[发明专利]一种基于端到端的应用于电力企业客服的语音导航方法

说明书

本发明涉及人工智能客服及智能语音技术领域，具体公开了一种基于端到端的应用于电力企业客服的语音导航方法，该方法具体实施过程如下：将语音数据转换为语谱图输入给语音编码器；语音编码器将从语谱图提取到的特征输入给带有注意力机制的门控循环单元(GRU)网络；门控循环单元网络再将得到的特征提取输入给解码器得到声学模型；将得到的声学模型与数据库匹配得到用户问题回答的回答语音序列并输出；该方法采用端到端的语音信息提取方法，能高效的合成答案语句的语音，提高了交互效率；降低了人力客服成本，并且提高用户体验。

技术领域

本发明涉及人工智能客服及智能语音分析技术领域，具体为一种基于端到端的应用于电力企业客服的语音导航方法。

背景技术

随着统一通信应用在全网的深入推广，用户规模不断增长，作为服务全网30万用户的通信服务热线的话务压力将急剧增加，同时随着通信业务不断发展，通信服务业务范围也将越来越广，受限于现有人工客服人力、工作时间、知识水平等因素限制，当前的统一通信客服平台已难以满足话务咨询的增长需求。传统的人工交互方式效率一直不高，随着人工智能技术的不断发展，智能客服机器人等交互方式通过自然语言处理、语义分析和理解技术提供了高精准性、高度拟人化的服务，大大提升了用户体验。并且能够在不同语境不同场景下提供更加智能的交互方式。在一些特定的场景下服务能力比传统人工效率更高，可以大大减少人力成本。并且在身份确认、营销引导、营销信息确认、业务查询等流程中可以发挥很大的作用。

为此，我们提出了一种基于端到端的应用于电力企业客服的语音导航方法，以减少在更多场景中的人力成本。

发明内容

本发明要解决的技术问题是克服上述问题，提供一种基于端到端的应用于电力企业客服的语音导航方法。

为实现上述目的，本发明提供一种基于端到端的应用于电力企业客服的语音导航方法，该方法具体包括：

(1)在语音识别模型中使用语音数据作为语音识别模型的输入，通过自编码网络(包括第一门控循环卷积神经网络)提取出语音数据特征；

(2)在提取语音数据特征的过程中，使用带有注意力机制的门控循环卷积神经网络(GRU)提取出语音和文本的信息，生成一个定长的上下文向量；

(3)在用于提取语音数据特征的第一门控循环卷积神经网络后连接解码器，所述解码器采用第二门控循环卷积神经网络，所述解码器将所述上下文向量转变为一段边长序列；

(4)将所述边长序列和数据库进行对比，得到需要回答的回答语音序列并输出语音。

优选的，所述语音识别模型中语音数据和对应的文本预料数据使用了基于门控卷积循环网络的编码器结构，所述编码器结构把一个不定长的输入序列(即语音数据对应的语音输入序列)转化成一个定长的上下文向量c，并在该过程中，将序列中的信息全部压缩到一个定长向量中，门控循环卷积网络的前向传播公式如下：

r_t＝σ(W_r·[h_t-1，x_t])

z_t＝σ(W_z·[h_t-1，x_t])

y_t＝σ(W_o·h_t)

其中h，x为输入序列；r为重置门；z为更新门；t代表每个序列下标；y为序列输出，W为学习的权重；

上下文向量表示如下式：

c＝q(h₁，h₂，…，h_Tx)