邬友朋,赵金龙,贾中营

(黑龙江龙电电气有限公司，黑龙江哈尔滨150001)

在供热智能客服的开发过程中,面对的首要问题就是确认用户的来电目的,以便提交给程序进行后续的流程处理,这一过程,传统的处理方式是使用按键绑定的方式获取传输信令,再通过后台的逻辑判断引入不同的通话处理流程,这种处理方式是高可用但低体验的,为了使智能客服处理过程更加平滑,提出了从用户语音流中直接获取信息预测用户诉求的需求。

在实验中发现,单纯使用音频的时域特征或频域特征进行分类都无法得到可靠的预测准确率,为了涵盖声音信号的多个维度的特征,选用两种不同的方式分别从时域特征与频域特征对声音信号进行处理,很大程度上提高了方法的可靠性。另外,由于智能客服的语音通信具备实时性的特点,对于使用的分类算法的性能有极高的要求,如果预测过程中进行大量复杂运算,虽然准确率会因此提高,但会牺牲大量的时间成本,无法达到客服系统的要求。而且,在理论分析的过程中得到一个结论:不同表征的声音信号,数据处理的重心应当不同,每一段不同的声音信号表现出明显特征的维度都不同,所以在预测过程中,也应该通过多维度的预测加以动态的权重值来影响最后的预测结果。

因此,本文将介绍一种使用KNN(k－最近邻算法)与CNN(卷积神经网络)搭配进行预测的供热客服来电目的分类方法,声音信号存在多个标准的特征,如过零率[1],短时能量等,本文介绍中的KNN算法更倾向于分析声音信号的时域图像与基频等高线图像[2],CNN则使用声音信号的MFCC特征作为基础数据[3]。……