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：

1、智能語義分析識別系統(tǒng)是一種人工智能技術，用于將人類語音轉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、智能汽車等領域有著廣泛的應用，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答交互方法(公開號cn115577718a)，實現(xiàn)準確分析理解用戶意圖，降低應答系統(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行實體識別和意圖識別，然后根據(jù)實體識別結果和意圖識別結果構造執(zhí)行邏輯。該專利所公開技術中，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)的智能應答過程難以連貫。

技術實現(xiàn)思路

1、本發(fā)明主要解決的技術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中的問題。

2、為解決上述技術問題，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行采集，并將該聲波中的尖銳噪聲、端點進行優(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)值轉換為二進制數(shù)字；

7、所述解碼引擎單元，用于將二進制數(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、聲學模型建立模塊所建立的語法、語義相結合并將分析結果進行輸出；

8、所述識別輸出模塊，用于對輸出的結果進行反饋至語言模型建立模塊與聲學模型建立模塊；

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合所形成聲音的二進制編碼進行存儲；

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?shù)氐娜宋沫h(huán)境建立具有當?shù)胤窖蕴厣恼Z法模型；

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

13、更進一步的，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量，使得后續(xù)處理和分析更加方便和準確；

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、更進一步的，所述語音情感分析模塊內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、頻譜能量進行檢測。

18、更進一步的，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、更進一步的，使用抑制語音信號波形振蕩的函數(shù)來對聲波進行削減，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、更進一步的，所述發(fā)音詞典模塊通過接入互聯(lián)網端實現(xiàn)對發(fā)音詞典的詞庫進行更新。

23、更進一步的，所述語言模型建立模塊、聲學模型建立模塊共同使用有定位模塊、方言聲學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)進行定位；

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

26、所述語法建立模塊，用于建立具有當?shù)靥厣恼Z法、語句形成或專屬語氣詞。

27、更進一步的，所述解碼引擎單元將量化及數(shù)字編碼模塊編碼的二進制編碼與發(fā)音詞典模塊中波形進行匹配，并取相互吻合概率最大的發(fā)音詞匯作為優(yōu)先輸出級，當兩者之間的吻合度越高其p的數(shù)值越大，數(shù)學模型有：

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制編碼與詞典詞庫中的聲母、韻母對應的二進制編碼進行概率匹配，對出現(xiàn)概率最大的詞匯編碼進行擇優(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模型建立模塊；

2.根據(jù)權利要求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部集成有聲線分析模塊；

4.根據(jù)權利要求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)網端實現(xiàn)對發(fā)音詞典的詞庫進行更新。

7.根據(jù)權利要求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、聲學模型建立模塊共同使用有定位模塊、方言聲學模塊以及語法建立模塊；

8.根據(jù)權利要求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制編碼與發(fā)音詞典模塊中波形進行匹配，并取相互吻合概率最大的發(fā)音詞匯作為優(yōu)先輸出級，當兩者之間的吻合度越高其p的數(shù)值越大，數(shù)學模型有：

技術總結
本發(fā)明涉及語義分析技術領域，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?。凰雎暡ú杉K，用于將人聲的聲波進行采集，并將該聲波中的尖銳噪聲、端點進行優(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，這樣可以更精準的判斷錄入者是生氣驚訝還是失落平靜。

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