本發(fā)明涉及語義分析，更具體的說是一種智能語義分析支持系統(tǒng)。

背景技術(shù)：

1、智能語義分析識別系統(tǒng)是一種人工智能技術(shù)，用于將人類語音轉(zhuǎn)換為文本或命令的系統(tǒng)。它通過分析聲音信號中的語音特征，并將其轉(zhuǎn)換為可理解的文本形式。并且這套系統(tǒng)在智能家居、智能手機(jī)、智能汽車等領(lǐng)域有著廣泛的應(yīng)用，為用戶提供了便捷、自然的交互方式。

2、現(xiàn)有專利公開了一種文本語義解析方法及智能應(yīng)答交互方法(公開號cn115577718a)，實(shí)現(xiàn)準(zhǔn)確分析理解用戶意圖，降低應(yīng)答系統(tǒng)的人工支持率，提高解答率。本發(fā)明提出的文本語義解析方法中，首先對用戶提供的自然語言語句進(jìn)行實(shí)體識別和意圖識別，然后根據(jù)實(shí)體識別結(jié)果和意圖識別結(jié)果構(gòu)造執(zhí)行邏輯。該專利所公開技術(shù)中，在出現(xiàn)語言環(huán)境中的方言、本地語氣助詞時，必然會出現(xiàn)錯誤理解，從而使后續(xù)的智能應(yīng)答過程難以連貫。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明主要解決的技術(shù)問題是提供一種智能語義分析支持系統(tǒng)，解決了上述背景技術(shù)中的問題。

2、為解決上述技術(shù)問題，根據(jù)本發(fā)明的一個方面，更具體的說是一種智能語義分析支持系統(tǒng)，包括語音識別模塊、聲波采集模塊、量化及數(shù)字編碼模塊、信號處理模塊、解碼引擎單元、識別輸出模塊、發(fā)音詞典模塊、語音情感分析模塊、語言模型建立模塊以及聲學(xué)模型建立模塊；

3、所述語音識別模塊，用于語言聲音的分析，過濾環(huán)境中噪音以及對嘈雜環(huán)境中人聲音的提??；

4、所述聲波采集模塊，用于將人聲的聲波進(jìn)行采集，并將該聲波中的尖銳噪聲、端點(diǎn)進(jìn)行優(yōu)化；

5、所述量化及數(shù)字編碼模塊，用于將優(yōu)化后的聲波進(jìn)行離散成若干個樣本單元，并且每個樣本單元按照時間排序，樣本單元采集該序號下波幅大??；

6、所述信號處理模塊，用于將樣本單元所采集的波幅大小依照樣本順序排列，并且將樣本波幅的數(shù)值轉(zhuǎn)換為二進(jìn)制數(shù)字；

7、所述解碼引擎單元，用于將二進(jìn)制數(shù)字與發(fā)音詞典模塊中的聲母、韻母相匹配，同時通過與所述語言模型建立模塊、聲學(xué)模型建立模塊所建立的語法、語義相結(jié)合并將分析結(jié)果進(jìn)行輸出；

8、所述識別輸出模塊，用于對輸出的結(jié)果進(jìn)行反饋至語言模型建立模塊與聲學(xué)模型建立模塊；

9、所述發(fā)音詞典模塊，用于對不同聲母、韻母以及聲母韻母相結(jié)合所形成聲音的二進(jìn)制編碼進(jìn)行存儲；

10、所述語音情感分析模塊，用于通過高頻短促的大幅度聲波來分析生源錄入者的情緒；

11、所述語言模型建立模塊，用于根據(jù)當(dāng)?shù)氐娜宋沫h(huán)境建立具有當(dāng)?shù)胤窖蕴厣恼Z法模型；

12、所述聲學(xué)模型建立模塊，用于根據(jù)當(dāng)?shù)氐娜宋沫h(huán)境建立具有當(dāng)?shù)胤窖蕴厣脑~匯模型。

13、更進(jìn)一步的，所述語音識別模塊包噪聲抑制單元和回聲消除模塊；

14、所述噪聲抑制單元，用于減少背景噪聲的干擾，提高錄音的清晰度和質(zhì)量，使得后續(xù)處理和分析更加方便和準(zhǔn)確；

15、所述回聲消除模塊，用于減少語音信號中的回聲成分，降低回聲對語音信號的干擾程度。

16、更進(jìn)一步的，所述語音情感分析模塊內(nèi)部集成有聲線分析模塊；

17、所述聲線分析模塊，用于對輸入聲音的頻率、頻譜能量進(jìn)行檢測。

18、更進(jìn)一步的，在生氣驚訝時發(fā)聲的音量很大即語音的能量變大，在傷心失落或平靜時語音的音量低即語音的能量變小，此時有：

19、

20、其中，em代表第m幀語音信號的短時能量值，x(n)代表語音信號，w(n)表示抑制語音信號波形振蕩的函數(shù)，n是指w(n)在時間上的持續(xù)長度。

21、更進(jìn)一步的，使用抑制語音信號波形振蕩的函數(shù)來對聲波進(jìn)行削減，這樣可以削減因環(huán)境噪音、回聲因素造成采集生源能量變化大的誤差。

22、更進(jìn)一步的，所述發(fā)音詞典模塊通過接入互聯(lián)網(wǎng)端實(shí)現(xiàn)對發(fā)音詞典的詞庫進(jìn)行更新。

23、更進(jìn)一步的，所述語言模型建立模塊、聲學(xué)模型建立模塊共同使用有定位模塊、方言聲學(xué)模塊以及語法建立模塊；

24、所述定位模塊，用于對所在城市、鄉(xiāng)鎮(zhèn)進(jìn)行定位；

25、所述方言聲學(xué)模塊，用于通過定位模塊的定位確定所在城市的所屬方言，并通過調(diào)用數(shù)據(jù)庫來對方言進(jìn)行檢索和收集；

26、所述語法建立模塊，用于建立具有當(dāng)?shù)靥厣恼Z法、語句形成或?qū)僬Z氣詞。

27、更進(jìn)一步的，所述解碼引擎單元將量化及數(shù)字編碼模塊編碼的二進(jìn)制編碼與發(fā)音詞典模塊中波形進(jìn)行匹配，并取相互吻合概率最大的發(fā)音詞匯作為優(yōu)先輸出級，當(dāng)兩者之間的吻合度越高其p的數(shù)值越大，數(shù)學(xué)模型有：

28、

29、其中，m表示對聲波采集幀數(shù)，f表示第m幀所采集聲波的波幅大小，n表示聲波采集幀數(shù)的總和，i表示聲波采集模塊所采集幀數(shù)的排列序號，j表示將發(fā)音詞典模塊中對應(yīng)該聲母、韻母的發(fā)音采集幀數(shù)的排列序號。

30、本發(fā)明一種智能語義分析支持系統(tǒng)的有益效果為：

31、1、本發(fā)明通過在語音識別模塊中引入語音情感分析模塊，并且使用w(n)函數(shù)來消除錄入語音中噪聲、回聲等因素造成的能量干擾，這樣可以更精準(zhǔn)的判斷錄入者是生氣驚訝還是失落平靜。

32、2、本發(fā)明通過錄入聲波的二進(jìn)制編碼與詞典詞庫中的聲母、韻母對應(yīng)的二進(jìn)制編碼進(jìn)行概率匹配，對出現(xiàn)概率最大的詞匯編碼進(jìn)行擇優(yōu)選擇，這種識別方式可以有效的解決詞匯中存在方言、語氣助詞難以識別的問題。

技術(shù)特征：

1.一種智能語義分析支持系統(tǒng)，其特征在于，包括語音識別模塊、聲波采集模塊、量化及數(shù)字編碼模塊、信號處理模塊、解碼引擎單元、識別輸出模塊、發(fā)音詞典模塊、語音情感分析模塊、語言模型建立模塊以及聲學(xué)模型建立模塊；

2.根據(jù)權(quán)利要求1所述的智能語義分析支持系統(tǒng)，其特征在于：所述語音識別模塊包噪聲抑制單元和回聲消除模塊；

3.根據(jù)權(quán)利要求1所述的智能語義分析支持系統(tǒng)，其特征在于：所述語音情感分析模塊內(nèi)部集成有聲線分析模塊；

4.根據(jù)權(quán)利要求3所述的智能語義分析支持系統(tǒng)，其特征在于：在生氣驚訝時發(fā)聲的音量很大即語音的能量變大，在傷心失落或平靜時語音的音量低即語音的能量變小，此時有：

5.根據(jù)權(quán)利要求4所述的智能語義分析支持系統(tǒng)，其特征在于：使用抑制語音信號波形振蕩的函數(shù)來對聲波進(jìn)行削減，這樣可以削減因環(huán)境噪音、回聲因素造成采集生源能量變化大的誤差。

6.根據(jù)權(quán)利要求1所述的智能語義分析支持系統(tǒng)，其特征在于：所述發(fā)音詞典模塊通過接入互聯(lián)網(wǎng)端實(shí)現(xiàn)對發(fā)音詞典的詞庫進(jìn)行更新。

7.根據(jù)權(quán)利要求1所述的智能語義分析支持系統(tǒng)，其特征在于：所述語言模型建立模塊、聲學(xué)模型建立模塊共同使用有定位模塊、方言聲學(xué)模塊以及語法建立模塊；

8.根據(jù)權(quán)利要求1所述的智能語義分析支持系統(tǒng)，其特征在于：所述解碼引擎單元將量化及數(shù)字編碼模塊編碼的二進(jìn)制編碼與發(fā)音詞典模塊中波形進(jìn)行匹配，并取相互吻合概率最大的發(fā)音詞匯作為優(yōu)先輸出級，當(dāng)兩者之間的吻合度越高其p的數(shù)值越大，數(shù)學(xué)模型有：

技術(shù)總結(jié)
本發(fā)明涉及語義分析技術(shù)領(lǐng)域，且公開了一種智能語義分析支持系統(tǒng)，包括語音識別模塊、聲波采集模塊、量化及數(shù)字編碼模塊、信號處理模塊、解碼引擎單元、識別輸出模塊、發(fā)音詞典模塊、語音情感分析模塊、語言模型建立模塊以及聲學(xué)模型建立模塊；所述語音識別模塊，用于語言聲音的分析，過濾環(huán)境中噪音以及對嘈雜環(huán)境中人聲音的提??；所述聲波采集模塊，用于將人聲的聲波進(jìn)行采集，并將該聲波中的尖銳噪聲、端點(diǎn)進(jìn)行優(yōu)化。本發(fā)明通過在語音識別模塊中引入語音情感分析模塊，并且使用w(n)函數(shù)來消除錄入語音中噪聲、回聲等因素造成的能量干擾，這樣可以更精準(zhǔn)的判斷錄入者是生氣驚訝還是失落平靜。

技術(shù)研發(fā)人員：段少平,秦元,邸蘭青
受保護(hù)的技術(shù)使用者：金銳軟件技術(shù)（南京）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23