CN113744737B - 语音识别模型的训练、人机交互方法、设备和存储介质 - Google Patents
语音识别模型的训练、人机交互方法、设备和存储介质 Download PDFInfo
- Publication number
- CN113744737B CN113744737B CN202111054577.7A CN202111054577A CN113744737B CN 113744737 B CN113744737 B CN 113744737B CN 202111054577 A CN202111054577 A CN 202111054577A CN 113744737 B CN113744737 B CN 113744737B
- Authority
- CN
- China
- Prior art keywords
- text information
- voice
- voice data
- power industry
- term
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000003993 interaction Effects 0.000 title claims abstract description 33
- 238000012549 training Methods 0.000 title claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 235000006025 Durio zibethinus Nutrition 0.000 description 1
- 240000000716 Durio zibethinus Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例提供了一种语音识别模型的训练、人机交互方法、设备和存储介质，该方法包括：获取属于非电力行业的第一语音数据、作为第一语音数据的内容的第一文本信息，获取属于电力行业的术语，将术语融入第一文本信息，获得属于电力行业的第二文本信息，校验第二文本信息对于电力行业的合法性，若第二文本信息对于电力行业合法，则将术语融入第一语音数据，获得属于电力行业的第二语音数据，以第二语音数据为样本、第二文本信息为标签，训练语音识别模型，以将属于电力行业的语音数据转换为文本信息，摆脱了人工进行语料的标记，大大降低了耗时，电力行业的语料的标记准确性高，大大降低了成本偏高，并大大提高了效率。
Description
技术领域
本发明实施例涉及电力的技术领域，尤其涉及一种语音识别模型的训练、人机交互方法、设备和存储介质。
背景技术
随着深度学习领域的发展，语音识别、人机交互等人工智能技术的成熟，大量基于人工智能的新一代服务应用被广泛的应用在电力，金融，互联网等多个行业，成为整体智能化发展的基础建设。
语音识别为人机交互的基础，为了实现训练电力行业中用于语音识别的模型，需求大量的语料，但是，电力行业的语料数量无法和通用的语料数量相比，若直接按照学术上不考虑数据集数量的情况直接训练，用于语音识别的模型因语料的数量不足而导致性能偏低。
如果人工进行语料的标记，由于语料的需求量巨大，人工的耗时长，并且容易出错，将导致成本偏高，但效率偏低。
发明内容
本发明实施例提出了一种语音识别模型的训练、人机交互方法、设备和存储介质，以解决电力行业中用于语音识别的模型因语料的数量不足而导致性能偏低的问题。
第一方面，本发明实施例提供了一种语音识别模型的训练方法，包括：
获取属于非电力行业的第一语音数据、作为所述第一语音数据的内容的第一文本信息；
获取属于电力行业的术语；
将所述术语融入所述第一文本信息，获得属于所述电力行业的第二文本信息；
校验所述第二文本信息对于所述电力行业的合法性；
若所述第二文本信息对于所述电力行业合法，则将所述术语融入所述第一语音数据，获得属于所述电力行业的第二语音数据；
以所述第二语音数据为样本、所述第二文本信息为标签，训练语音识别模型，以将属于所述电力行业的语音数据转换为文本信息。
第二方面，本发明实施例还提供了一种人机交互方法，包括：
接收电力行业中表示问题的语音数据；
加载如第一方面所述的方法训练的语音识别模型；
调用所述语音识别模型将所述语音数据转换为文本信息；
在所述电力行业中查询用于解决所述文本信息所表示的问题的答案。
第三方面，本发明实施例还提供了一种语音识别模型的训练装置，包括：
训练集获取模块，用于获取属于非电力行业的第一语音数据、作为所述第一语音数据的内容的第一文本信息；
电力术语获取模块，用于获取属于电力行业的术语；
文本信息融合模块，用于将所述术语融入所述第一文本信息，获得属于所述电力行业的第二文本信息；
合法性校验模块，用于校验所述第二文本信息对于所述电力行业的合法性；
语音数据融合模块，用于若所述第二文本信息对于所述电力行业合法，则将所述术语融入所述第一语音数据，获得属于所述电力行业的第二语音数据；
模型训练模块，用于以所述第二语音数据为样本、所述第二文本信息为标签，训练语音识别模型，以将属于所述电力行业的语音数据转换为文本信息。
第四方面，本发明实施例还提供了一种人机交互装置，包括：
问题接收模块，用于接收电力行业中表示问题的语音数据；
语音识别模型加载模块，用于加载如第一方面所述的方法或如第三方面所述的装置训练的语音识别模型；
文本转换模块，用于调用所述语音识别模型将所述语音数据转换为文本信息；
问题查询模块，用于在所述电力行业中查询用于解决所述文本信息所表示的问题的答案。
第五方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的语音识别模型的训练方法或者如第二方面所述的人机交互方法。
第六方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方所述的语音识别模型的训练方法或者如第二方面所述的人机交互方法。
在本实施例中，获取属于非电力行业的第一语音数据、作为第一语音数据的内容的第一文本信息，获取属于电力行业的术语，将术语融入第一文本信息，获得属于电力行业的第二文本信息，校验第二文本信息对于电力行业的合法性，若第二文本信息对于电力行业合法，则将术语融入第一语音数据，获得属于电力行业的第二语音数据，以第二语音数据为样本、第二文本信息为标签，训练语音识别模型，以将属于电力行业的语音数据转换为文本信息，本实施例在非电力行业的语料的基础上，参照电力行业的术语构造电力行业的语料，可以保证语料的真实性，由于非电力行业的语料众多，使得电力行业的语料数量充足，可用于训练语音识别模型，摆脱了人工进行语料的标记，大大降低了耗时，基于非电力行业的语料的标记先验的准确性，电力行业的语料的标记准确性高，大大降低了成本偏高，并大大提高了效率。
进一步地，电力行业中数量充足且准确的语料可以训练高性能的语音识别模型，提高了在电力行业中语音识别的准确率，后续基于高准确的语音识别结果进行人机交互，可以保证人机交互的质量。
附图说明
图1为本发明实施例一提供的一种语音识别模型的训练方法的流程图；
图2是本发明实施例二提供的一种人机交互方法的流程图；
图3为本发明实施例三提供的一种语音识别模型的训练装置的结构示意图；
图4为本发明实施例四提供的一种人机交互装置的结构示意图；
图5为本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种语音识别模型的训练方法的流程图，本实施例可适用于基于通用的语料生成电力行业的语料、从而训练语音识别模型的情况，该方法可以由语音识别模型的训练装置来执行，该语音识别模型的训练装置可以由软件和/或硬件实现，可配置在计算机设备中，例如，个人电脑、服务器、工作站，等等，具体包括如下步骤：
步骤101、获取属于非电力行业的第一语音数据、作为第一语音数据的内容的第一文本信息。
为便于采集足够数量的数据集，在本实施例中，可以在开源的数据库和/或开源的项目等通用的渠道中采集属于非电力行业的第一语音数据、作为第一语音数据的内容的第一文本信息，即，说话者说出“第一文本信息”时记录“第一音频数据”。
其中，非电力行业可以指除电力行业之外的其他行业，例如，教育行业、体育行业、媒体行业，等等，在非电力行业中，出现电力行业的术语可能性较低，但容易采集，数据量大。
此外，第一语音数据通常为句子级别的语音数据，可以是同一种语言(如中文)下的语音数据，也可以是不同语言(如中文、英文)下的语音数据，本实施例对此不加以限制。
步骤102、获取属于电力行业的术语。
在本实施例中，可以在开源的数据库和/或开源的项目等通用的渠道属于电力行业的术语，或者，在电力行业提供的网站中采集属于电力行业的术语。
其中，属于电力行业的术语可以指电力专业的术语，可以是短语，也可以是短句，例如，无功电压控制信息AVC、配电管理***DMIS、电能量采集与计费***TMR、分散控制***DCS，单元机组电气控制***ECS，等等。
步骤103、将术语融入第一文本信息，获得属于电力行业的第二文本信息。
在本实施例中，将电力行业的术语融入非电力行业的第一文本信息中，形成新的文本信息，由于该新的文本信息包含电力行业的术语，可视为描述电力行业的句子，因此，可记为属于电力行业的第二文本信息。
在本发明的一个实施例中，步骤103可以包括如下步骤：
步骤1031、按照语法结构将第一文本信息划分为多个第一关键词。
在本实施例中，可以使用语法树、依赖树的词性标注、语法边、树结构等方式对第一文本信息进行自然语言处理，识别该第一文本信息中的语法结构，如主谓宾等，在语法结构中的每个词性(如主语、谓语、宾语等)映射至第一文本信息中的第一关键词。
步骤1032、确定第一关键词的第一长度。
对第一关键词中的最小单元(如汉字、字母等)进行统计，将最小单元的数量设置为第一关键词的第一长度。
步骤1033、在第一文本信息中，将符合目标条件的术语替换第一关键词，获得属于电力行业的第二文本信息。
在本实施例中，遍历第一文本信息中的第一关键词，寻找符合目标条件的第一关键词。
其中，目标条件包括如下两条：
1、术语的第二长度与第一长度之间的差异小于或等于第一阈值
对术语中的最小单元(如汉字、字母等)进行统计，将最小单元的数量设置为术语的第二长度。
计算术语的第二长度与第一关键词的第一长度之间的差异(以绝对值表示)，将该差异与预设的第一阈值进行比较。
若该差异小于或等于该第一阈值，表示术语与第一关键词之间的差异较小，此时，若将术语替换该第一关键词，对于第一语音数据的影响较小，保持后续基于第一语音数据生成第二语音数据的真实性。
若该差异大于该第一阈值，表示术语与第一关键词之间的差异较大，此时，若将术语替换该第一关键词，对于第一语音数据的影响较大，后续基于第一语音数据生成第二语音数据容易失真。
2、术语适用于语法结构
术语的词性与第一关键词的词性一致，如术语为名词、第一关键词为名词，两者均可以作为主语、谓语，使得术语可应用替换第一关键词生成第二文本信息时，第二文本信息的语法结构合理，从而保证第二文本信息的真实性。
术语的词性与第一关键词的词性不一致，如术语为动词、第一关键词为名词，术语可以作为谓语、第一关键词可以作为主语、谓语，使得术语可应用替换第一关键词生成第二文本信息时，第二文本信息的语法结构不合理，第二文本信息容易失真。
步骤104、校验第二文本信息对于电力行业的合法性。
在本实施例中，对于融合术语生成的第二文本信息，可能是电力行业出现的句子，也可能不是电力行业出现的句子，为了保证语料的准确性，可以校验第二文本信息对于电力行业的合法性，即，校验第二文本信息是否为电力行业合法的句子。
例如，设第一文本信息为“这台电脑坏了”，“小明家的电脑坏了”，电力行业的术语为“变压器”，将该术语“变压器”替换第一关键词“电脑”，可以得到第二文本信息“这台变压器坏了”，“小明家的变压器坏了”，对于电力行业而言，变压器并不会设置在某一个人家中，“这台变压器坏了”为电力行业中合法的句子，而“小明家的变压器坏了”为电力行业中非法的句子。
在本发明的一个实施例中，步骤104包括如下步骤：
步骤1041、获取属于电力行业的第三文本信息。
在本实施例中，可以在开源的数据库和/或开源的项目等通用的渠道属于电力行业的第三文本信息，或者，在电力行业提供的网站中采集属于电力行业的第三文本信息。
其中，属于电力行业的第三文本信息通常为句子，可以是同一种语言(如中文)下的文本信息，也可以是不同语言(如中文、英文)下的文本信息，本实施例对此不加以限制。
步骤1042、计算第二文本信息与第三文本信息之间的相似度。
在本实施例中，可以通过编辑距离、TF-IDF(term frequency–inverse documentfrequency，词频-逆文本频率指数)、simhash、主题建模LDA、doc2vec、word2vec等算法计算第二文本信息与第三文本信息之间的相似度，该相似度可以在一定程度上反映用户是否在电力行业说出第二文本信息。
步骤1043、计算第二文本信息中、包含术语的语法结构在第三文本信息中的分布概率。
将第二文本信息中、包含术语的语法结构作为整体，考量该整体在第三文本信息中分布的情况，计算该整体在第三文本信息中的分布概率，该分布概率可以在一定程度上反映用户是否在电力行业说出第二文本信息。
在一种计算分布概率的方式中，可通过基于同样的字符串匹配等方式对第三文本信息进行分词处理，从而查询到第三文本信息中的第二关键词。
统计各个第二关键词在第三文本信息中的依赖概率，其中，依赖概率为第一词频数与第二词频数的比值，第一词频数为当前第二关键词在第三文本信息中出现在其他第二关键词之后的词频数，第二词频数为其他第二关键词在第三文本信息中的总词频数。
假设第二关键词的出现仅仅依赖于它前面出现的有限的一个或者几个第二关键词。对于一个句子T，可以假设T是由词序列W1，W2，W3，…，Wn组成，那么这个句子T由W1，W2，W3，…，Wn连接组成的概率为P(T)＝P(W1W2W3…Wn)＝P(W1)P(W2|W1)P(W3|W1W2)…P(Wn|W1W2…Wn-1)。
如果一个第二关键词的出现仅依赖于它前面出现的一个第二关键词，则P(T)＝P(W1W2W3…Wn)＝P(W1)P(W2|W1)P(W3|W1W2)…P(Wn|W1W2…Wn-1)≈P(W1)P(W2|W1)P(W3|W2)…P(Wn|Wn-1)。
将术语与第一关键词作为语法结构的代表，与存在依赖关系的多个第二关键词进行比较。
当术语与当前第二关键词相同、且第一关键词与其他第二关键词相同时，将依赖概率设置为第二文本信息中、包含术语的语法结构在第三文本信息中的分布概率，其中，第一关键词为在第一文本信息中被术语替换的关键词。
步骤1044、若相似度大于或等于第二阈值、且分布概率大于或等于第三阈值，则确定第二文本信息对于电力行业合法。
如果相似度大于或等于第二阈值、且分布概率大于或等于第三阈值，表示第二文本信息具有较大的几率出现在电力行业中，则可以确定第二文本信息对于电力行业合法。
此外，若相似度小于第二阈值、且分布概率小于第三阈值，表示第二文本信息具有较小的几率出现在电力行业中，则可以确定第二文本信息对于电力行业非法。
步骤105、若第二文本信息对于电力行业合法，则将术语融入第一语音数据，获得属于电力行业的第二语音数据。
如果第二文本信息对于电力行业合法，则可以进一步地参考术语的发音，在第一语音数据的基础上形成新的语音数据，记为属于电力行业的第二语音数据，使得第二语音数据的内容为第二文本信息。
在本发明的一个实施例中，步骤105包括如下步骤：
步骤1051、在第一语音数据中查询内容为第一关键词的第一语音信号。
在本实施例中，第一关键词为在第一文本信息中被术语替换的关键词，第一语音数据包括多帧语音信号，每帧语音信号已预先标记关联的字，此时，可以查找组成第一关键词的字对应的语音信号，记为第一语音信号。
步骤1052、确定语音转换模型。
在本实施例中，可预先训练语音转换模型，该语音转换模型用于将文本信息转换为语音信号，即实现从文本到语音(TextToSpeech)的操作，语音转换模型的输入为文本信息，输出为语音信号。
步骤1053、调用语音转换模型将术语转换为第二语音信号。
将电力行业的术语(文本信息)输入语音转换模型中，语音转换模型按照自身的逻辑对语音转换模型进行处理，输出语音信号，记为第二语音信号，即第二语音信号的内容为电力行业的术语。
进一步地，部分语音转换模型可以使用少量的话语(如，数秒持续时间的句子)中学习说话者的特征，即，部分语音转换模型具有语音复制(voice cloning)的功能，如DurIAN，Deep Voice等。
在这些语音转换模型中，通常聚焦于两种基本的方法，以解决语音复制的问题：说话者适应(speaker adaptation)和说话者编码(speaker encoding)，这两种技术都可以通过说话者嵌入向量应用于一个多说话者生成语音转换模型，而不会降低语音质量。关于语音的自然性以及它和原始说话者的相似性，这两种方法都可以获得很好的性能，即使只有少量的复制音频。
那么，可以在开源的数据库和/或开源的项目等通用的渠道中获取多段第三语音数据、作为每段第三语音数据的内容的第四文本信息，其中，第三语音数据的音色与第一语音数据的音色相同，即，第三语音数据与第一语音数据均为同一说话者说出的语音。
以第一语音数据与第三语音数据为样本、第一文本信息与第四文本信息为标签，使用有监督的方式更新语音转换模型的参数，以使语音转换模型用于合成音色的语音信号，此时，该语音转换模型具备复制第一语音数据与第三语音数据的说话者的功能。
在限定该说话者的音色的条件下，将术语输入更新之后的语音转换模型中进行处理，获得音色与第一语音数据相同的第二语音信号，可以保证后续生成第二语音数据时的自然性、真实性。
步骤1054、在第一语音数据中，将第二语音信号替换第一语音信号，获得属于电力行业的第二语音数据。
在本第一语音数据中，将电力行业中内容为术语的第二语音信号替换非电力行业中表示第一关键词的第一语音信号，形成新的语音数据，由于该新的语音数据包含电力行业的术语，可视为描述电力行业的句子，因此，可记为属于电力行业的第二语音数据。
进一步地，可以在第二语音信号中确定第一目标信号、第二目标信号，第一目标信号为第二语音信号中排序起始的多帧语音信号，第二目标信号为第二语音信号中排序们末尾的多帧语音信号。
在第一语音数据中确定第一参考信号、第二参考信号，第一参考信号为第一语音数据中与第一目标信号相邻的多帧语音信号，第二参考信号为第一语音数据中与第二目标信号相邻的多帧语音信号。
分别在音量等音频参数下对第一参考信号与第一目标信号进行平滑处理、对第二参考信号与第二目标信号进行平滑处理。
若平滑处理完成，则将第二语音信号替换第一语音信号，获得属于电力行业的第二语音数据，使得第二语音信号与第一语音数据中其他语音信号更加平滑地过渡，保证第二语音数据的自然性、真实性。
步骤106、以第二语音数据为样本、第二文本信息为标签，训练语音识别模型，以将属于电力行业的语音数据转换为文本信息。
在本实施例中，可以将第二文本信息标注为第二语音数据的标签，表示第二语音数据真实的内容。
以第二文本信息作为样本，在标签的监督下，对语音识别模型进行有监督训练，提高语音识别模型对第二语音数据的学习能力，提高语音识别模型在电力行业的泛化能力，从而提高在电力行业进行语音识别的准确性，保证后续人机交互的准确性。
其中，语音识别模型的结构不局限于人工设计的神经网络，如CNN(ConvolutionalNeural Network，卷积神经网络)、RNN(Rerrent Neural Network，循环神经网络)等，也可以通过模型量化方法优化的神经网络，通过NAS(神经网络结构搜索)方法针对电力行业的题型搜索的神经网络，等等，本实施例对此不加以限制。
进一步而言，可以重新训练语音识别模型，也可以对已有的第三方模型进行微调(fine-tuning)，得到语音识别模型，还可以是对语音识别模型进行持续学习，等等，本实施例对此不加以限制。
在本实施例中，获取属于非电力行业的第一语音数据、作为第一语音数据的内容的第一文本信息，获取属于电力行业的术语，将术语融入第一文本信息，获得属于电力行业的第二文本信息，校验第二文本信息对于电力行业的合法性，若第二文本信息对于电力行业合法，则将术语融入第一语音数据，获得属于电力行业的第二语音数据，以第二语音数据为样本、第二文本信息为标签，训练语音识别模型，以将属于电力行业的语音数据转换为文本信息，本实施例在非电力行业的语料的基础上，参照电力行业的术语构造电力行业的语料，可以保证语料的真实性，由于非电力行业的语料众多，使得电力行业的语料数量充足，可用于训练语音识别模型，摆脱了人工进行语料的标记，大大降低了耗时，基于非电力行业的语料的标记先验的准确性，电力行业的语料的标记准确性高，大大降低了成本偏高，并大大提高了效率。
进一步地，电力行业中数量充足且准确的语料可以训练高性能的语音识别模型，提高了在电力行业中语音识别的准确率，后续基于高准确的语音识别结果进行人机交互，可以保证人机交互的质量。
实施例二
图2为本发明实施例二提供的一种人机交互方法的流程图，本实施例可适用于在电力行业基于语音识别模型识别语音并进行人机交互的情况，该方法可以由人机交装置来执行，该人机交模装置可以由软件和/或硬件实现，可配置在计算机设备中，该计算机设备可以为用户端的设备，例如，个人电脑、移动终端、部署在电力场所的服务终端或智能机器人等，该计算机设备也可以为服务端的设备，例如，服务器、工作站，等等，具体包括如下步骤：
步骤201、接收电力行业中表示问题的语音数据。
在本实施例中，计算机设备可以在本地或向远端的客户端提供用户交互界面(User Interface，UI)，该用户交互界面提供咨询电力行业问题的功能，如智能机器人的交互界面、搜索故障解决方式的交互界面等，用户可以在该用户交互界面上进行操作，在输入问题时说话，此时，在本地或远程的客户端可调用麦克风录制语音数据，得到电力行业中表示问题的语音数据。
步骤202、加载语音识别模型。
在本实施例中，可以预先通过实施例一的方法训练语音识别模型，并存储其结构及参数，在应用语音识别模型时，将语音识别模型及其参数加载至内存进行运行。
步骤203、调用语音识别模型将语音数据转换为文本信息。
将语音数据输入语音识别模型中，语音识别模型按照自身的逻辑对语音数据进行语音识别，输出文本信息。
由于语音识别模型是针对电力行业定制训练的，因此，在对电力行业中表示问题的语音数据进行语音识别时，可以获得高准确性的文本信息。
步骤204、在电力行业中查询用于解决文本信息所表示的问题的答案。
在进行了语音识别得到作为用户询问的问题的文本信息之后，理解问题的含义，识别用户的意图。此时，可以对问题进行归一化、拼写纠错等处理，再调用分词、实体识别、句法分析等语义识别，以方便对询问语句做进一步的处理。
在此过程中，对人机交互的对话进行状态追踪(DST)，更新对话状态，DST会记录到目前为止用户所有的聊天记录，已经发生的***行为，用于更新对话状态；依据更新后的对话状态来决定接下来的策略，决定这个信息是交由哪个服务处理。激活某个服务后，这个服务也会有自己的对话策略或者流程，来最终决定返回什么信息作为回复。
在电力行业中，对于用户提出的问题可以采用如下三种方法进行答案的搜索和反馈：
(1)、FAQ(Frequently Asked Questions，常见问题)
FAQ把用户经常提问的问题和相关答案保存起来。对于用户输入的问题，可以在FAQ库中查找答案。如果能够找到相应的问题，就可以直接将问题所对应的答案返回给用户，而不需要经过问题理解、信息检索、答案抽取等许多复杂的处理过程，提高了效率。
在FAQ库中在用户问题候选问题集的基础上，建立常问问题集的倒排索引，提高了***的检索效率，同时，可以用基于语义的方法计算相似度提高了问题的匹配精度，即，从用户输入到答案输出，FAQ***主要经过答案检索、语义匹配、答案重排序等过程。
(2)、DocQA(抽取式问答)
所谓抽取式问答，也可以称为机器阅读理解任务，指的就是给一段参考文本描述，然后对应的给一个问题，然后机器通过阅读参考文本后，抽取出文本中对应问题的答案。在特定的情况下还需要对抽取出的答案进行整合、加工、复述形成信达雅的正确答案。
(3)、KBQA(Knowledge Based Qustioning and Answering，知识图谱的问答)
基于知识图谱的问答利用构建的营销、配网领域知识图谱，可以知道知识本体与知识间的关联。这使得问答***具有推理功能，能够回答一些较为复杂的问题。
基于知识图谱的问答过程捅错包括***分析问题，通过实体链指(EntityLinking)、关系抽取(Relation Detection)等等方法得到需要匹配的实体，并在知识库中查找相应的问题答案。
该方法使用命名实体识别与关系抽取的方式对查询语句进行分析，结合分析结果，以状态转移的思想使用模型生成查询子图。最终使用查询子图在知识库中取得答案。我们使用的生成查询子图方式使KBQA***能够在单跳查询与多跳查询中实现当前最先进的结果。
在本实施例中，接收电力行业中表示问题的语音数据，加载语音识别模型，调用语音识别模型将语音数据转换为文本信息，在电力行业中查询用于解决文本信息所表示的问题的答案，本实施例在先在非电力行业的语料的基础上，参照电力行业的术语构造电力行业的语料，可以保证语料的真实性，由于非电力行业的语料众多，使得电力行业的语料数量充足，可用于训练语音识别模型，摆脱了人工进行语料的标记，大大降低了耗时，基于非电力行业的语料的标记先验的准确性，电力行业的语料的标记准确性高，大大降低了成本偏高，并大大提高了效率。
电力行业中数量充足且准确的语料可以训练高性能的语音识别模型，在语音势必时，可以提高了在电力行业中语音识别的准确率，后续基于高准确的语音识别结果进行人机交互，可以保证人机交互的质量，准确地针对用户提出的问题查找到答案。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
实施例三
图3为本发明实施例三提供的一种语音识别模型的训练装置的结构框图，具体可以包括如下模块：
训练集获取模块301，用于获取属于非电力行业的第一语音数据、作为所述第一语音数据的内容的第一文本信息；
电力术语获取模块302，用于获取属于电力行业的术语；
文本信息融合模块303，用于将所述术语融入所述第一文本信息，获得属于所述电力行业的第二文本信息；
合法性校验模块304，用于校验所述第二文本信息对于所述电力行业的合法性；
语音数据融合模块305，用于若所述第二文本信息对于所述电力行业合法，则将所述术语融入所述第一语音数据，获得属于所述电力行业的第二语音数据；
模型训练模块306，用于以所述第二语音数据为样本、所述第二文本信息为标签，训练语音识别模型，以将属于所述电力行业的语音数据转换为文本信息。
在本发明的一个实施例中，所述文本信息融合模块303还用于：
按照语法结构将所述第一文本信息划分为多个第一关键词；
确定所述第一关键词的第一长度；
在所述第一文本信息中，将符合目标条件的所述术语替换所述第一关键词，获得属于所述电力行业的第二文本信息；
其中，所述目标条件包括所述术语的第二长度与所述第一长度之间的差异小于或等于第一阈值，所述术语适用于所述语法结构。
在本发明的一个实施例中，所述合法性校验模块304还用于：
获取属于所述电力行业的第三文本信息；
计算所述第二文本信息与所述第三文本信息之间的相似度；
计算所述第二文本信息中、包含所述术语的语法结构在所述第三文本信息中的分布概率；
若所述相似度大于或等于第二阈值、且所述分布概率大于或等于第三阈值，则确定所述第二文本信息对于所述电力行业合法。
在本发明的一个实施例中，所述合法性校验模块304还用于：
查询所述第三文本信息中的第二关键词；
统计各个所述第二关键词在所述第三文本信息中的依赖概率，其中，所述依赖概率为第一词频数与第二词频数的比值，所述第一词频数为当前所述第二关键词在所述第三文本信息中出现在其他所述第二关键词之后的词频数，所述第二词频数为其他所述第二关键词在所述第三文本信息中的总词频数；
当所述术语与当前所述第二关键词相同、且第一关键词与其他所述第二关键词相同时，将所述依赖概率设置为所述第二文本信息中、包含所述术语的语法结构在所述第三文本信息中的分布概率，所述第一关键词为在所述第一文本信息中被所述术语替换的关键词。
在本发明的一个实施例中，所述语音数据融合模块305还用于：
在所述第一语音数据中查询内容为第一关键词的第一语音信号，所述第一关键词为在所述第一文本信息中被所述术语替换的关键词；
确定语音转换模型，所述语音转换模型用于将文本信息转换为语音信号；
调用所述语音转换模型将所述术语转换为第二语音信号；
在所述第一语音数据中，将所述第二语音信号替换所述第一语音信号，获得属于所述电力行业的第二语音数据。
在本发明的一个实施例中，所述语音数据融合模块305还用于：
获取第三语音数据、作为所述第三语音数据的内容的第四文本信息，所述第三语音数据的音色与所述第一语音数据的音色相同；
以所述第一语音数据与所述第三语音数据为样本、所述第一文本信息与所述第四文本信息为标签，更新所述语音转换模型，以使所述语音转换模型用于合成所述音色的语音信号；
在限定所述音色的条件下，将所述术语输入更新之后的所述语音转换模型中进行处理，获得音色与所述第一语音数据相同的第二语音信号。
在本发明的一个实施例中，所述语音数据融合模块305还用于：
在所述第二语音信号中确定第一目标信号、第二目标信号，所述第一目标信号为所述第二语音信号中排序起始的多帧语音信号，所述第二目标信号为所述第二语音信号中排序们末尾的多帧语音信号；
在所述第一语音数据中确定第一参考信号、第二参考信号，所述第一参考信号为所述第一语音数据中与所述第一目标信号相邻的多帧语音信号，所述第二参考信号为所述第一语音数据中与所述第二目标信号相邻的多帧语音信号；
分别对所述第一参考信号与所述第一目标信号、所述第二参考信号与所述第二目标信号进行平滑处理；
若所述平滑处理完成，则将所述第二语音信号替换所述第一语音信号，获得属于所述电力行业的第二语音数据。
本发明实施例所提供的语音识别模型的训练装置可执行本发明任意实施例所提供的语音识别模型的训练方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种人机交互装置的结构框图，具体可以包括如下模块：
问题接收模块401，用于接收电力行业中表示问题的语音数据；
语音识别模型加载模块402，用于加载语音识别模型；
其中，语音识别模型可以通过实施例一的方法或实施例三的装置训练。
文本转换模块403，用于调用所述语音识别模型将所述语音数据转换为文本信息；
问题查询模块404，用于在所述电力行业中查询用于解决所述文本信息所表示的问题的答案。
本发明实施例所提供的人机交互装置可执行本发明任意实施例所提供的人机交互方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的语音识别模型的训练方法或人机交互方法。
实施例六
本发明实施例六还提供一种计算机可读存储介质，计算机可读存储介质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语音识别模型的训练方法或人机交互方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种语音识别模型的训练方法，其特征在于，包括：
获取属于非电力行业的第一语音数据、作为所述第一语音数据的内容的第一文本信息；
获取属于电力行业的术语；
将所述术语融入所述第一文本信息，获得属于所述电力行业的第二文本信息；
校验所述第二文本信息对于所述电力行业的合法性；
若所述第二文本信息对于所述电力行业合法，则将所述术语融入所述第一语音数据，获得属于所述电力行业的第二语音数据；
以所述第二语音数据为样本、所述第二文本信息为标签，训练语音识别模型，以将属于所述电力行业的语音数据转换为文本信息；
其中，所述校验所述第二文本信息对于所述电力行业的合法性，包括：
获取属于所述电力行业的第三文本信息；
计算所述第二文本信息与所述第三文本信息之间的相似度；
计算所述第二文本信息中、包含所述术语的语法结构在所述第三文本信息中的分布概率；
若所述相似度大于或等于第二阈值、且所述分布概率大于或等于第三阈值，则确定所述第二文本信息对于所述电力行业合法。
2.根据权利要求1所述的方法，其特征在于，所述将所述术语融入所述第一文本信息，获得属于所述电力行业的第二文本信息，包括：
按照语法结构将所述第一文本信息划分为多个第一关键词；
确定所述第一关键词的第一长度；
在所述第一文本信息中，将符合目标条件的所述术语替换所述第一关键词，获得属于所述电力行业的第二文本信息；
其中，所述目标条件包括所述术语的第二长度与所述第一长度之间的差异小于或等于第一阈值，所述术语适用于所述语法结构。
3.根据权利要求1所述的方法，其特征在于，所述计算所述第二文本信息中包含所述术语的语法结构在所述第三文本信息中的分布概率，包括：
查询所述第三文本信息中的第二关键词；
统计各个所述第二关键词在所述第三文本信息中的依赖概率，其中，所述依赖概率为第一词频数与第二词频数的比值，所述第一词频数为当前所述第二关键词在所述第三文本信息中出现在其他所述第二关键词之后的词频数，所述第二词频数为其他所述第二关键词在所述第三文本信息中的总词频数；
当所述术语与当前所述第二关键词相同、且第一关键词与其他所述第二关键词相同时，将所述依赖概率设置为所述第二文本信息中、包含所述术语的语法结构在所述第三文本信息中的分布概率，所述第一关键词为在所述第一文本信息中被所述术语替换的关键词。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述将所述术语融入所述第一语音数据，获得属于所述电力行业的第二语音数据，包括：
在所述第一语音数据中查询内容为第一关键词的第一语音信号，所述第一关键词为在所述第一文本信息中被所述术语替换的关键词；
确定语音转换模型，所述语音转换模型用于将文本信息转换为语音信号；
调用所述语音转换模型将所述术语转换为第二语音信号；
在所述第一语音数据中，将所述第二语音信号替换所述第一语音信号，获得属于所述电力行业的第二语音数据。
5.根据权利要求4所述的方法，其特征在于，所述调用所述语音转换模型将所述术语转换为第二语音信号，包括：
获取第三语音数据、作为所述第三语音数据的内容的第四文本信息，所述第三语音数据的音色与所述第一语音数据的音色相同；
以所述第一语音数据与所述第三语音数据为样本、所述第一文本信息与所述第四文本信息为标签，更新所述语音转换模型，以使所述语音转换模型用于合成所述音色的语音信号；
在限定所述音色的条件下，将所述术语输入更新之后的所述语音转换模型中进行处理，获得音色与所述第一语音数据相同的第二语音信号。
6.根据权利要求5所述的方法，其特征在于，所述在所述第一语音数据中，将所述第二语音信号替换所述第一语音信号，获得属于所述电力行业的第二语音数据，包括：
在所述第二语音信号中确定第一目标信号、第二目标信号，所述第一目标信号为所述第二语音信号中排序起始的多帧语音信号，所述第二目标信号为所述第二语音信号中排序们末尾的多帧语音信号；
在所述第一语音数据中确定第一参考信号、第二参考信号，所述第一参考信号为所述第一语音数据中与所述第一目标信号相邻的多帧语音信号，所述第二参考信号为所述第一语音数据中与所述第二目标信号相邻的多帧语音信号；
分别对所述第一参考信号与所述第一目标信号、所述第二参考信号与所述第二目标信号进行平滑处理；
若所述平滑处理完成，则将所述第二语音信号替换所述第一语音信号，获得属于所述电力行业的第二语音数据。
7.一种人机交互方法，其特征在于，包括：
接收电力行业中表示问题的语音数据；
加载如权利要求1-6中任一项所述的方法训练的语音识别模型；
调用所述语音识别模型将所述语音数据转换为文本信息；
在所述电力行业中查询用于解决所述文本信息所表示的问题的答案。
8.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的语音识别模型的训练方法或者如权利要求7所述的人机交互方法。
9.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的语音识别模型的训练方法或者如权利要求7所述的人机交互方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111054577.7A CN113744737B (zh) | 2021-09-09 | 2021-09-09 | 语音识别模型的训练、人机交互方法、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111054577.7A CN113744737B (zh) | 2021-09-09 | 2021-09-09 | 语音识别模型的训练、人机交互方法、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113744737A CN113744737A (zh) | 2021-12-03 |
| CN113744737B true CN113744737B (zh) | 2024-06-11 |
Family
ID=78737459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111054577.7A Active CN113744737B (zh) | 2021-09-09 | 2021-09-09 | 语音识别模型的训练、人机交互方法、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113744737B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930993A (zh) * | 2018-09-20 | 2020-03-27 | 蔚来汽车有限公司 | 特定领域语言模型生成方法及语音数据标注*** |
| CN111554273A (zh) * | 2020-04-28 | 2020-08-18 | 华南理工大学 | 一种语音关键词识别中扩增语料的选取方法 |
| CN111968624A (zh) * | 2020-08-24 | 2020-11-20 | 平安科技（深圳）有限公司 | 数据构建方法、装置、电子设备及存储介质 |
| CN112397054A (zh) * | 2020-12-17 | 2021-02-23 | 北京中电飞华通信有限公司 | 一种电力调度语音识别方法 |
| CN112651238A (zh) * | 2020-12-28 | 2021-04-13 | 深圳壹账通智能科技有限公司 | 训练语料扩充方法及装置、意图识别模型训练方法及装置 |
| CN112885352A (zh) * | 2021-01-26 | 2021-06-01 | 广东电网有限责任公司 | 一种语料库的构建方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10032448B1 (en) * | 2017-01-06 | 2018-07-24 | International Business Machines Corporation | Domain terminology expansion by sensitivity |
-
2021
- 2021-09-09 CN CN202111054577.7A patent/CN113744737B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930993A (zh) * | 2018-09-20 | 2020-03-27 | 蔚来汽车有限公司 | 特定领域语言模型生成方法及语音数据标注*** |
| CN111554273A (zh) * | 2020-04-28 | 2020-08-18 | 华南理工大学 | 一种语音关键词识别中扩增语料的选取方法 |
| CN111968624A (zh) * | 2020-08-24 | 2020-11-20 | 平安科技（深圳）有限公司 | 数据构建方法、装置、电子设备及存储介质 |
| CN112397054A (zh) * | 2020-12-17 | 2021-02-23 | 北京中电飞华通信有限公司 | 一种电力调度语音识别方法 |
| CN112651238A (zh) * | 2020-12-28 | 2021-04-13 | 深圳壹账通智能科技有限公司 | 训练语料扩充方法及装置、意图识别模型训练方法及装置 |
| CN112885352A (zh) * | 2021-01-26 | 2021-06-01 | 广东电网有限责任公司 | 一种语料库的构建方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113744737A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10176804B2 (en) | Analyzing textual data | |
| Wang et al. | An overview of image caption generation methods | |
| US20210210076A1 (en) | Facilitating end-to-end communications with automated assistants in multiple languages | |
| CN109146610B (zh) | 一种智能保险推荐方法、装置及智能保险机器人设备 | |
| WO2022095380A1 (zh) | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 | |
| CN111708869B (zh) | 人机对话的处理方法及装置 | |
| CN108304372A (zh) | 实体提取方法和装置、计算机设备和存储介质 | |
| CN114580382A (zh) | 文本纠错方法以及装置 | |
| WO2021218029A1 (zh) | 基于人工智能的面试方法、装置、计算机设备及存储介质 | |
| KR102041621B1 (ko) | 인공지능 음성인식 기반 기계학습의 대규모 말뭉치 구축을 위한 대화형 말뭉치 분석 서비스 제공 시스템 및 구축 방법 | |
| Banerjee et al. | A dataset for building code-mixed goal oriented conversation systems | |
| CN106570180A (zh) | 基于人工智能的语音搜索方法及装置 | |
| US11907665B2 (en) | Method and system for processing user inputs using natural language processing | |
| CN113672708A (zh) | 语言模型训练方法、问答对生成方法、装置及设备 | |
| CN111522924A (zh) | 一种带有主题感知的情感聊天式回复生成方法 | |
| CN113392265A (zh) | 多媒体处理方法、装置及设备 | |
| CN109992651B (zh) | 一种问题目标特征自动识别和抽取方法 | |
| Banerjee et al. | Generating abstractive summaries from meeting transcripts | |
| CN117332789A (zh) | 一种面向对话场景的语义分析方法及*** | |
| CN111968646A (zh) | 一种语音识别方法及装置 | |
| CN116432653A (zh) | 一种多语种数据库的构建方法、装置、存储介质及设备 | |
| CN115132182B (zh) | 一种数据识别方法、装置、设备及可读存储介质 | |
| Zahariev et al. | Semantic analysis of voice messages based on a formalized context | |
| CN117493548A (zh) | 文本分类方法、模型的训练方法和装置 | |
| CN113744737B (zh) | 语音识别模型的训练、人机交互方法、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |