[發(fā)明專利]數(shù)據(jù)擴(kuò)充處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211032174.7
• 申請(qǐng)日: 2022-08-26
• 公開(kāi)（公告）號(hào): CN116150313A
• 公開(kāi)（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 曹磊;蔣寧;肖冰;李長(zhǎng)林
• 申請(qǐng)（專利權(quán)）人: 馬上消費(fèi)金融股份有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F40/211;G06F40/247;G06F40/295;G06F40/30;G06F18/214;G06F18/213
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 石明;臧建明

本申請(qǐng)?zhí)峁┝艘环N數(shù)據(jù)擴(kuò)充處理方法及裝置，通過(guò)獲取錄音文件，以及對(duì)錄音文件進(jìn)行語(yǔ)音識(shí)別，得到語(yǔ)音識(shí)別結(jié)果；利用目標(biāo)詞庫(kù)對(duì)語(yǔ)音識(shí)別結(jié)果進(jìn)行過(guò)濾，得到過(guò)濾結(jié)果；通過(guò)多種表達(dá)方式對(duì)過(guò)濾結(jié)果以及語(yǔ)音識(shí)別結(jié)果分別進(jìn)行多個(gè)維度的特征提取，確定多個(gè)特征向量，每個(gè)特征向量包含至少一個(gè)維度的特征信息；根據(jù)多個(gè)特征向量、多個(gè)權(quán)重值以及預(yù)設(shè)相似閾值從語(yǔ)音識(shí)別結(jié)果和/或過(guò)濾結(jié)果對(duì)應(yīng)的語(yǔ)句中確定擴(kuò)增數(shù)據(jù)集，以及將擴(kuò)增數(shù)據(jù)集添加到擴(kuò)充數(shù)據(jù)庫(kù)，權(quán)重值與特征向量相對(duì)應(yīng)，擴(kuò)充數(shù)據(jù)庫(kù)用于對(duì)語(yǔ)音業(yè)務(wù)數(shù)據(jù)進(jìn)行質(zhì)檢處理。實(shí)現(xiàn)了自動(dòng)擴(kuò)充詞庫(kù)中的標(biāo)注數(shù)據(jù)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及自然語(yǔ)言處理領(lǐng)域，尤其涉及一種數(shù)據(jù)擴(kuò)充處理方法及裝置。

背景技術(shù)

隨著互聯(lián)網(wǎng)信息技術(shù)在金融領(lǐng)域的應(yīng)用程度越來(lái)越深，各企業(yè)在創(chuàng)新力度上的不斷加強(qiáng)，市場(chǎng)競(jìng)爭(zhēng)也在變得越來(lái)越激烈，各企業(yè)對(duì)客服體系服務(wù)質(zhì)量的管理和控制已經(jīng)變成了企業(yè)經(jīng)營(yíng)管理者日常的重要工作，而智能語(yǔ)音質(zhì)檢就是其中的主要組成部分。

目前，基于模型的智能語(yǔ)音質(zhì)檢方法由于準(zhǔn)確率高、能充分理解語(yǔ)義等優(yōu)點(diǎn)逐漸流行起來(lái)。但是該方法主要是利用有監(jiān)督學(xué)習(xí)的方式，構(gòu)建模型來(lái)對(duì)目標(biāo)詞匯進(jìn)行檢測(cè)，需要依賴數(shù)據(jù)庫(kù)中的大量的已標(biāo)注的數(shù)據(jù)。然而，現(xiàn)有技術(shù)中這些標(biāo)注數(shù)據(jù)都需要人工進(jìn)行標(biāo)注，標(biāo)注成本高效率低。

這就使得如何自動(dòng)擴(kuò)充詞庫(kù)中的標(biāo)注數(shù)據(jù)成為了亟待解決的技術(shù)問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N數(shù)據(jù)擴(kuò)充處理方法及裝置，以解決如何自動(dòng)擴(kuò)充詞庫(kù)中的標(biāo)注數(shù)據(jù)的技術(shù)問(wèn)題。

第一個(gè)方面，本申請(qǐng)?zhí)峁┮环N數(shù)據(jù)擴(kuò)充處理方法，包括：

獲取錄音文件，以及對(duì)錄音文件進(jìn)行語(yǔ)音識(shí)別，得到語(yǔ)音識(shí)別結(jié)果；

利用目標(biāo)詞庫(kù)對(duì)語(yǔ)音識(shí)別結(jié)果進(jìn)行過(guò)濾，得到過(guò)濾結(jié)果；通過(guò)多種表達(dá)方式對(duì)過(guò)濾結(jié)果以及語(yǔ)音識(shí)別結(jié)果分別進(jìn)行多個(gè)維度的特征提取，確定多個(gè)特征向量，每個(gè)特征向量包含至少一個(gè)維度的特征信息；

根據(jù)多個(gè)特征向量、多個(gè)權(quán)重值以及預(yù)設(shè)相似閾值從語(yǔ)音識(shí)別結(jié)果和/或過(guò)濾結(jié)果對(duì)應(yīng)的語(yǔ)句中確定擴(kuò)增數(shù)據(jù)集，以及將擴(kuò)增數(shù)據(jù)集添加到擴(kuò)充數(shù)據(jù)庫(kù)，權(quán)重值與特征向量相對(duì)應(yīng)，擴(kuò)充數(shù)據(jù)庫(kù)用于對(duì)語(yǔ)音業(yè)務(wù)數(shù)據(jù)進(jìn)行質(zhì)檢處理。

本申請(qǐng)實(shí)施例提供了一種數(shù)據(jù)擴(kuò)充處理方法，通過(guò)多種表達(dá)方式對(duì)語(yǔ)音識(shí)別結(jié)果及其過(guò)濾結(jié)果分別進(jìn)行多個(gè)維度的特征提取，每種表達(dá)方式可以得到一個(gè)特征向量集，或者語(yǔ)音識(shí)別結(jié)果和過(guò)濾結(jié)果分別對(duì)應(yīng)一個(gè)特征向量集，這些特征向量集中的所有的特征向量就可以反映出與目標(biāo)詞相同或相似的特征，并且每個(gè)特征向量可以是個(gè)多維向量，而一個(gè)維度的特征信息可能對(duì)應(yīng)著一個(gè)多維向量，或者一個(gè)多維向量可以對(duì)應(yīng)多個(gè)維度的特征信息。總之，通過(guò)上述方式得到的多個(gè)特征向量能夠從更多維度或更多角度挖掘出與目標(biāo)詞的特征相同或相似的更多的詞匯或語(yǔ)句，將這些詞匯或語(yǔ)句組合成擴(kuò)增數(shù)據(jù)集加入擴(kuò)充數(shù)據(jù)庫(kù)，這樣就可以實(shí)現(xiàn)自動(dòng)多維度地?cái)U(kuò)增詞庫(kù)中的標(biāo)注數(shù)據(jù)，降低了人工采集和制作標(biāo)注數(shù)據(jù)的成本，提高了詞庫(kù)擴(kuò)增的效率和詞庫(kù)中標(biāo)注數(shù)據(jù)的豐富程度。并且，擴(kuò)充數(shù)據(jù)庫(kù)可以包括目標(biāo)詞庫(kù)和擴(kuò)增數(shù)據(jù)集，也可以僅包括擴(kuò)增數(shù)據(jù)集。在日常業(yè)務(wù)管理中，可以調(diào)用擴(kuò)充數(shù)據(jù)庫(kù)，或者是擴(kuò)充數(shù)據(jù)庫(kù)和目標(biāo)詞庫(kù)一同來(lái)對(duì)業(yè)務(wù)人員的語(yǔ)音服務(wù)的錄音進(jìn)行質(zhì)檢處理，便于提高業(yè)務(wù)管理的效率和質(zhì)量，降低管理成本。

第二方面，本申請(qǐng)?zhí)峁┮环N數(shù)據(jù)擴(kuò)充處理裝置，包括：

獲取模塊，用于獲取錄音文件；

處理模塊，用于：

對(duì)錄音文件進(jìn)行語(yǔ)音識(shí)別，將識(shí)別結(jié)果作為語(yǔ)音識(shí)別結(jié)果；

利用目標(biāo)詞庫(kù)對(duì)語(yǔ)音識(shí)別結(jié)果進(jìn)行過(guò)濾，并通過(guò)多種表達(dá)方式對(duì)過(guò)濾結(jié)果以及語(yǔ)音識(shí)別結(jié)果分別進(jìn)行多個(gè)維度的特征提取，確定多個(gè)特征向量，每個(gè)特征向量包含至少一個(gè)維度的特征信息；

根據(jù)多個(gè)特征向量、多個(gè)權(quán)重值以及預(yù)設(shè)相似閾值從語(yǔ)音識(shí)別結(jié)果對(duì)應(yīng)的語(yǔ)句中確定擴(kuò)增數(shù)據(jù)集，權(quán)重值與特征向量相對(duì)應(yīng)；