[发明专利]一种基于语音识别的日志生成方法

说明书

本发明公开了一种基于语音识别的日志生成方法，包括以下步骤：模型创建：构建语音识别模型，并对语音识别模型进行训练；语音解析：将语音识别模型识别的结果处理成计算机可以理解的执行指令；日志生成：根据语音解析的指令进行配电网拓扑分析，生成配电网故障日志；日志输出：将生成的配电网故障日志按照设定的标准输出。本发明所述的一种基于语音识别的日志生成方法，能够有效减少人工录入工作，节省录入时间，减少人员操作次数，减轻人员工作量，提高工作效率，降低工作人员手动输入错误率，够采用更为便利的方式获得更好的人机交互，创新性的通过语句模型形成标准的值班日志记录，改善用户的使用感受，具有良好的前景。

技术领域

本发明涉及电力行业领域，特别涉及一种基于语音识别的日志生成方法。

背景技术

现如今的语音识别技术主要分为三种类别，第一类是模型匹配法，矢量量化技术和动态时间规整技术均属于此类。第二类是以隐式马尔可夫模型方法为代表的基于统计模型方法。除此以外，高斯混合模型也是常用的统计概率模型方法，一度在语音识别研究中占据了主导地位。随着深度神经网络的提出和发展，第三类辨别器分类方法成为了目前主流的语音识别建模方式，该类方法包括支持向量机、人工神经网络和深度神经网络等，该类方法在大词汇量和连续语音识别技术上取得了突破性进展。21世纪，我国语音识别从科研单位、高校的实验室中走出，融入到人们日常生活中，各大企业纷纷投身于该领域，如科大讯飞、百度语音识别等；

电网监视、调控操作、故障处理、业务联系、统计分析等各调度实时运行业务中，需要大量的基于知识和数据的分析和决策的过程，在这些业务方面积累多年的工作规则、规程和管理规定，还包括一些专家的个人经验，如何将这些文字性或经验性的知识形成计算机可识别和调用的数字化知识，构建电力调度领域的智慧大脑，是提高智能化水平的关键。以下是对构建调度智慧大脑所需的人工智能技术原理进行简要阐述。

知识图谱构建和知识存储技术：是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来，在“知识图谱”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识，所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。构建一个良好的知识图谱，需要利用语言解析技术、知识模型构建技术、知识存储技术、智能分析决策技术。在这些技术的基础之上，对上述各项应用业务知识进行建模，并配以响应的决策和思维过程模型，应用于不同的业务需求。

可解释性描述体技术：机器之间的沟通和机器与人之间的沟通，机器不懂语言，而人难以理解结构化数据，为形成数据的理解性转换，研究利用中间性的解释性语言对事件、事物描述对象的构建方法，使其即可在计算机之间相互理解同时也可方便的转换合成工作人员可理解的语言描述，我们此处称之为可解释性描述体，形成统一标准的描述规范，实现机器之间、不同系统之间、机器和人之间的相互理解和沟通。

语音识别技术：也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。通过对计算机进行语音语义训练，建立语音识别模型，使计算机本身可以识别并理解人们发出的语音信号，并将识别出的语音信号转换为相对应的信息。

语言合成技术：是应用于分析判断决策结果的输出，对决策结果的文字的描述，以便记录阅读，应用文本转语音技术(TTS)，可使计算机进行决策结果的语音表达，向工作人员提供语言语音告知服务。

自然语言的语义解析技术：是将文字描述通过预处理、分词、特征标记、释义模型匹配等过程，将文字描述形成标准化的可解释性描述体，为计算机理解使用，是语言合成技术的逆过程。

智能推理机技术：在推理机的基础之上，形成对规则推演库的调用，驱动知识库形成所需要的目标、决策和结论。