[发明专利]语音处理方法及设备在审

专利信息
申请号: 201910335969.7 申请日: 2019-04-24
公开(公告)号: CN110189751A 公开(公告)日: 2019-08-30
发明(设计)人: 周昌宇;刘金财;王涛 申请(专利权)人: 中国联合网络通信集团有限公司
主分类号: G10L15/16 分类号: G10L15/16;G10L15/06;G10L15/14
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 朱颖;刘芳
地址: 100033 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文本 分词处理 神经网络模型 意图识别 语音处理 语音 句子成分分析 用户意图 准确率 省力 省时 过滤 应用
【说明书】:

发明实施例提供一种语音处理方法及设备,该方法包括:确定待处理语音对应的目标话术文本;对所述目标话术文本进行分词处理;根据神经网络模型对分词处理后的话术文本进行句子成分分析,获得分词处理后的话术文本对应的句子成分,所述神经网络模型根据话术文本和句子成分训练得到;根据获得的句子成分,确定所述待处理语音对应的有效话术文本。本实施例提供的方法能够过滤掉无意义的信息,基于有效话术文本进行意图识别,降低用户意图识别难度,提高意图识别结果的准确率,同时省时省力,适合实际应用。

技术领域

本发明实施例涉及计算机技术领域,尤其涉及一种语音处理方法及设备。

背景技术

随着经济的不断发展,通信技术得到了快速发展,越来越多的人开始使用通讯运营商的通信系统进行通信。

目前,用户在使用通讯运营商的通信系统时,如果遇到什么问题,通常是向通讯运营商的客服系统咨询。客服系统需要对用户意图进行识别,现有客服系统一般直接基于用户的询问进行用户意图识别。

然而,用户的询问中不可避免的带有一些无意义的信息,例如口语化的表达,如:“嗯”,“哈”,“哦”等语气词,无形中会为用户意图识别增加难度,降低了意图识别结果的准确率。

发明内容

本发明实施例提供一种语音处理方法及设备,以克服现有客服系统直接基于用户的询问进行用户意图识别,识别难度大、准确率低的问题。

第一方面,本发明实施例提供一种语音处理方法,包括:

确定待处理语音对应的目标话术文本;

对所述目标话术文本进行分词处理;

根据神经网络模型对分词处理后的话术文本进行句子成分分析,获得分词处理后的话术文本对应的句子成分,所述神经网络模型根据话术文本和句子成分训练得到;

根据获得的句子成分,确定所述待处理语音对应的有效话术文本。

在一种可能的设计中,所述根据获得的句子成分,确定所述待处理语音对应的有效话术文本,包括:

对获得的句子成分中的主语、谓语、宾语、定语、状语和补语进行识别,根据识别结果对获得的句子成分进行过滤;

根据过滤结果获得所述待处理语音对应的有效话术文本。

在一种可能的设计中,上述的方法,还包括:

根据所述有效话术文本进行意图识别。

在一种可能的设计中,所述根据所述有效话术文本进行意图识别,包括:

根据预设意图关键字对所述有效话术文本进行意图关键字提取;

根据提取的意图关键字进行意图识别。

在一种可能的设计中,所述确定待处理语音对应的目标话术文本,包括:

对所述待处理语音进行语音识别,获得所述目标话术文本;

所述方法还包括:

去除所述目标话术文本中的预设字符,并将去除预设字符后的目标话术文本作为新的目标话术文本,执行所述对所述目标话术文本进行分词处理的步骤。

在一种可能的设计中,所述对所述目标话术文本进行分词处理,包括:

基于条件随机场或隐马尔可夫的分词模型对所述目标话术进行分词处理;

所述方法还包括:

判断是否存在分词处理后的话术文本;

若存在分词处理后的话术文本,则执行所述根据神经网络模型对分词处理后的话术文本进行句子成分分析的步骤;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国联合网络通信集团有限公司,未经中国联合网络通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910335969.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top