本發(fā)明涉及語(yǔ)音問(wèn)答，尤其涉及一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答方法、裝置、終端設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、人工智能技術(shù)在飛速發(fā)展，并迅速應(yīng)用于各行各業(yè)。電力系統(tǒng)關(guān)系到國(guó)計(jì)民生，人工智能系統(tǒng)與電力系統(tǒng)的融合體現(xiàn)在諸多方面，因此將人工智能在電力系統(tǒng)中進(jìn)行應(yīng)用將會(huì)有效提升電力運(yùn)維的效率與安全。

2、傳統(tǒng)的電力客服人員通過(guò)人工方式處理客戶的咨詢，解答疑慮，提供相關(guān)服務(wù)信息；然而，這種傳統(tǒng)客服模式，對(duì)于一些常見(jiàn)問(wèn)題，客服人員需要反復(fù)解答，而沒(méi)有更高效的自動(dòng)化方式，因此存在問(wèn)題的解答效率低，且人工客服的工作繁瑣的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答方法、裝置、終端設(shè)備及存儲(chǔ)介質(zhì)，能解決現(xiàn)有技術(shù)中，需要人工客服對(duì)常見(jiàn)問(wèn)題進(jìn)行反復(fù)解答，導(dǎo)致解答效率低且工作繁瑣的問(wèn)題。

2、本發(fā)明一實(shí)施例提供一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答方法，包括：

3、獲取基于電力系統(tǒng)的咨詢問(wèn)題的問(wèn)題語(yǔ)音信號(hào)，并從上述問(wèn)題語(yǔ)音信號(hào)中提取得到問(wèn)題特征；

4、計(jì)算上述問(wèn)題特征與預(yù)設(shè)問(wèn)答庫(kù)中，每一歷史客戶咨詢語(yǔ)音的歷史問(wèn)題特征之間的相似度；

5、判斷所有相似度中最大的相似度是否不小于預(yù)設(shè)相似度閾值；

6、若最大的相似度不小于預(yù)設(shè)相似度閾值，則將最大的相似度的歷史客戶咨詢語(yǔ)音，作為目標(biāo)客戶咨詢語(yǔ)音，并從預(yù)設(shè)問(wèn)答庫(kù)中提取上述目標(biāo)客戶咨詢語(yǔ)音對(duì)應(yīng)的歷史客服解答數(shù)據(jù)，作為上述咨詢問(wèn)題的答復(fù)數(shù)據(jù)；否則，將上述問(wèn)題特征輸入至預(yù)設(shè)語(yǔ)音問(wèn)答模型，以使上述語(yǔ)音問(wèn)答模型根據(jù)上述問(wèn)題特征，預(yù)測(cè)得到上述咨詢問(wèn)題的答復(fù)數(shù)據(jù)。

7、進(jìn)一步的，上述預(yù)設(shè)問(wèn)答庫(kù)的構(gòu)建，包括：

8、獲取歷史語(yǔ)音交互數(shù)據(jù)，并從上述歷史語(yǔ)音交互數(shù)據(jù)中提取客戶咨詢語(yǔ)音，以及用于對(duì)上述客戶咨詢語(yǔ)音進(jìn)行答復(fù)的電力數(shù)據(jù)；

9、對(duì)上述客戶咨詢語(yǔ)音進(jìn)行語(yǔ)音增強(qiáng)，得到歷史客戶咨詢語(yǔ)音；

10、對(duì)上述電力數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，得到第一電力數(shù)據(jù)；

11、針對(duì)每一歷史客戶咨詢語(yǔ)音，從上述第一電力數(shù)據(jù)中提取得到對(duì)應(yīng)的歷史客服解答數(shù)據(jù)；

12、根據(jù)上述歷史客戶咨詢語(yǔ)音以及上述歷史客服解答數(shù)據(jù)，構(gòu)建上述預(yù)設(shè)問(wèn)答庫(kù)。

13、進(jìn)一步的，上述對(duì)上述客戶咨詢語(yǔ)音進(jìn)行語(yǔ)音增強(qiáng)，得到歷史客戶咨詢語(yǔ)音，包括：

14、對(duì)客戶咨詢語(yǔ)音依次進(jìn)行基音頻率分量整型、基音權(quán)重參數(shù)調(diào)整以及濾波，得到基音增強(qiáng)后的第一語(yǔ)音數(shù)據(jù)；

15、計(jì)算上述客戶咨詢語(yǔ)音與上述第一語(yǔ)音數(shù)據(jù)之和，得到第二語(yǔ)音數(shù)據(jù)；

16、對(duì)上述第二語(yǔ)音數(shù)據(jù)中的基音進(jìn)行濾波增強(qiáng)處理，得到上述歷史客戶咨詢語(yǔ)音。

17、進(jìn)一步的，上述預(yù)設(shè)語(yǔ)音問(wèn)答模型的訓(xùn)練，包括：

18、對(duì)語(yǔ)音問(wèn)答模型的預(yù)訓(xùn)練，得到預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型；

19、獲取咨詢問(wèn)題樣本數(shù)據(jù)以及上述咨詢問(wèn)題樣本數(shù)據(jù)對(duì)應(yīng)的真實(shí)解答數(shù)據(jù)；

20、根據(jù)上述咨詢問(wèn)題樣本數(shù)據(jù)以及真實(shí)解答數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的預(yù)設(shè)語(yǔ)音問(wèn)答模型；

21、其中，對(duì)上述語(yǔ)音問(wèn)答模型的預(yù)訓(xùn)練操作，包括：

22、從上述預(yù)設(shè)問(wèn)答庫(kù)中，獲取若干歷史用戶咨詢語(yǔ)音數(shù)據(jù)，以及每一歷史客服解答數(shù)據(jù)；

23、從上述若干歷史用戶咨詢語(yǔ)音數(shù)據(jù)中提取得到若干歷史問(wèn)題特征；

24、將各上述歷史問(wèn)題特征以及對(duì)應(yīng)的歷史客服解答數(shù)據(jù)，輸入至至待訓(xùn)練的語(yǔ)音問(wèn)答模型進(jìn)行迭代訓(xùn)練，直至損失函數(shù)收斂，生成預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型；其中，在每次迭代訓(xùn)練時(shí)，根據(jù)當(dāng)前的歷史問(wèn)題特征，預(yù)測(cè)出當(dāng)前的預(yù)測(cè)解答數(shù)據(jù)；根據(jù)當(dāng)前的預(yù)測(cè)解答數(shù)據(jù)以及當(dāng)前的歷史客服解答數(shù)據(jù)，計(jì)算得到當(dāng)前的損失函數(shù)，并判斷當(dāng)前的損失函數(shù)是否收斂；若當(dāng)前的損失函數(shù)收斂，則將當(dāng)前的語(yǔ)音問(wèn)答模型作為預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型；否則，調(diào)整當(dāng)前的語(yǔ)音問(wèn)答模型的參數(shù)。

25、進(jìn)一步的，上述根據(jù)上述咨詢問(wèn)題樣本數(shù)據(jù)以及真實(shí)解答數(shù)據(jù)，對(duì)預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的預(yù)設(shè)語(yǔ)音問(wèn)答模型，包括：

26、將上述咨詢問(wèn)題樣本數(shù)據(jù)隨機(jī)劃分為若干組問(wèn)題樣本數(shù)據(jù)，并針對(duì)每一問(wèn)題樣本特征數(shù)據(jù)提取問(wèn)題樣本特征，繼而得到若干組問(wèn)題樣本特征；其中，每一問(wèn)題樣本特征對(duì)應(yīng)一個(gè)真實(shí)解答數(shù)據(jù)；

27、針對(duì)每一組問(wèn)題樣本特征，計(jì)算每一問(wèn)題樣本特征，與上述預(yù)設(shè)問(wèn)答庫(kù)中所有歷史客戶咨詢語(yǔ)音的歷史問(wèn)題特征之間的第一相似度，并從每一問(wèn)題樣本特征對(duì)應(yīng)的所有第一相似度中提取出最大的第一相似度；

28、在每得到一最大的第一相似度，在最大的第一相似度小于預(yù)設(shè)相似度閾值的情況下，將最大的第一相似度對(duì)應(yīng)的問(wèn)題樣本特征以及真實(shí)解答數(shù)據(jù)輸入至預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型，以使預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型預(yù)測(cè)得到預(yù)測(cè)解答數(shù)據(jù)；

29、在最大的第一相似度不小于預(yù)設(shè)相似度閾值的情況下，將最大的第一相似度對(duì)應(yīng)的歷史客戶咨詢語(yǔ)音作為目標(biāo)歷史客戶咨詢語(yǔ)音，并從預(yù)設(shè)問(wèn)答庫(kù)中提取目標(biāo)歷史客戶咨詢語(yǔ)音對(duì)應(yīng)的歷史客服解答數(shù)據(jù)，作為預(yù)測(cè)解答數(shù)據(jù)；

30、根據(jù)預(yù)測(cè)解答數(shù)據(jù)，以及真實(shí)解答數(shù)據(jù)，統(tǒng)計(jì)每一組問(wèn)題樣本數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)正確率；若當(dāng)前的預(yù)測(cè)正確率不小于預(yù)設(shè)正確率閾值，則將當(dāng)前的第一語(yǔ)音問(wèn)答模型作為訓(xùn)練好的預(yù)設(shè)語(yǔ)音問(wèn)答模型；否則，調(diào)整當(dāng)前的第一語(yǔ)音問(wèn)答模型的參數(shù)后，繼續(xù)對(duì)預(yù)訓(xùn)練后的第一語(yǔ)音問(wèn)答模型進(jìn)行訓(xùn)練。

31、進(jìn)一步的，上述根據(jù)預(yù)測(cè)解答數(shù)據(jù)，以及真實(shí)解答數(shù)據(jù)，統(tǒng)計(jì)每一組問(wèn)題樣本數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)正確率，包括：

32、針對(duì)每一預(yù)測(cè)解答數(shù)據(jù)，根據(jù)對(duì)應(yīng)的真實(shí)解答數(shù)據(jù)判斷正確性，得到每一組問(wèn)題樣本數(shù)據(jù)對(duì)應(yīng)的正確個(gè)數(shù)；

33、根據(jù)上述正確個(gè)數(shù)以及對(duì)應(yīng)組別的問(wèn)題樣本數(shù)據(jù)的總個(gè)數(shù)，計(jì)算得到上述預(yù)測(cè)正確率。

34、在上述方法項(xiàng)實(shí)施例的基礎(chǔ)上，本發(fā)明對(duì)應(yīng)提供了裝置項(xiàng)實(shí)施例；

35、本發(fā)明提供了一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答裝置，包括：

36、數(shù)據(jù)獲取模塊、相似度計(jì)算模塊、相似度判斷模塊以及答復(fù)數(shù)據(jù)生成模塊；

37、上述數(shù)據(jù)獲取模塊，用于獲取基于電力系統(tǒng)的咨詢問(wèn)題的問(wèn)題語(yǔ)音信號(hào)，并從上述問(wèn)題語(yǔ)音信號(hào)中提取得到問(wèn)題特征；

38、上述相似度計(jì)算模塊，用于計(jì)算上述問(wèn)題特征與預(yù)設(shè)問(wèn)答庫(kù)中，每一歷史客戶咨詢語(yǔ)音的歷史問(wèn)題特征之間的相似度；

39、上述相似度判斷模塊，用于判斷所有相似度中最大的相似度是否不小于預(yù)設(shè)相似度閾值；

40、上述答復(fù)數(shù)據(jù)生成模塊，用于若最大的相似度不小于預(yù)設(shè)相似度閾值，則將最大的相似度的歷史客戶咨詢語(yǔ)音，作為目標(biāo)客戶咨詢語(yǔ)音，并從預(yù)設(shè)問(wèn)答庫(kù)中提取上述目標(biāo)客戶咨詢語(yǔ)音對(duì)應(yīng)的歷史客服解答數(shù)據(jù)，作為上述咨詢問(wèn)題的答復(fù)數(shù)據(jù)；否則，將上述問(wèn)題特征輸入至預(yù)設(shè)語(yǔ)音問(wèn)答模型，以使上述語(yǔ)音問(wèn)答模型根據(jù)上述問(wèn)題特征，預(yù)測(cè)得到上述咨詢問(wèn)題的答復(fù)數(shù)據(jù)。

41、進(jìn)一步的，上述答復(fù)數(shù)據(jù)生成模塊，包括：

42、歷史數(shù)據(jù)獲取單元、語(yǔ)音增強(qiáng)單元、數(shù)據(jù)清洗單元、解答數(shù)據(jù)提取單元以及問(wèn)答庫(kù)構(gòu)建單元；

43、上述歷史數(shù)據(jù)獲取單元，用于獲取歷史語(yǔ)音交互數(shù)據(jù)，并從上述歷史語(yǔ)音交互數(shù)據(jù)中提取客戶咨詢語(yǔ)音，以及用于對(duì)上述客戶咨詢語(yǔ)音進(jìn)行答復(fù)的電力數(shù)據(jù)；

44、上述語(yǔ)音增強(qiáng)單元，用于對(duì)上述客戶咨詢語(yǔ)音進(jìn)行語(yǔ)音增強(qiáng)，得到歷史客戶咨詢語(yǔ)音；

45、上述數(shù)據(jù)清洗單元，用于對(duì)上述電力數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，得到第一電力數(shù)據(jù)；

46、上述解答數(shù)據(jù)提取單元，用于針對(duì)每一歷史客戶咨詢語(yǔ)音，從上述第一電力數(shù)據(jù)中提取得到對(duì)應(yīng)的歷史客服解答數(shù)據(jù)；

47、上述問(wèn)答庫(kù)構(gòu)建單元，用于根據(jù)上述歷史客戶咨詢語(yǔ)音以及上述歷史客服解答數(shù)據(jù)，構(gòu)建上述預(yù)設(shè)問(wèn)答庫(kù)。

48、在上述方法項(xiàng)實(shí)施例的基礎(chǔ)上，本發(fā)明對(duì)應(yīng)提供了一終端設(shè)備項(xiàng)實(shí)施例；

49、本發(fā)明提供了一種終端設(shè)備，包括處理器、存儲(chǔ)器以及存儲(chǔ)在上述存儲(chǔ)器中且被配置為由上述處理器執(zhí)行的計(jì)算機(jī)程序，上述處理器執(zhí)行上述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)本發(fā)明任意一實(shí)施例上述的一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答方法。

50、在上述方法項(xiàng)實(shí)施例的基礎(chǔ)上，本發(fā)明對(duì)應(yīng)提供了一存儲(chǔ)介質(zhì)項(xiàng)實(shí)施例；

51、本發(fā)明提供了一種存儲(chǔ)介質(zhì)，包括處理器、存儲(chǔ)器以及存儲(chǔ)在上述存儲(chǔ)器中且被配置為由上述處理器執(zhí)行的計(jì)算機(jī)程序，上述處理器執(zhí)行上述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)本發(fā)明任意一實(shí)施例上述的一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答方法。

52、本發(fā)明的實(shí)施例，具有如下有益效果：

53、本發(fā)明提供了一種基于電力系統(tǒng)的語(yǔ)音問(wèn)答方法、裝置、終端設(shè)備及存儲(chǔ)介質(zhì)，上述方法包括：首先獲取基于電力系統(tǒng)的咨詢問(wèn)題的問(wèn)題語(yǔ)音信號(hào)，并從上述問(wèn)題語(yǔ)音信號(hào)中提取得到問(wèn)題特征；隨后計(jì)算上述問(wèn)題特征與預(yù)設(shè)問(wèn)答庫(kù)中，每一歷史客戶咨詢語(yǔ)音的歷史問(wèn)題特征之間的相似度；再判斷所有相似度中最大的相似度是否不小于預(yù)設(shè)相似度閾值；最后若最大的相似度不小于預(yù)設(shè)相似度閾值，則將最大的相似度的歷史客戶咨詢語(yǔ)音，作為目標(biāo)客戶咨詢語(yǔ)音，并從預(yù)設(shè)問(wèn)答庫(kù)中提取上述目標(biāo)客戶咨詢語(yǔ)音對(duì)應(yīng)的歷史客服解答數(shù)據(jù)，作為上述咨詢問(wèn)題的答復(fù)數(shù)據(jù)；否則，將上述問(wèn)題特征輸入至預(yù)設(shè)語(yǔ)音問(wèn)答模型，以使上述語(yǔ)音問(wèn)答模型根據(jù)上述問(wèn)題特征，預(yù)測(cè)得到上述咨詢問(wèn)題的答復(fù)數(shù)據(jù)。因此本發(fā)明通過(guò)先計(jì)算當(dāng)前的問(wèn)題語(yǔ)音信號(hào)中的語(yǔ)音特征，與問(wèn)答庫(kù)里的歷史客戶咨詢語(yǔ)音的歷史問(wèn)題特征之間的相似度，判斷出當(dāng)前的咨詢問(wèn)題是否是已經(jīng)解答過(guò)的重復(fù)問(wèn)題，若最大相似度不小于預(yù)設(shè)相似度閾值，則可以直接從問(wèn)答庫(kù)中提取已有的歷史客服解答數(shù)據(jù)，作為當(dāng)前咨詢問(wèn)題的答復(fù)數(shù)據(jù)，不需要再使用語(yǔ)音問(wèn)答模型進(jìn)行答復(fù)數(shù)據(jù)的預(yù)測(cè)，繼而可以提高問(wèn)題的解答速度，同時(shí)在整個(gè)問(wèn)答過(guò)程中，不需要人工客服對(duì)咨詢問(wèn)題進(jìn)行處理，而是使用語(yǔ)音問(wèn)答模型進(jìn)行自動(dòng)化的解答，提高了問(wèn)題的解答效率。