呼叫中心客服語音情緒檢測(cè)方法研究.pdf

1、現(xiàn)今,隨著呼叫中心等技術(shù)和應(yīng)用的迅猛發(fā)展,如何針對(duì)大量的電話語音錄音數(shù)據(jù),通過快速、精確的語音情感識(shí)別,實(shí)現(xiàn)對(duì)通話質(zhì)量的自動(dòng)監(jiān)控,已經(jīng)成為迫切的應(yīng)用需求。電話語音不僅包含文字符號(hào)信息,還包含了豐富的說話者情緒和情感等信息。傳統(tǒng)的語音識(shí)別一般主要集中于對(duì)語意內(nèi)容和文字的識(shí)別,而通過對(duì)語音信號(hào)開展情感方面的參數(shù)計(jì)算,進(jìn)而實(shí)現(xiàn)語音情感識(shí)別,則是近幾年剛剛興起的研究方向,受到語音信號(hào)處理、心理學(xué)、信息管理等研究領(lǐng)域的廣泛關(guān)注。
　　本文結(jié)

2、合呼叫中心的實(shí)際應(yīng)用需求,對(duì)客服代表的語音進(jìn)行了情緒識(shí)別檢測(cè)方面的相關(guān)研究,主要的研究?jī)?nèi)容以及取得的研究成果如下:
　　1.為了從對(duì)話語音中得到目標(biāo)說話人的語音,即客服的語音,也就是要對(duì)對(duì)話語音進(jìn)行分割聚類,本文利用了 BIC準(zhǔn)則和基于GLR距離的算法對(duì)其進(jìn)行初步的分割聚類,同時(shí)為了改善分割聚類效果,在此基礎(chǔ)上利用HMM,UBM的基于模型的重分割與聚類算法對(duì)此進(jìn)行改進(jìn),最后利用 UBM聚類方法將客服代表語音區(qū)分出來。
　　2

3、.為了對(duì)提取出的客服語音進(jìn)行很好的情緒檢測(cè),本文融合了GMM超矢量和SVM的語音情感識(shí)別方法。以整個(gè)語音段為GMM模型的輸入,以時(shí)間構(gòu)造、基頻構(gòu)造、振幅能量構(gòu)造,共振峰構(gòu)造,MFCC為重點(diǎn)特征參數(shù)。然后利用所建立的GMM的超矢量作為SVM的輸入,進(jìn)行情感識(shí)別。通過實(shí)驗(yàn)對(duì)比了不同模型參數(shù)對(duì)語音情感識(shí)別的結(jié)果的影響,進(jìn)而得到了GMM超矢量和SVM相融合的最佳參數(shù)組合。
　　3.設(shè)計(jì)并實(shí)現(xiàn)了基于 GMM-SVM的語音情感識(shí)別系統(tǒng)。該系統(tǒng)