[发明专利]智能语音调度系统及方法

权利要求书

1.一种智能语音调度助手，其特征在于，包括：

知识库，所述知识库构建将依赖于自然语言处理的多个基础组件，包括中文分词，词性标注，句法依存和语义角色标注模块，知识库的调用主要通过多轮对话以及文本搜索引擎的方式实现；

智能检索单元，智能检索单元，基于ElasticSearch定制的知识搜索引擎，通过智能检索技术，将大量规程文本进行规范化管理，并能通过关键字搜索、语义搜索快速定位相关内容，为业务人员后续操作提供指导和辅助；

态势感知单元，基于总线感知，实现对于不同来源、不同类型的关键数据进行采集、监控和管理；

服务总线，分为数据服务总线和企业服务总线，数据服务总线：制定企业数据服务接口，把将web端的数据、数据库、API接口数据收集统一管理，以服务的形式开放使用，实现数据和服务的解耦；企业服务总线：将各应用服务器上的各种服务连接到服务总线上，支持分布式的存储及分布式的处理、异步处理，从而实现服务集成与服务统一管理；

任务管理单元，命令下达：基于调度员口头下达的命令而得到；感知推送：通过态势感知功能自动监测异常，依赖业务规则库实现自动判断，生成动态任务；周期定时任务执行：基于人工设定，按照特定时间、周期执行的任务；

对话机器人，包括对话状态维护模块和生成系统决策模块，负责整个调度个模块的调用和总枢纽的作用，按照对话的轮次分为单轮对话机器人和多轮对话机器人；

智能语音单元，包括语音识别模块和语音合成模块。

2.根据权利要求1所述的智能语音调度助手，其特征在于，所述中文分词模块，用于为后续的语义分析提供特征，并通过专业词库重新训练实现分词的定制化，具体分词步骤如下：

S11：使用BMES标注体系对任务进行建模及对数据的重新标注处理；

S12：使用针对任务的特征提取方法，对句子中每一个标注单元的相应窗口信息利用特征模板进行特征抽取；

S13：使用passive aggressive感知器算法对句子序列每个位置的预测出各个标签的概率分部；

S14：使用维特比算法解码出最可能的序列标注结果。

3.根据权利要求2所述的智能语音调度助手，其特征在于，还包括增量训练优化，训练算法如下：

将总数据集(D＝{(x₁，y₁)，...，(x_n，y_n)})拆分成两份D＝{D₁，D₂}，D₁＝{(x₁，y₁)，...，(x_m，y_m)}，D₂＝{(x_m+1，y_m+1)，...，(x_n，y_n)}，(x，y)表示特征空间，w表示参数向量，W表示累计参数向量，参数向量的更新时间t，上角标表示向量的维度，下角标表示样本；

4.根据权利要求1所述的智能语音调度助手，其特征在于，所述词性标注模块用于给后续语义任务提供必要的分析特征，具体标注步骤如下：

S21：使用BIOES标注体系对任务进行建模及对数据的重新标注处理；

S22：使用针对任务的特征提取方法，对句子中每一个词的相应窗口信息利用特征模板进行特征抽取；

S23：使用passive aggressive感知器算法对句子序列每个位置的预测出各个标签的概率分部；

S24：使用维特比算法解码出最可能的序列标注结果。