖分類模塊會對用戶意圖進(jìn)一步細(xì)化，為自動外呼系統(tǒng)服務(wù)器與用戶溝通提供更精準(zhǔn)的信息，使溝通更加自然、流暢。
[0016]前述的自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定識別方法，其特征在于:用語音識別模并不產(chǎn)生最終的識別結(jié)果，而是用于獲取帶權(quán)重的詞圖網(wǎng)絡(luò)。
[0017]與現(xiàn)有技術(shù)比較，本發(fā)明提供的方法有如下有益效果:
(I)由于在自動外呼應(yīng)用中語音識別結(jié)果正確率不高，無法在這些含錯的文字上面采用自然語言處理技術(shù)分析用戶意圖，使得自動外呼系統(tǒng)難以判定用戶意圖，最終導(dǎo)致系統(tǒng)與用戶之間的對話達(dá)成目標(biāo)。本技術(shù)發(fā)明提出了基于容錯率較高的自動分類技術(shù)替代自然語言處理技術(shù)進(jìn)行語音意圖判定的方法。由于自動分類技術(shù)忽略文字間的結(jié)構(gòu)關(guān)系，而是采用相似度計算實(shí)現(xiàn)用戶語音到意圖之間的映射，有利于降低錯誤識別的文字對用戶意圖的干擾。
[0018](2)目前，大多數(shù)語音識別的應(yīng)用，都圍繞在通過語音識別獲取文字信息后，使用文字信息進(jìn)行后繼的加工處理。這一點(diǎn)在文字信息正確率較高時，由于文字信息傳遞的用戶意圖足夠正確，使得它比較適用。當(dāng)文字信息識別率較低時，大量的有用信息在識別過程中被語音識別搜索算法錯誤丟棄，導(dǎo)致文字信息傳遞的用戶意圖也同樣丟失在識別過程中。本技術(shù)發(fā)明提出了以語音識別過程中的詞圖網(wǎng)絡(luò)替代傳統(tǒng)的文字信息作為識別結(jié)果，它能夠降低語音識別搜索算法對用戶意圖信息的丟棄概率，使得用戶意圖信息在語音識別階段得以最大化的保存。當(dāng)詞圖網(wǎng)絡(luò)結(jié)果傳遞到意圖分類模塊后，這些保存下來的用戶意圖信息，將通過意圖分類器得到正確的判定。
【專利附圖】

【附圖說明】
[0019]圖1是意圖判定服務(wù)在云端服務(wù)器部署的硬件拓?fù)涫疽鈭D；
圖2是意圖判定服務(wù)中意圖分類模塊訓(xùn)練流程圖；
圖3是語音識別產(chǎn)生的詞圖網(wǎng)絡(luò)結(jié)構(gòu)示例；
圖4是意圖判定服務(wù)應(yīng)用流程圖；
圖5是本發(fā)明在自動外呼系統(tǒng)中的實(shí)施方式構(gòu)架框圖。
【具體實(shí)施方式】
[0020]為更好地理解本發(fā)明，下面結(jié)合【具體實(shí)施方式】及附圖對本發(fā)明進(jìn)行更為詳細(xì)描述。在以下的描述中，當(dāng)已有的現(xiàn)有技術(shù)的詳細(xì)描述也許會淡化本發(fā)明的主題內(nèi)容時，這些描述在這兒將被忽略。
[0021]附圖1是意圖判定服務(wù)在云端服務(wù)器部署的硬件拓?fù)涫疽鈭D。
[0022]本發(fā)明提供的一種基于自動分類技術(shù)的語音意圖判定方法，可作為自動外呼系統(tǒng)的核心部件，以意圖判定服務(wù)的形式，部署在云端服務(wù)器上。
[0023]部署完成后，云端服務(wù)器具有根據(jù)用戶語音判定用戶意圖的能力:自動外呼系統(tǒng)將用戶語音提交給云端服務(wù)器，云端服務(wù)器調(diào)用意圖判定服務(wù)進(jìn)行用戶意圖判定，并將判定得到的用戶意圖返回給自動外呼系統(tǒng)，同時將相關(guān)結(jié)果存儲到結(jié)果數(shù)據(jù)庫系統(tǒng)以作備份。
[0024]在云端服務(wù)器，包括三個模塊:任務(wù)調(diào)度模塊、語音識別模塊和意圖分類模塊。其中，
任務(wù)調(diào)度模塊，其作用是提升云端服務(wù)器的并發(fā)處理能力，通過壓力控制和負(fù)載均衡，讓云端服務(wù)器能夠同時實(shí)現(xiàn)對多路用戶語音的意圖判定；
語音識別模塊，接收自動外呼系統(tǒng)服務(wù)器傳入的語音信息，對輸入語音進(jìn)行降噪、特征提取處理，將輸入語音轉(zhuǎn)化為特征序列，然后采用隱馬爾科夫連續(xù)語音識別器進(jìn)行語音識另IJ，將語音特征序列轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)；
意圖分類模塊，接收語音識別模塊處理后信息，將詞圖網(wǎng)絡(luò)轉(zhuǎn)化為帶權(quán)重的空間向量，并利用意圖分類模塊中訓(xùn)練好的意圖分類器進(jìn)行意圖自動分類，實(shí)現(xiàn)從語音到意圖的轉(zhuǎn)化，最后根據(jù)意圖所對應(yīng)字符庫領(lǐng)域選擇出最為正確的文字，形成高準(zhǔn)確率的語音識別，并將識別后信息發(fā)至自動外呼系統(tǒng)服務(wù)器；
附圖2是意圖判定服務(wù)中意圖分類模塊訓(xùn)練流程圖。
[0025]本發(fā)明提供的一種基于自動分類技術(shù)的語音意圖判定方法，突破了傳統(tǒng)的根據(jù)用戶語音中的文本來分析用戶的方法，而是在語音識別性能較差的情況下，采用并不足夠精確的詞圖網(wǎng)絡(luò)作為語音識別的產(chǎn)生結(jié)果，以自動分類方法替代文本語義分析的方法，實(shí)現(xiàn)對用戶意圖的判定。
[0026]在本方法中，一個基礎(chǔ)性的工作，就是訓(xùn)練意圖分類模塊所需的分類器。分類器的訓(xùn)練步驟如下:
(I)人工整理準(zhǔn)備訓(xùn)練集合，收集并截取大量包含用戶意圖的語音，人工標(biāo)注用戶語音中所包含的用戶意圖類別。最終得到大量帶有意圖標(biāo)注的用戶語音作為意圖判定服務(wù)的訓(xùn)練集合。
[0027](2)對訓(xùn)練集合中的用戶語音文檔，通過語音識別技術(shù)，將每一個用戶語音轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)。
[0028](3)針對詞圖網(wǎng)絡(luò)，采用特征選擇和特征抽取技術(shù)，從詞圖網(wǎng)絡(luò)中選擇最有代表性的特征，并實(shí)現(xiàn)從詞圖網(wǎng)絡(luò)到特征向量的映射。在特征向量映射過程中，可以采用各種統(tǒng)計值來衡量每一個詞語的信息量，包括詞文檔頻率(TF/IDF)、信息增益(Information Gain)、互信息(Mutual Information)、
Z2統(tǒng)計(CHI)等。同時，在這些統(tǒng)計量中，將詞圖網(wǎng)絡(luò)的詞語置信度以詞頻的方式進(jìn)行統(tǒng)
計值疊加，使得最終實(shí)現(xiàn)的特征向量能夠包含語音識別置信度信息。
[0029](4)對于從每一個用戶語音得到的特征向量，將其與對應(yīng)的用戶意圖類別進(jìn)行關(guān)聯(lián)，并訓(xùn)練兩者之間的映射模型，即意圖分類器模型。在模式識別領(lǐng)域，存在著大量的統(tǒng)計分類(statistical classifiers)和機(jī)器學(xué)習(xí)(machine learning)方法可以應(yīng)用到意圖分類服務(wù)中，包括:支撐向量機(jī)SVM (Support Vector Machines),k近鄰分類kNN(k-NearestNeighbor classifier),神經(jīng)網(wǎng)絡(luò)方法 NNet (neural network),樸素貝葉斯分類 NEKNaiveBayes)方法等。
[0030](5)最終，利用以上方法完成訓(xùn)練過程，可以得到適用于意圖判定服務(wù)的意圖分類器模型。
[0031]附圖3是語音識別產(chǎn)生的詞圖網(wǎng)絡(luò)結(jié)構(gòu)示例。
[0032]語音識別的目標(biāo)，是實(shí)現(xiàn)從語音信號到文本內(nèi)容的轉(zhuǎn)化。由于語音識別技術(shù)成熟度所限，在呼叫中心應(yīng)用場景中，存在著口音大、噪音大、窄帶失真率高、用戶說話不規(guī)范等特點(diǎn)，使得語音識別最終得到的文本內(nèi)容包含較多的錯誤。對這些錯誤進(jìn)行文本分析時，會造成用戶意圖的誤解。
[0033]實(shí)際上，在語音識別最終生成文本內(nèi)容之前，會在其識別過程中，保留很豐富的內(nèi)容信息一詞圖網(wǎng)絡(luò)。在詞圖網(wǎng)絡(luò)中，將語音對應(yīng)的幾乎所有可能的文本內(nèi)容都保留了下來。這里面首先會包含更大量的錯誤內(nèi)容，但同時也會包含幾乎所有的正確內(nèi)容。這些錯誤和正確的內(nèi)容混淆在一起，對于文本分析而言難以實(shí)用。
[0034]本發(fā)明創(chuàng)新性地引入文本分類的方法，在詞圖網(wǎng)絡(luò)上實(shí)現(xiàn)對意圖的判定。由于文本分類本質(zhì)上是一種相似度計算方法，不需要完全解析文本中的精細(xì)結(jié)構(gòu)，而是能夠?qū)⑺谢煜男畔⒕酆显谝黄鹩嬎?，根?jù)各種置信度和統(tǒng)計量來區(qū)分其權(quán)重，最終實(shí)現(xiàn)對用戶意圖的判定，因而在當(dāng)前的語音識別技術(shù)成熟度下，有很強(qiáng)的適應(yīng)性。
[0035]圖中所示的即為一個用戶語音的詞圖網(wǎng)絡(luò)樣例?？梢钥吹?，這句話在語音識別詞圖網(wǎng)絡(luò)中，存在多種可能的識別結(jié)果，有所有正確的內(nèi)容，同時也包含了大量錯誤的內(nèi)容。它將所有應(yīng)保留的信息都保留下來，通過后繼的意圖分類步驟實(shí)現(xiàn)對意圖的準(zhǔn)確把握。
[0036]附圖4是意圖判定服務(wù)應(yīng)用流程圖。
[0037]本發(fā)明提供的一種基于自動分類技術(shù)的語音意圖判定方法，在訓(xùn)練階段完成后，即可實(shí)現(xiàn)對任一用戶語音的意圖判定。具體步驟如下:
(1)部署了意圖判定服務(wù)的云端服務(wù)器接收需要判定用戶意圖的語音；
(2)將用戶語音提交給語音識別模塊，將其轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)；
(3)將詞圖網(wǎng)絡(luò)提交給意圖分類器進(jìn)行分類。意圖分類器通過特征選擇、特征提取等步驟，將詞圖網(wǎng)絡(luò)轉(zhuǎn)化為特征向量后，調(diào)用分類器模型進(jìn)行類別判定；
(4)得到用戶意圖后，實(shí)現(xiàn)從語音到意圖的轉(zhuǎn)化，最后根據(jù)意圖所對應(yīng)字符庫領(lǐng)域選擇出最為正確的文字，形成高準(zhǔn)確率的語音識別，并將識別后信息發(fā)至自動外呼系統(tǒng)服務(wù)器；
附圖5是本發(fā)明在自動外呼系統(tǒng)中的實(shí)施方式構(gòu)架框圖。
[0038]本發(fā)明提供的一種基于自動分類技術(shù)的語音意圖判定方法，主要應(yīng)用于自動外呼系統(tǒng)。在應(yīng)用過程中，需要將意圖服務(wù)模塊云端服務(wù)器與自動外呼系統(tǒng)的語音交換機(jī)(PBX)和計算機(jī)電話集成服務(wù)器(CTI)進(jìn)行對接，實(shí)現(xiàn)對用戶應(yīng)答過程中產(chǎn)生的語音進(jìn)行及時的傳輸，以及實(shí)現(xiàn)對意圖判定結(jié)果的及時回傳。
[0039]在自動外呼系統(tǒng)的一路通話過程中，系統(tǒng)與用戶之間存在著多個對話回合。在每一個對話回合，系統(tǒng)通過PBX將語音傳遞提交給云端服務(wù)器的語音意圖判定服務(wù)，語音意圖判定服務(wù)針對用戶語音判定用戶意圖，在明確用戶意圖后，將該用戶意圖返回給PBX及CTI,自動外呼系統(tǒng)根據(jù)用戶意圖采取適當(dāng)?shù)膽?yīng)答策略與用戶進(jìn)行對話，最終實(shí)現(xiàn)計算機(jī)與用戶之間的流暢溝通。
【權(quán)利要求】
1.一種自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定方法，其特征在于:它包括 云端服務(wù)器，其與自動外呼系統(tǒng)服務(wù)器和結(jié)果數(shù)據(jù)庫服務(wù)器連接，云端服務(wù)器內(nèi)含有任務(wù)調(diào)度模塊、語音識別模塊和意圖分類模塊； 任務(wù)調(diào)度模塊，其作用是提升云端服務(wù)器的并發(fā)處理能力，通過壓力控制和負(fù)載均衡，讓云端服務(wù)器能夠同時實(shí)現(xiàn)對多路用戶語音的意圖判定； 語音識別模塊，接收自動外呼系統(tǒng)服務(wù)器傳入的語音信息，對輸入語音進(jìn)行降噪、特征提取處理，將輸入語音轉(zhuǎn)化為特征序列，然后采用隱馬爾科夫連續(xù)語音識別器進(jìn)行語音識另IJ，將語音特征序列轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)； 意圖分類模塊，接收語音識別模塊處理后信息，將詞圖網(wǎng)絡(luò)轉(zhuǎn)化為帶權(quán)重的空間向量，并利用意圖分類模塊中訓(xùn)練好的意圖分類器進(jìn)行意圖自動分類，實(shí)現(xiàn)從語音到意圖的轉(zhuǎn)化，最后根據(jù)意圖所對應(yīng)字符庫領(lǐng)域選擇出最為正確的文字，形成高準(zhǔn)確率的語音識別，并將識別后信息發(fā)至自動外呼系統(tǒng)服務(wù)器； 結(jié)果數(shù)據(jù)庫服務(wù)器，用于儲存云端服務(wù)器運(yùn)行結(jié)果； 自動外呼系統(tǒng)服務(wù)器，采用計算機(jī)替代坐席，用計算機(jī)撥叫用戶號碼并與用戶對話，完成特定任務(wù)的一種應(yīng)用系統(tǒng)。
2.根據(jù)權(quán)利要求1所述的自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定識別方法，其特征在于:訓(xùn)練意圖分類器的具體做法包括以下步驟 a收集并截取大量包含用戶意圖的語音，人工標(biāo)注用戶語音中所包含的用戶意圖類別，得到大量帶有意圖標(biāo)注的用戶語音； b將帶有意圖標(biāo)注的用戶語音，通過語音識別技術(shù)，將每一個用戶語音轉(zhuǎn)化為帶有置信度的詞圖網(wǎng)絡(luò)； c針對詞圖網(wǎng)絡(luò)，采用特征選擇和特征抽取技術(shù)，從詞圖網(wǎng)絡(luò)中選擇最有代表性的特征，并實(shí)現(xiàn)從詞圖網(wǎng)絡(luò)到特征向量的映射； d對于從每一個用戶語音得到的特征向量，將其與對應(yīng)的用戶意圖類別進(jìn)行關(guān)聯(lián)，并訓(xùn)練兩者之間的映射模型，即意圖分類器模型。
3.根據(jù)權(quán)利要求1所述的自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定識別方法，其特征在于:每獲取一句用戶語音后，意圖分類模塊會對用戶意圖進(jìn)一步細(xì)化，為自動外呼系統(tǒng)服務(wù)器與用戶溝通提供更精準(zhǔn)的信息，使溝通更加自然、流暢。
4.根據(jù)權(quán)利要求4所述的自動外呼系統(tǒng)基于自動分類技術(shù)的語音意圖判定識別方法，其特征在于:用語音識別模并不產(chǎn)生最終的識別結(jié)果，而是用于獲取帶權(quán)重的詞圖網(wǎng)絡(luò)。
【文檔編號】H04L29/08GK103458056SQ201310437748
【公開日】2013年12月18日 申請日期:2013年9月24日 優(yōu)先權(quán)日:2013年9月24日
【發(fā)明者】李建洲, 楊興榮 申請人:貴陽世紀(jì)恒通科技有限公司