基于知识图谱的智能语音识别案例分析_熊小舟.pdf

228 集成电路应用 第 40 卷 第 1 期（总第 352 期）2023 年 1 月Applications创新应用通过词法分析、语法分析、语义识别等技术，对用户输入的自然语言问题进行语义解析，有效地理解用户的信息检索需求和信息对象包含的内容：（1）保障知识图谱的检索更加准确，（2）语音交互提供基础核心能力,自然语言处理的过程如图1。语音交互的内核是三个技术部分，语音识别(ASR)，自然语言处理(NLP)和语音合成(TTS)。其主要目的是让系统能够在知识库的支撑下，自动实现与人类的无障碍交流。图2为语音交互过程。（1）语音识别。语音识别（Automatic Speech Recognition，ASR）是将声音解析成文字的过程。语音识别的关键技术是语音采集和语音转写。由于客户口音及方言问题，引入了机器自学习和语音标注来增强语言识别能力。0 引言为切实做好一线人员的技术支撑保障工作，借助人工智能技术，建立基于语义的数据融合模型，屏蔽数据壁垒，推进数据融合共享，借助企业数字化转型契机，围绕基层班组最为关心的核心业务，建设智能外呼助手。1 研究背景知识图谱（Knowledge Graph）以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。知识图谱源自语义网络，涉及图形学、信息可视化、信息科学等学科的理论，本质是搭建形成知识之间的关系。构成要素主要是节点和边，节点表示实体或概念，边表示实体与属性或实体之间的关系，节点之间通过边进行链接，形成网状的知识库，进而构成知识图谱。知识图谱本质上是一个知识库，是提供数据让智能化工具具有认知能力的知识库，是人工智能的一个分支，是智能化应用具有认知能力的基石。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。包括语言学、计算机科学、数学等科学理论与方法。作者简介：熊小舟，国网江西省电力有限公司信息通信分公司；研究方向：智能技术应用。收稿日期：2022-09-13；修回日期：2022-12-22。摘要：阐述基于知识图谱和语音识别的智能外呼助手，通过知识图谱技术构建客户服务专业知识图谱数据库，结合语音识别、自然语言处理技术，实现智能研判、异常提醒、自动外呼、智能应答。关键词：知识图谱，语音识别，智能外呼。中图分类号：TP18，TP311.13 文章编号：1674-2583(2023)01-0228-02DOI：10.19339/j.issn.1674-2583.2023.01.103文献引用格式：熊小舟，刘小康，徐滢，罗坤.基于知识图谱的智能语音识别案例分析J.集成电路应用,2023,40(01):228-229.基于知识图谱的智能语音识别案例分析熊小舟，刘小康，徐滢，罗坤（国网江西省电力有限公司信息通信分公司，江西 330095）Abstract This paper describes the intelligent outbound assistant based on knowledge map and voice recognition.It constructs the database of customer service professional knowledge map through knowledge map technology,and combines voice recognition and natural language processing technology to realize intelligent research and judgment,exception alert,automatic outbound call and intelligent response.Index Terms knowledge map,speech recognition,intelligent outbound call.Case Analysis of Intelligent Speech Recognition Based on Knowledge MapXIONG Xiaozhou,LIU Xiaokang,XU Ying,LUO Kun(Information and Communication Branch of State Grid Jiangxi Electric Power Co.,Ltd.,Jiangxi 330095,China.)图1 自然语言处理过程图2 语音交互过程Applications 创新应用集成电路应用 第 40 卷 第 1 期（总第 352 期）2023 年 1 月 229（2）语 音 合 成。语 音 合 成（T e x t-T o-Speech，TTS）是将文本信息合成语音的过程。2 识图谱的应用案例 2.1 技术架构原始业务数据存储在数据中台，通过华为云抽取数据并处理数据，然后将数据利用知识服务平台对数据进行抽取关键词，句法分析，语义处理等操作，deepcogni平台主要是利用深度学习，自然语言处理等人工智能算法对数据进行处理，再将处理过的数据通过知识工厂标准平台对数据进行标注，包括实体属性和关系的标注，然后通过知识图谱技术套件构建知识图谱，根据构建好的知识图谱，可以实现合规检测，推荐预测，风险评估，查询匹配等，最后成果为营销业务及其他专业服务提供支持，技术架构如图3所示。2.2 知识图谱构建供用电专业知识图谱构建的包括数据准备及处理、数据标注、知识抽取、知识融合和知识加工。数据准备及处理主要是通过数据中台存储数据，利用华为云对数据进行抽取和处理，将数据进行整合，过滤，缺失值处理等操作；数据标注对数据进行标注，包括：实体，属性，关系，类型、标签集、标注者、预标注模型、截止日期。标注数据是构建知识图谱的基础，将关系型数据及非关系型数据进行标注，对于非关系型数据需要根据自然语言处理算法，对数据进行分词，句法分析，关键词抽取等操作。对于非关系型数据，要明确实体属性及关系；知识抽取是从不同来源、不同结构的数据中进行信息提取，形成知识存入知识图谱中；知识融合将多个数据源抽取的知识进行融合后集成到知识图谱中。在进行知识融合时，需要解决多种类型的数据冲突问题，包括一个短语对应多个实体、实体属性名不一致、实体属性缺失、实体属性值不一致、实体属性值一对多映射等情况；知识加工是在知识图谱应用过程中，对图谱的质量和效果进行评估，并根据使用成效和最新的业务知识，对知识图谱进行迭代更新与修正，保障图谱的不断成长。2.3 知识图谱应用知识图谱可视化。以用户为核心，构建用户用电信息图谱可视化，并融合客户标签，对用户业务场景进行构建，以适配智能外呼任务。知识图谱查询。构建知识图谱主要应用在电力行业领域，本次主要是档案数据、业扩数据、电费数据等进行构建图谱，目的是客户进行咨询时，能够实时获取对应业务信息进行反馈，增加智能语音交互的实用性。3 智能外呼助手整体架构。智能外呼助手集成了营销档案、业扩、电费、设备、工单等各类数据，按照任务类型形成任务工单，通过大数据分析技术实现智能研判，基于知识图谱实现人机智能交互和在线问答。外呼智能化辅助应用。（1）人工智能。通过知识图谱和深度学习模型的应用，全面提高外呼效率效率，呼入效率提升至少8倍，极地的维护和运营成本。（2）灵活适配多场景。提供流程话术配置和标准场景模板，标准的场景话术库及对话逻辑可快速复用场景模板，结合知识图谱内容实现千人千面话术。（3）逼真的对话体验。封闭对话逻辑或开放式问答支持VUI设计师提供解决方案支持多种逻辑流转方式，做到大部分用户对话无感知是机器人支持。应用场景。智能外呼助手可以根据业务应用场景要求，形成自动外呼任务工单，并辅以智能应答模式，在外呼时与客户进行实时交流。（1）智能催费。以实时欠费和账务欠费为基础，结合客户标签信息，形成智能催费任务，提高催费的时效性。（2）业扩回访。根据业扩报装节点，进行业扩自动回访，记录用户满意度及回复意见，提升业扩回访覆盖范围。（3）账单解读。根据用户编号，向用户解读月度用电情况，包括本月电量电费，当前余额，所在阶梯等。（4）停电信息通知。对重要用户告知停电计划信息。4 成效评估基于知识图谱和语音识别的智能外呼助手在一个市级供电所及一个县级供电公司进行试用，（1）减少人工催收管理、反馈成本，通过智能语音直接解决用户问题。（2）为基层员工减负，减少客户经理通话量，避免特殊时刻工作量大增人员不够的现象。（3）利用人工智能技术和知识图谱能力，主动精准推送信息，有效的提升工作效率与服务能力。5 结语通过引入人工智能和知识图谱，有助一线人员，缓解基层工作强度和精神压力，加快智能客服数字化转型，解决企业发展中出现的结构缺员的问题，节省人力投入，并减少人员管理成本，全面促进营销服务提质增效。参考文献1 徐增林,盛泳潘,贺丽荣,王雅芳.知识图谱技术综述J.电子科技大学学报,2016,45(04):589-606.图3 知识图谱技术架构