本發(fā)明涉及語(yǔ)音交互系統(tǒng)領(lǐng)域，特別涉及電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)、語(yǔ)音識(shí)別方法和語(yǔ)音交互方法。
背景技術(shù)：
：在傳統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)中，用戶與系統(tǒng)交互的方式是通過(guò)電話的鍵盤。通常，用戶在進(jìn)入語(yǔ)音導(dǎo)航系統(tǒng)后，會(huì)聽(tīng)到相關(guān)的語(yǔ)音提示選單，根據(jù)自己的需要可以按下鍵盤上相關(guān)的按鍵。系統(tǒng)通過(guò)dtmf信號(hào)傳送用戶按下的鍵，同時(shí)也將用戶的請(qǐng)求傳送給系統(tǒng)，從而觸發(fā)相關(guān)的語(yǔ)音信息。然而，傳統(tǒng)的電話僅能通過(guò)dtmf信號(hào)，傳送有限的幾個(gè)數(shù)字及符號(hào)按鍵。這使得用戶與系統(tǒng)的交互界面受到很大的限制，同時(shí)也就使得語(yǔ)音導(dǎo)航系統(tǒng)的信息查詢范圍變得相當(dāng)狹窄，用戶在實(shí)際使用時(shí)會(huì)感到諸多不便。隨著計(jì)算機(jī)技術(shù)和人工智能總體技術(shù)的發(fā)展，自然語(yǔ)言理解不斷取得進(jìn)展。語(yǔ)音識(shí)別系統(tǒng)已成為一個(gè)越來(lái)越廣泛的應(yīng)用方向?；趥鹘y(tǒng)聲學(xué)模型的語(yǔ)音識(shí)別技術(shù)的語(yǔ)音導(dǎo)航系統(tǒng)，被應(yīng)用自動(dòng)語(yǔ)音服務(wù)系統(tǒng)(即ivr服務(wù))中，解決了菜單層級(jí)過(guò)深和業(yè)務(wù)無(wú)法拓展的問(wèn)題，隨著服務(wù)內(nèi)容日趨增多，訓(xùn)練人工投入大、語(yǔ)音識(shí)別率低和系統(tǒng)的魯棒性差等固有的缺點(diǎn)和難點(diǎn)也日益凸顯，影響客戶對(duì)自助服務(wù)的使用，從而求助人工導(dǎo)致人工話務(wù)壓力增加。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，在傳統(tǒng)的語(yǔ)音技術(shù)的基礎(chǔ)上引入深度學(xué)習(xí)技術(shù)應(yīng)經(jīng)成為了必然趨勢(shì)和解決當(dāng)下問(wèn)題的有效途徑。技術(shù)實(shí)現(xiàn)要素：針對(duì)上述現(xiàn)有技術(shù)存在的問(wèn)題，提供了電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)、語(yǔ)音識(shí)別方法和語(yǔ)音交互方法。為了實(shí)現(xiàn)上述目的，一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)，其特征在于：包括語(yǔ)音輸入模塊：客戶通過(guò)手機(jī)或者固話，利用排隊(duì)機(jī)接入呼叫中心系統(tǒng)，在cti和ivr的控制下，當(dāng)用戶需要語(yǔ)音導(dǎo)航業(yè)務(wù)時(shí)，通過(guò)呼叫平臺(tái)實(shí)現(xiàn)話務(wù)接入，平臺(tái)記錄下的原始語(yǔ)音信息，并進(jìn)行播報(bào)用戶確認(rèn)無(wú)誤后，將該文件作為原始的語(yǔ)音文件信息輸入；語(yǔ)音識(shí)別模塊包括語(yǔ)音識(shí)別單元和語(yǔ)音文本處理單元；語(yǔ)音識(shí)別單元：語(yǔ)音識(shí)別引擎輸入的原始的語(yǔ)音文件信息經(jīng)過(guò)語(yǔ)音識(shí)別預(yù)處理；將經(jīng)過(guò)語(yǔ)音識(shí)別預(yù)處理的語(yǔ)音文件進(jìn)行離線解碼或在線解碼、置信度處理后轉(zhuǎn)成自然語(yǔ)言文本信息；并將原始語(yǔ)音信息、原始的語(yǔ)音文件信息、語(yǔ)音特征信息存入文本/語(yǔ)音語(yǔ)庫(kù)中；語(yǔ)音文本處理單元：將自然語(yǔ)言文本信息經(jīng)過(guò)模式匹配處理、語(yǔ)法分析處理、語(yǔ)義解析處理、語(yǔ)義搜索處理、上下文管理處理以及語(yǔ)義預(yù)測(cè)處理后，將自然語(yǔ)言文本信息轉(zhuǎn)換成計(jì)算機(jī)識(shí)別的語(yǔ)音信息作為輸出物；進(jìn)行業(yè)務(wù)需求分析，為自然語(yǔ)言處理引擎提供數(shù)據(jù)輸入；作為上述方案的進(jìn)一步優(yōu)化，在語(yǔ)音識(shí)別單元中進(jìn)行的語(yǔ)音識(shí)別預(yù)處理包括特征提取處理、端點(diǎn)檢測(cè)處理和去燥處理。作為上述方案的進(jìn)一步優(yōu)化，還包括語(yǔ)音反饋模塊，用于反饋噪音或非普通話輸入的原始語(yǔ)音信息。作為上述方案的進(jìn)一步優(yōu)化，其特征在于：語(yǔ)音識(shí)別模塊中，語(yǔ)音識(shí)別處理的步驟為：(41)初始化原始的語(yǔ)音文件信息；(42)創(chuàng)建識(shí)別引擎；語(yǔ)音識(shí)別引擎用于輸入的原始的語(yǔ)音文件；(43)創(chuàng)建識(shí)別上下文接口；(44)設(shè)置識(shí)別消息；(45)設(shè)置事件；(46)創(chuàng)建語(yǔ)法規(guī)則；(47)激活語(yǔ)法規(guī)則：(48)獲取識(shí)別消息，進(jìn)行處理：本發(fā)明還公開(kāi)了電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別方法，其特征在于，語(yǔ)音識(shí)別單元采用深度神經(jīng)網(wǎng)絡(luò)和隱馬爾科夫(dnn-hmm)混合模型，使用hmm來(lái)描述語(yǔ)音信號(hào)的動(dòng)態(tài)變化，再使用dnn的每個(gè)輸出節(jié)點(diǎn)來(lái)估計(jì)連續(xù)密度hmm的某個(gè)狀態(tài)的后驗(yàn)概率。作為上述方案的進(jìn)一步優(yōu)化，離線解碼或在線解碼中：(61)首先將后驗(yàn)概率轉(zhuǎn)為似然度p(xt/qt)：p(xt/qt＝s)＝p(qt＝s/xt)p(xt)/p(s)(1)其中，是從訓(xùn)練集中統(tǒng)計(jì)的每個(gè)狀態(tài)的先驗(yàn)概率，ts是標(biāo)記屬于狀態(tài)s的幀數(shù)，t是總幀數(shù)，(62)p(xt)與字詞序列無(wú)關(guān)，計(jì)算時(shí)可以忽略，忽略后得到縮放的似然度(63)在dnn-hmm模型中，解碼出的字詞序列由以下公式確定：其中p(ω)是語(yǔ)言模型(lm)概率，以及上式是聲學(xué)模型(am)概率，其中，p(qt/xt)由dnn模型計(jì)算得出，p(qt)是狀態(tài)的先驗(yàn)概率，π(q0)和分別是初始狀態(tài)概率和狀態(tài)轉(zhuǎn)移概率，(64)語(yǔ)言模型權(quán)重系數(shù)λ通常被用于平衡聲學(xué)和語(yǔ)言模型得分，最終的解碼路徑由以下公式?jīng)Q定：本發(fā)明還公開(kāi)了一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音交互方法，包括如下步驟：(101)用戶接通電話，語(yǔ)音導(dǎo)航系統(tǒng)接收到請(qǐng)求；(102)語(yǔ)音導(dǎo)航系統(tǒng)將請(qǐng)求發(fā)送給mcp(mediacontrolplatform)單元；(103)mcp單元返回給對(duì)應(yīng)的語(yǔ)音文件、提示音給語(yǔ)音導(dǎo)航系統(tǒng)；(104)語(yǔ)音導(dǎo)航系統(tǒng)播報(bào)提示音給用戶；(105)用戶語(yǔ)音輸入，進(jìn)行識(shí)別請(qǐng)求；(106)語(yǔ)音導(dǎo)航系統(tǒng)將識(shí)別請(qǐng)求通過(guò)mcp單元轉(zhuǎn)發(fā)至語(yǔ)音識(shí)別引擎；引入反饋，將用戶語(yǔ)音識(shí)別的結(jié)果反饋給用戶，得到用戶的確認(rèn)后，進(jìn)行下一步；(107)語(yǔ)音識(shí)別引擎進(jìn)行語(yǔ)音識(shí)別，并將轉(zhuǎn)寫(xiě)文本發(fā)送給語(yǔ)義理解引擎；(108)語(yǔ)義理解引擎獲取語(yǔ)義上下文信息，給出語(yǔ)義識(shí)別結(jié)果，并將結(jié)果返回給語(yǔ)音識(shí)別引擎；(109)語(yǔ)音識(shí)別引擎將語(yǔ)義結(jié)果返回給語(yǔ)音導(dǎo)航系統(tǒng)；(110)語(yǔ)音導(dǎo)航系統(tǒng)將語(yǔ)義結(jié)果發(fā)送至mcp單元，進(jìn)行流程跳轉(zhuǎn)控制；(111)mcp單元返回最終結(jié)果給語(yǔ)音導(dǎo)航系統(tǒng)；(112)語(yǔ)音導(dǎo)航系統(tǒng)將結(jié)果通過(guò)語(yǔ)音播報(bào)給用戶。作為上述方案的進(jìn)一步優(yōu)化，對(duì)于查詢類問(wèn)題，語(yǔ)音導(dǎo)航系統(tǒng)調(diào)用webservice接口，進(jìn)行信息的查詢獲?。磺襴ebservice接口返回給語(yǔ)音導(dǎo)航系統(tǒng)對(duì)應(yīng)的客戶的信息。與現(xiàn)有技術(shù)相比，本發(fā)明的電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)、語(yǔ)音識(shí)別方法和語(yǔ)音交互方法的有益效果如下：1、本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)，在識(shí)別率、魯棒性方面比基于傳統(tǒng)模型的語(yǔ)音導(dǎo)航有很大的改善和提高。本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)，即使在有一定噪音的環(huán)境下，系統(tǒng)的識(shí)別率達(dá)也能達(dá)到95％以上。2、本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別方法，采用dnn-hmm模型的語(yǔ)音識(shí)別引擎，具有識(shí)別率高，識(shí)別速度快，可移植性好等優(yōu)點(diǎn)。3、本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別方法，，應(yīng)用電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)中，在模型的訓(xùn)練、識(shí)別率、魯棒性方面有顯著的改善，有效提高語(yǔ)音識(shí)別率，為語(yǔ)音導(dǎo)航系統(tǒng)識(shí)別提供了新的手段。附圖說(shuō)明圖1為本發(fā)明的電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的結(jié)構(gòu)框圖；圖2為本發(fā)明的語(yǔ)音識(shí)別處理的流程圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明了，下面通過(guò)附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。但是應(yīng)該理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限制本發(fā)明的范圍。參見(jiàn)圖1，圖1為本發(fā)明的電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的結(jié)構(gòu)框圖；一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)，包括語(yǔ)音輸入模塊、語(yǔ)音識(shí)別模塊和數(shù)據(jù)交互模塊和語(yǔ)音反饋模塊：其中，語(yǔ)音輸入模塊：客戶通過(guò)手機(jī)或者固話，利用排隊(duì)機(jī)接入呼叫中心系統(tǒng)，在cti和ivr的控制下，當(dāng)用戶需要語(yǔ)音導(dǎo)航業(yè)務(wù)時(shí)，通過(guò)呼叫平臺(tái)實(shí)現(xiàn)話務(wù)接入，平臺(tái)記錄下的原始語(yǔ)音信息，并進(jìn)行播報(bào)用戶確認(rèn)無(wú)誤后，將該文件作為原始的語(yǔ)音文件信息輸入。語(yǔ)音識(shí)別模塊包括語(yǔ)音識(shí)別單元和語(yǔ)音文本處理單元。語(yǔ)音識(shí)別單元：語(yǔ)音識(shí)別引擎輸入的原始的語(yǔ)音文件信息經(jīng)過(guò)語(yǔ)音識(shí)別預(yù)處理；將經(jīng)過(guò)語(yǔ)音識(shí)別預(yù)處理的語(yǔ)音文件進(jìn)行離線解碼或在線解碼、置信度處理后轉(zhuǎn)成自然語(yǔ)言文本信息；并將原始語(yǔ)音信息、原始的語(yǔ)音文件信息、語(yǔ)音特征信息存入文本/語(yǔ)音語(yǔ)庫(kù)中。在語(yǔ)音識(shí)別單元中進(jìn)行的語(yǔ)音識(shí)別預(yù)處理包括特征提取處理、端點(diǎn)檢測(cè)處理和去燥處理。其中，在語(yǔ)音識(shí)別單元中進(jìn)行的語(yǔ)音識(shí)別預(yù)處理包括特征提取處理、端點(diǎn)檢測(cè)處理和去燥處理。語(yǔ)音文本處理單元：將自然語(yǔ)言文本信息經(jīng)過(guò)模式匹配處理、語(yǔ)法分析處理、語(yǔ)義解析處理、語(yǔ)義搜索處理、上下文管理處理以及語(yǔ)義預(yù)測(cè)處理后，將自然語(yǔ)言文本信息轉(zhuǎn)換成計(jì)算機(jī)識(shí)別的語(yǔ)音信息作為輸出物；進(jìn)行業(yè)務(wù)需求分析，為自然語(yǔ)言處理引擎提供數(shù)據(jù)輸入；數(shù)據(jù)交互模塊，為用戶輸入的數(shù)據(jù)、系統(tǒng)識(shí)別的數(shù)據(jù)和反饋客戶輸出的數(shù)據(jù)提供交互。語(yǔ)音反饋模塊，用于反饋噪音或非普通話輸入的原始語(yǔ)音信息。一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)方法，首先調(diào)用coinitialize(null)初始化com對(duì)象，然后創(chuàng)建基于dnn+hmm的語(yǔ)音識(shí)別引擎、語(yǔ)法規(guī)則上下文和識(shí)別語(yǔ)法，并調(diào)用函數(shù)loadcmdfromfile裝載文法識(shí)別規(guī)則。本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)調(diào)用setinterest來(lái)注冊(cè)需要的事件。本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音數(shù)據(jù)是從gvp取得的實(shí)時(shí)語(yǔ)音數(shù)據(jù)，將其存入內(nèi)存，然后通過(guò)調(diào)用ispaudioplug的setdata方法將其送入識(shí)別引擎，調(diào)用語(yǔ)音識(shí)別引擎的處理模塊。參見(jiàn)圖2，語(yǔ)音識(shí)別處理的步驟為：(41)初始化原始的語(yǔ)音文件信息；本發(fā)明的優(yōu)選實(shí)施例中，speechapi5.1+vc6為例：在cwinapp的子類中，調(diào)用coinitializeex函數(shù)進(jìn)行com初始化，代碼如下：coinitializeex(null，coinit_apartmentthreaded)；//初始化com(42)創(chuàng)建識(shí)別引擎；語(yǔ)音識(shí)別引擎用于輸入的原始的語(yǔ)音文件：本發(fā)明的優(yōu)選實(shí)施例中，使用共享型，大的服務(wù)型程序使用inproc；如下：hr＝m_cprecognizer.cocreateinstance(clsid_spsharedrecognizer)；//sharehr＝m_cprecognizer.cocreateinstance(clsid_spinprocrecognizer)；//inproc如果是share型，可直接進(jìn)到步驟3；如果是inproc型，必須使用isprecognizer：：setinput設(shè)置語(yǔ)音輸入。如下：ccomptr<ispobjecttoken>cpaudiotoken；//定義一個(gè)tokenhr＝spgetdefaulttokenfromcategoryid(spcat_audioin，&cpaudiotoken)；//建立默認(rèn)的音頻輸入對(duì)象if(succeeded(hr)){hr＝m_cprecognizer->setinput(cpaudiotoken，true)；}或者：ccomptr<ispaudio>cpaudio；//定義一個(gè)音頻對(duì)象hr＝spcreatedefaultobjectfromcategoryid(spcat_audioin，&cpaudio)；//建立默認(rèn)的音頻輸入對(duì)象hr＝m_cprecoengine->setinput(cpaudio，true)；//設(shè)置識(shí)別引擎輸入源。(43)創(chuàng)建識(shí)別上下文接口；本發(fā)明的優(yōu)選實(shí)施例中，調(diào)用isprecognizer：：createrecocontext創(chuàng)建識(shí)別上下文接口(isprecocontext)，如下：hr＝m_cprecoengine->createrecocontext(&m_cprecoctxt)；(44)設(shè)置識(shí)別消息；本發(fā)明的優(yōu)選實(shí)施例中，調(diào)用setnotifywindowmessage告訴windows哪個(gè)是識(shí)別消息，需要進(jìn)行處理。如下：hr＝m_cprecoctxt->setnotifywindowmessage(m_hwnd，wm_recoevent，0，0)；setnotifywindowmessage定義在ispnotifysource中。(45)設(shè)置事件；本發(fā)明的優(yōu)選實(shí)施例中，其中最重要的事件是”spei_recognition“。參照speventenum。代碼如下：constulonglongullinterest＝spfei(spei_sound_start)|spfei(spei_sound_end)|spfei(spei_recognition)；hr＝m_cprecoctxt->setinterest(ullinterest，ullinterest)；(46)創(chuàng)建語(yǔ)法規(guī)則；本發(fā)明的優(yōu)選實(shí)施例中，語(yǔ)法規(guī)則兩種，一種是聽(tīng)說(shuō)式(dictation)，一種是命令式(commandandcontrol---c&c)。首先利用isprecocontext：：creategrammar創(chuàng)建語(yǔ)法對(duì)象，然后加載不同的語(yǔ)法規(guī)則，如下：//dictationhr＝m_cprecoctxt->creategrammar(giddictation，&m_cpdictationgrammar)；if(succeeded(hr)){hr＝m_cpdictationgrammar->loaddictation(null，splo_static)；//加載詞典}//c&chr＝m_cprecoctxt->creategrammar(gidcmdctrl，&m_cpcmdgrammar)；然后利用isprecogrammar：：loadcmdxxx加載語(yǔ)法(47)激活語(yǔ)法規(guī)則：本發(fā)明的優(yōu)選實(shí)施例中，hr＝m_cpdictationgrammar->setdictationstate(sprs_active)；//dictationhr＝m_cpcmdgrammar->setrulestate(null，null，sprs_active)；//c&c(48)獲取識(shí)別消息，進(jìn)行處理：截獲識(shí)別消息(wm_recoevent)，然后處理。識(shí)別的結(jié)果放在cspevent的isprecoresult中。如下：uses_conversion；cspeventevent；switch(event.eeventid){casespei_recognition：{//識(shí)別出了語(yǔ)音輸入m_bgotreco＝true；staticconstwcharwszunrecognized[]＝l"<unrecognized>"；cspdynamicstringdstrtext；//取得識(shí)別結(jié)果if(failed(event.recoresult()->gettext(sp_getwholephrase，sp_getwholephrase，true，&dstrtext，null))){dstrtext＝wszunrecognized；}bstrsrout；dstrtext.copytobstr(&srout)；cstringrecstring；recstring.empty()；recstring＝srout；//進(jìn)一步處理......}break；}此外，本發(fā)明還公開(kāi)了一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別方法，語(yǔ)音識(shí)別單元采用深度神經(jīng)網(wǎng)絡(luò)和隱馬爾科夫(dnn-hmm)混合模型，使用hmm來(lái)描述語(yǔ)音信號(hào)的動(dòng)態(tài)變化，再使用dnn的每個(gè)輸出節(jié)點(diǎn)來(lái)估計(jì)連續(xù)密度hmm的某個(gè)狀態(tài)的后驗(yàn)概率。語(yǔ)音識(shí)別過(guò)程中，離線解碼或在線解碼的步驟如下：離線解碼或在線解碼中：(61)首先將后驗(yàn)概率轉(zhuǎn)為似然度p(xt/qt)：p(xt/qt＝s)＝p(qt＝s/xt)p(xt)/p(s)(1)其中，是從訓(xùn)練集中統(tǒng)計(jì)的每個(gè)狀態(tài)的先驗(yàn)概率，ts是標(biāo)記屬于狀態(tài)s的幀數(shù)，t是總幀數(shù)，(62)p(xt)與字詞序列無(wú)關(guān)，計(jì)算時(shí)可以忽略，忽略后得到縮放的似然度對(duì)于訓(xùn)練語(yǔ)句中包含很長(zhǎng)靜音時(shí)段效果時(shí)，除以先驗(yàn)概率p(s)，獲取縮放的似然度，對(duì)于緩解標(biāo)注不平衡問(wèn)題很有效。(63)在dnn-hmm模型中，解碼出的字詞序列由以下公式確定：其中p(ω)是語(yǔ)言模型(lm)概率，以及上式是聲學(xué)模型(am)概率，其中，p(qt/xt)由dnn模型計(jì)算得出，p(qt)是狀態(tài)的先驗(yàn)概率，π(q0)和分別是初始狀態(tài)概率和狀態(tài)轉(zhuǎn)移概率，各自都由hmm模型決定。(64)語(yǔ)言模型權(quán)重系數(shù)λ通常被用于平衡聲學(xué)和語(yǔ)言模型得分，最終的解碼路徑由以下公式?jīng)Q定：本發(fā)明的電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音交互方法，包括如下步驟：(101)用戶接通電話，語(yǔ)音導(dǎo)航系統(tǒng)接收到請(qǐng)求；(102)語(yǔ)音導(dǎo)航系統(tǒng)將請(qǐng)求發(fā)送給mcp(mediacontrolplatform)單元；(103)mcp單元返回給對(duì)應(yīng)的語(yǔ)音文件、提示音給語(yǔ)音導(dǎo)航系統(tǒng)；(104)語(yǔ)音導(dǎo)航系統(tǒng)播報(bào)提示音給用戶；(105)用戶語(yǔ)音輸入，進(jìn)行識(shí)別請(qǐng)求；(106)語(yǔ)音導(dǎo)航系統(tǒng)將識(shí)別請(qǐng)求通過(guò)mcp單元轉(zhuǎn)發(fā)至語(yǔ)音識(shí)別引擎；引入反饋，將用戶語(yǔ)音識(shí)別的結(jié)果反饋給用戶，得到用戶的確認(rèn)后，進(jìn)行下一步；(107)語(yǔ)音識(shí)別引擎進(jìn)行語(yǔ)音識(shí)別，并將轉(zhuǎn)寫(xiě)文本發(fā)送給語(yǔ)義理解引擎；(108)語(yǔ)義理解引擎獲取語(yǔ)義上下文信息，給出語(yǔ)義識(shí)別結(jié)果，并將結(jié)果返回給語(yǔ)音識(shí)別引擎；(109)語(yǔ)音識(shí)別引擎將語(yǔ)義結(jié)果返回給語(yǔ)音導(dǎo)航系統(tǒng)；(110)語(yǔ)音導(dǎo)航系統(tǒng)將語(yǔ)義結(jié)果發(fā)送至mcp單元，進(jìn)行流程跳轉(zhuǎn)控制；(111)mcp單元返回最終結(jié)果給語(yǔ)音導(dǎo)航系統(tǒng)；(112)語(yǔ)音導(dǎo)航系統(tǒng)將結(jié)果通過(guò)語(yǔ)音播報(bào)給用戶。對(duì)于查詢類問(wèn)題，語(yǔ)音導(dǎo)航系統(tǒng)調(diào)用webservice接口，進(jìn)行信息的查詢獲取；且webservice接口返回給語(yǔ)音導(dǎo)航系統(tǒng)對(duì)應(yīng)的客戶的信息，如：電費(fèi)具體是多少。與現(xiàn)有的語(yǔ)音導(dǎo)航系統(tǒng)相比，通過(guò)實(shí)驗(yàn)測(cè)試本發(fā)明提供的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別模塊的性能，進(jìn)行了孤立單詞識(shí)別、連續(xù)語(yǔ)音識(shí)別(連續(xù)單詞識(shí)別、連續(xù)言語(yǔ)識(shí)別與理解)、特定人語(yǔ)音識(shí)別(客服)、非特定人語(yǔ)音識(shí)別、有限詞匯識(shí)別和無(wú)限詞匯識(shí)別(全音節(jié)語(yǔ)音識(shí)別)等各種語(yǔ)音的輸入，結(jié)果參見(jiàn)表1.本發(fā)明提供的語(yǔ)音導(dǎo)航系統(tǒng)綜合識(shí)別率達(dá)到90％，其中孤立單詞識(shí)別和特定人語(yǔ)音識(shí)別的識(shí)別率達(dá)到100％。識(shí)別對(duì)象傳統(tǒng)模型的語(yǔ)音導(dǎo)航系統(tǒng)本發(fā)明的語(yǔ)音導(dǎo)航系統(tǒng)孤立單詞識(shí)別80％100％連續(xù)語(yǔ)音識(shí)別73％85％特定人語(yǔ)音識(shí)別(客服)89％100％非特定人語(yǔ)音識(shí)別82.10％94.00％有限詞匯識(shí)別85％97％無(wú)限詞匯識(shí)別80.20％89％綜合80％90％表1基于傳統(tǒng)模型的語(yǔ)音導(dǎo)航系統(tǒng)和本發(fā)明的語(yǔ)音導(dǎo)航系統(tǒng)效果對(duì)比圖本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)，在識(shí)別率、魯棒性方面比基于傳統(tǒng)模型的語(yǔ)音導(dǎo)航有很大的改善和提高。本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)，即使在有一定噪音的環(huán)境下，系統(tǒng)的識(shí)別率達(dá)也能達(dá)到95％以上。本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別方法，采用dnn-hmm模型的語(yǔ)音識(shí)別引擎，具有識(shí)別率高，識(shí)別速度快，可移植性好等優(yōu)點(diǎn)。本發(fā)明的一種電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音識(shí)別方法，，應(yīng)用電力系統(tǒng)的語(yǔ)音導(dǎo)航系統(tǒng)中，在模型的訓(xùn)練、識(shí)別率、魯棒性方面有顯著的改善，有效提高語(yǔ)音識(shí)別率，為語(yǔ)音導(dǎo)航系統(tǒng)識(shí)別提供了新的手段。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換或改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)12