[發明專利]一種基于GBDT算法模型的非法語音識別方法及系統

在審

• 申請號: 202111475930.9
• 申請日: 2021-12-06
• 公開（公告）號: CN114155880A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 張飛;丁正;顧曉東;董偉
• 申請（專利權）人: 上海欣方智能系統有限公司;上海欣方軟件有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/03;G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 牛崢;王麗琴

1.一種基于梯度提升決策樹GBDT算法模型的非法語音識別方法，其特征在于，所述方法包括：

獲取通信網絡的呼叫詳細記錄CDR中的通話數據后，從中提取特征數據；

將得到的特征數據輸入訓練得到的GBDT算法模型中，輸出得到所述語音的識別結果，所述語音的識別結果包括所述語音是否為非法語音及非法語音的類別。

2.如權利要求1所述的方法，其特征在于，所述得到特征數據包括：

提取得到符合訓練得到的GBDT算法模型輸入的特征數據。

3.如權利要求1所述的方法，其特征在于，所述訓練得到GBDT算法模型包括：

獲取通信網絡的CDR中的通話數據，采用K均值聚類K-Means算法進行聚類采樣，形成特征數據集合，包括訓練子集合與測試子集合；

采用5折交叉驗證方式，基于訓練子集合訓練GBDT算法模型后，基于測試子集合驗證GBDT算法模型，計算得出GBDT算法模型的評估指標，確定訓練得到的GBDT算法模型滿足所設置的評估指標；

將訓練得到的GBDT算法模型設置在通信網絡中的網絡側，對通信網絡中的CDR通話數據進行非法語音的分類處理。

4.如權利要求3所述的方法，其特征在于，所述采用K-Means算法進行聚類采樣包括：

將所述通話數據基于K-Means算法進行聚類，分為第一特征數據集，包括少數類數據集和多數類數據集；

基于合成少數類過采樣smote方法，對其中的少數類數據集進行過采樣后，得到采樣后的少數類數據集；

對得到的采樣后的少數類數據集進行有回放的過采樣及隨機線性插值處理后，與少數類數據集合成后，進行清洗；

將合成后的少數類數據集匯入到第一特征數據集中，得到特征數據集合。

5.如權利要求3所述的方法，其特征在于，所述基于訓練子集合訓練GBDT算法模型包括：

對GBDT算法模型的核心參數進行設置；

對各個特征數據進行信息增益值計算，得到各個特征數據的信息增益率值；

將其中信息增益值最大的特征收據，作為節點分裂條件，從根節點開始，遞歸進行分類回歸樹的構建；

生成分類回歸樹。

6.如權利要求3所述的方法，其特征在于，所述GBDT算法模型的評估指標包括：

將精準率、召回率或/和F1-score指標作為評估指標。

7.如權利要求1所述的方法，其特征在于，所述將得到的特征數據輸入訓練得到的GBDT算法模型中，輸出得到所述語音的識別結果包括：

計算每個特征數據的信息增益值，并將每個特征數據的信息增益值進行降序排序，選擇信息增益值最大的特征作為根節點；

計算其他節點的信息增益值，并選擇信息增益最大的特征數據進行第二次分裂，以此類推進行多次分裂，形成GBDT算法模型的分類回歸樹；

基于分類回歸樹的分類結果作為非法語音的識別結果，包括是否為非法語音及非法語音類別。

8.一種基于GBDT算法模型的非法語音識別系統，其特征在于，所述系統包括：提取單元及處理單元，其中，

提取單元，用于獲取通信網絡的呼叫詳細記錄CDR中的通話數據后，從中提取特征數據；

處理單元，用于將得到的特征數據輸入訓練得到的GBDT算法模型中，輸出得到所述語音的識別結果，所述語音的識別結果包括所述語音是否為非法語音及非法語音的類別。