基于語(yǔ)音識(shí)別的IVR系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、交互式語(yǔ)音應(yīng)答系統(tǒng)(IVR)是呼叫中心中的重要組成部分。被廣泛應(yīng)用于語(yǔ)音增值業(yè)務(wù)。通過IVR系統(tǒng)，用戶不僅可以從系統(tǒng)中獲取預(yù)先錄制的語(yǔ)音信息，而且可以獲取TTS合成的動(dòng)態(tài)語(yǔ)音信息。其通過對(duì)后臺(tái)數(shù)據(jù)庫(kù)的訪問和腳本的處理，可以完成復(fù)雜的業(yè)務(wù)邏輯。然而傳統(tǒng)的IVR系統(tǒng)僅能接收有限個(gè)DTMF信號(hào)。這使得用戶使用時(shí)非常麻煩，并且限制了IVR系統(tǒng)在很多領(lǐng)域的應(yīng)用。隨著語(yǔ)音識(shí)別的發(fā)展，在新一代呼叫中心的IVR系統(tǒng)中引入語(yǔ)音識(shí)別作為用戶輸入手段已成為必

2、然趨勢(shì)。因此本課題對(duì)語(yǔ)音IVR系統(tǒng)以及高性能語(yǔ)音識(shí)別算法的嘗試性研究，具有一定的理論價(jià)值和現(xiàn)實(shí)意義。
　　 本文中，我們首先實(shí)現(xiàn)了語(yǔ)音點(diǎn)歌IVR系統(tǒng)的基本功能如：電話振鈴的檢測(cè)與摘機(jī)，忙音的檢測(cè)與掛機(jī)，系統(tǒng)導(dǎo)航語(yǔ)音的播放，用戶按鍵請(qǐng)求或語(yǔ)音請(qǐng)求的接收與處理，與后臺(tái)數(shù)據(jù)庫(kù)的通訊，檢索結(jié)果的語(yǔ)音合成與播放。然后選用基于覆蓋思想的構(gòu)造型神經(jīng)網(wǎng)絡(luò)作為語(yǔ)音識(shí)別模型，實(shí)現(xiàn)了語(yǔ)音點(diǎn)歌的功能。之后我們從離線學(xué)習(xí)和在線學(xué)習(xí)兩個(gè)方面對(duì)語(yǔ)音識(shí)別系統(tǒng)的

3、總體性能進(jìn)行了改進(jìn)。
　　 離線學(xué)習(xí)方面，我們首先分析了基于覆蓋思想的構(gòu)造型神經(jīng)網(wǎng)絡(luò)模型存在的幾個(gè)難以解決的問題如：初始樣本點(diǎn)的選擇問題，覆蓋算法中球鄰域的劃分問題。其中球形領(lǐng)域的劃分，是一個(gè)NPC問題，目前尚未有很好的解決辦法。本文通過引入粒子群優(yōu)化算法來(lái)求解該問題，使得覆蓋數(shù)量大大減少，從而使系統(tǒng)在識(shí)別速度和識(shí)別率上都有了一定的提高。
　　 在線學(xué)習(xí)要求在不影響系統(tǒng)使用的情況下，對(duì)用戶輸入并確認(rèn)的語(yǔ)音樣本進(jìn)行快速學(xué)習(xí)

4、。本文在覆蓋構(gòu)造型神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上給出了一種增量學(xué)習(xí)算法，并在分類性能和學(xué)習(xí)時(shí)間上對(duì)其進(jìn)行了測(cè)試。最終我們將該算法應(yīng)用于語(yǔ)音點(diǎn)歌系統(tǒng)的在線學(xué)習(xí)上，取得了較好的效果。
　　 此外，系統(tǒng)在實(shí)際使用中，為了提高噪聲環(huán)境下正確結(jié)果的檢出率，往往需要給出若干備選結(jié)果供用戶選擇。因此如何根據(jù)網(wǎng)絡(luò)狀態(tài)，產(chǎn)生容易混淆的若干識(shí)別結(jié)果，也是本文研究的內(nèi)容之一。文中我們給出了兩種多選結(jié)果的產(chǎn)生方法，試驗(yàn)結(jié)果表明動(dòng)態(tài)多選方法，可以在只提供很少備選結(jié)果