[发明专利]一种基于语音识别纠错模型的管制信息提取方法

权利要求书

1.一种基于语音识别纠错模型的管制信息提取方法，其特征在于，包括以下步骤：

步骤1，采集管制指令文本数据集，构建相似拼音替换规则库，模拟管制语音识别错误，形成管制指令带噪训练数据集；

步骤2，构建管制语音识别纠错模型，使用管制指令带噪训练数据集对管制语音识别纠错模型进行训练；

步骤3，构建并训练管制信息抽取模型，从实际管制指令文本中抽取管制信息并形成集合；

步骤4，验证已抽取的管制信息是否正确，若正确，输出管制信息；若错误，执行步骤5；

步骤5，纠正错误的管制信息，生成正确的管制信息集合，形成计算机能够理解的结构化管制指令；

步骤1中基于所采集的管制指令文本数据集，构建相似拼音替换规则库，模拟管制语音识别错误，形成管制指令带噪训练数据集，包括以下步骤：

步骤1-1：构建第一拼音表，将管制指令文本数据中的数字和英文字母按照读音替换为对应的同音汉字，统计管制指令文本数据集中出现的汉字，生成管制指令字典，对管制指令字典中的汉字标注拼音，形成第一拼音表；

步骤1-2：扩充第一拼音表，面向第一拼音表中的拼音，通过删除、替换或增加单个字母获取相似拼音表，所述相似拼音表和第一拼音表结合，并形成第二拼音表；

步骤1-3：构建同音字表，根据第二拼音表扩充同音字个数，形成同音字表，所述同音字表和第二拼音表结合，形成相似拼音替换规则库；

步骤1-4：构建训练数据集，面向管制指令文本数据集中的每一个管制指令句子，以15％的概率随机选择汉字，对于被选择的汉字，以50％的概率替换为同音字表中的同音字，50％的概率替换为相似拼音表中的相似拼音对应汉字；

步骤1-5：基于以上步骤，获得管制指令带噪训练数据集，包括训练数据和标签数据，所述训练数据为带有同音字替换和相似拼音对应汉字替换的文本数据，所述标签数据为对应的正确文本数据。

2.根据权利要求1所述的一种基于语音识别纠错模型的管制信息提取方法，其特征在于，步骤1-2中所述面向第一拼音表中的拼音，通过删除、替换或增加单个字母获取相似拼音表，采用编辑距离法，定义编辑距离为相似拼音通过删除、替换或增加单个字母的总次数。

3.根据权利要求2所述的一种基于语音识别纠错模型的管制信息提取方法，其特征在于，步骤2中，所述管制语音识别纠错模型包括语音识别纠错编码层和语音识别纠错输出层，所述语音识别纠错编码层采用BERT模型，所述语音识别纠错输出层采用全连接网络层；使用管制指令带噪训练数据集训练管制语音识别纠错模型，将训练数据作为输入序列，获得输出序列，输出序列与标签数据计算得到误差，根据误差进行反向传播，获得训练后的管制语音识别纠错模型。

4.根据权利要求3所述的一种基于语音识别纠错模型的管制信息提取方法，其特征在于，步骤3中所述管制信息抽取模型包括管制信息抽取编码层和管制信息抽取输出层，所述管制信息抽取编码层采用步骤2中训练好的管制语音识别纠错模型的语音识别纠错编码层，对输入序列进行编码表征；所述管制信息抽取输出层采用条件随机场或Softmax模型，对管制信息抽取编码层的输出表征结果进行处理，输出信息标签序列；所述信息标签序列中的信息标签包括BIO中的一个字母和信息类型，所述信息类型为管制指令所属的类型，包括地点、动作、航班呼号、航班高度、航班速度、推出方向、机构名称和天气，所述机构名称包括塔台、地面和进近机构名称；B表示信息类型的开头部分，I表示信息类型的中间部分，O表示无信息类型。