一种基于端到端的应用于电力企业客服的语音导航方法技术

本发明专利技术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。

An end-to-end voice navigation method applied to customer service of power enterprises

【技术实现步骤摘要】
一种基于端到端的应用于电力企业客服的语音导航方法
本专利技术涉及人工智能客服及智能语音分析
，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。
技术介绍
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。专利技术内容本专利技本文档来自技高网...

【技术保护点】
1.一种基于人工智能的应用于电力电网领域的语音导航方法，其特征在于：/n(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,通过自编码网络提取出语音数据特征；/n(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；/n(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；/n(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。/n

【技术特征摘要】
1.一种基于人工智能的应用于电力电网领域的语音导航方法，其特征在于：
(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。


2.根据权利要求1所述的基于人工智能的应用于电力电网领域客服领域的语音导航方法，其特征在于：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：
rt＝σ(Wr·[ht-1，xt])
zt＝σ(Wz·[ht-l，xt])






yt＝σ(Wo·ht)
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，…，hTx)
其中q为网络的最后一个隐含状态；h为序列中会产生的一个隐含状态；Tx代表总的序列个数。


3.根据权利要求1所述的基于端到端的应用于电力企业客服的语音导航方法，其特征在于：使用带有注意力机制的门控卷积循环网络通过注意力机制寻找出语音数据...

【专利技术属性】
技术研发人员：胡飞飞，洪丹轲，黄昱，曾时博，刘丽，舒然，范俊成，梁寿愚，王科，张坤，方文崇，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：广东;44