面向呼叫中心話音服務(wù)質(zhì)量監(jiān)控的關(guān)鍵詞檢出技術(shù)研究與應(yīng)用.pdf

1、隨著國民經(jīng)濟(jì)的飛速發(fā)展，企業(yè)與客戶之間的互動日益頻繁，作為兩者之間溝通橋梁的呼叫中心已經(jīng)成為企業(yè)運營不可缺少的一部分。話音服務(wù)質(zhì)量的監(jiān)控和保證是呼叫中心管理工作中的重中之重。目前面向呼叫中心的話音服務(wù)質(zhì)量監(jiān)控還處在低效的人工模式監(jiān)控。單一的人工監(jiān)控模式已經(jīng)不適于應(yīng)用在當(dāng)前以高量級增長的呼叫中心業(yè)務(wù)監(jiān)控系統(tǒng)中。正是基于上述背景本文在原有評測指標(biāo)的基礎(chǔ)上利用關(guān)鍵詞檢出技術(shù)實現(xiàn)機(jī)器自動檢測，然后對于檢出的話音關(guān)鍵詞信息設(shè)計了一套評測算法用于最

2、后的話音服務(wù)質(zhì)量評分。根據(jù)這個解決方案本文設(shè)計開發(fā)了一個基于關(guān)鍵詞檢出的話音服務(wù)質(zhì)量監(jiān)控應(yīng)用系統(tǒng)。
　　 本文首先介紹了關(guān)鍵詞檢出系統(tǒng)的基本架構(gòu)和相關(guān)技術(shù)模塊。一個關(guān)鍵詞檢出系統(tǒng)主要由模型訓(xùn)練和識別匹配這兩部分構(gòu)成。關(guān)鍵詞檢出的基本技術(shù)模塊主要包含:語音預(yù)處理，特征提取，聲學(xué)模型訓(xùn)練，解碼和識別等。本文分別闡述了各個技術(shù)模塊所涉及的技術(shù)要點，重點介紹了基于HMM的聲學(xué)模型的訓(xùn)練。本文利用Sphinx系統(tǒng)的Sphinx Train

3、完成了AN4語料庫CD聚類聲學(xué)模型的訓(xùn)練。
　　 關(guān)鍵詞檢出引擎的設(shè)計實現(xiàn)是本文的主要工作之一。本文在Sphinx-4現(xiàn)有的識別功能模塊的基礎(chǔ)上設(shè)計了填充模型數(shù)據(jù)結(jié)構(gòu)，即語法識別網(wǎng)絡(luò)，基于該網(wǎng)絡(luò)實現(xiàn)了關(guān)鍵詞檢出。填充模型數(shù)據(jù)結(jié)構(gòu)將節(jié)點定義為初始節(jié)點、終止節(jié)點、關(guān)鍵詞節(jié)點和NULL語法節(jié)點。通過這4種節(jié)點創(chuàng)建識別網(wǎng)絡(luò)。其中NULL是Sphinx中特殊的語法結(jié)構(gòu)，它可以自動匹配關(guān)鍵詞表外的任意詞，適用于遞歸的語法結(jié)構(gòu)。當(dāng)采用AN4聲

4、學(xué)模型作為關(guān)鍵詞檢出引擎模型對引擎進(jìn)行性能測試時，實驗表明:用8個高斯混合數(shù)的聲學(xué)模型作為引擎模型，引擎在虛報指數(shù)較低的情況下有較好的識別率和正確率，性能良好。此外，本文還測試了用WSJ大詞匯量聲學(xué)模型作為引擎模型時引擎的性能，實驗表明:基于WSJ聲學(xué)模型的引擎識別性能良好，可以滿足大詞匯表識別檢出。
　　 本文設(shè)計了一套基于關(guān)鍵詞信息通用的話音服務(wù)質(zhì)量評測指標(biāo)體系，并設(shè)計了評測算法集成到系統(tǒng)，實現(xiàn)話音服務(wù)質(zhì)量監(jiān)控的準(zhǔn)確化和自動