一种基于分布式协同质检方法技术

本发明专利技术公开一种基于分布式协同质检方法，步骤1，特征数据集预处理：获取音频文件并进行预处理得到FBank特征，形成特征数据集，特征数据集按设定比例分为训练集、验证集和测试集；步骤2，构建神经网络：神经网络包括7层卷积、3层最大池化以及1层平均池化，使用relu激活函数以及softmax激活函数；步骤3，对构建好的神经网络进行模型训练得到自由质检模型和声纹识别模型；步骤4，利用训练好的模型对客服业务场景的语音大数据进行声纹识别与音频分离，并基于分离的音频文件进行质检分析得到对应质检报告。本发明专利技术可以为音频打上标签、分类的信息，有助于业务的精细化运营。

【技术实现步骤摘要】

本专利技术涉及通信，尤其涉及一种基于分布式协同质检方法。

技术介绍

1、传统的通过nlp语音识别，把音频转化成文字，再对文字做出“敏感词”、“敏感字”的正则或者上下文识别算法来鉴定违规内容的方式遇到了很多挑战。比如说，某些用户发出的语气助词，就是无法被翻译为文字，并且没有任何关键敏感词的，但超过一定的尺度则属于违规内容。

2、传统客服中心质检抽检量占全量2%。传统客服中心质检员配比1:40。每人每天最高抽检30条录音。人工质检查受主观因素影响，容易漏判语音中存在问题。海量的语音数据，没有通过系统化手段挖掘其中价值。

技术实现思路

1、本专利技术的目的在于提供一种基于分布式协同质检方法。基于云计算大数据采集能力，通过深度学习模型训练，智能语音/语义识别视频、语音内容，把控多媒体质检质量。

2、本专利技术采用的技术方案是：

3、一种基于分布式协同质检方法，其包括以下步骤：

4、步骤1，特征数据集预处理：获取音频文件并进行预处理得到fbank特征，形成特征数据集，特征本文档来自技高网...

【技术保护点】

1.一种基于分布式协同质检方法，其特征在于：其包括以下步骤：

2.根据权利要求1所述的一种基于分布式协同质检方法，其特征在于：步骤1包括以下步骤：

3.根据权利要求2所述的一种基于分布式协同质检方法，其特征在于：步骤1-1中以16kHz的采样率进行采样，步骤1-2中设定的时间间隔为0.64s。

4.根据权利要求1所述的一种基于分布式协同质检方法，其特征在于：步骤3中自由质检模型模型参数包括以下维度：

5.根据权利要求1所述的一种基于分布式协同质检方法，其特征在于：步骤3具体包括以下步骤：

6.根据权利要求5所述的一种基于分布式协...

【技术特征摘要】

1.一种基于分布式协同质检方法，其特征在于：其包括以下步骤：

2.根据权利要求1所述的一种基于分布式协同质检方法，其特征在于：步骤1包括以下步骤：

3.根据权利要求2所述的一种基于分布式协同质检方法，其特征在于：步骤1-1中以16khz的采样率进行采样，步骤1-2中设定的时间间隔为0.64s。

4.根据权利要求1所述的一种基于分布式协同质检方法，其特征在于：步骤3中自由质检模型模型参数包括以下维度：

5.根据权利要求1所述的一种基于分布式协同质检方法，其特征在于：步骤3具体包括以下步骤：

6.根据权利要求5所述的一种基于分布式协同质检方法，其特征在于：步骤3-2具体包括以下步骤：

7.根据权利要求1所述的一种基于分...

【专利技术属性】
技术研发人员：饶庆炜，郑新锴，卢家文，
申请(专利权)人：中电福富信息科技有限公司，
类型：发明
国别省市：