一种基于KNN/CNN的供热客服音频分类方法

作者：邬友朋; 赵金龙; 贾中营

来源：电力大数据, 2021, 24(07): 56-66.

DOI：10.19317/j.cnki.1008-083x.2021.07.008

• 信号
• 特征
• 卷积神经网络
• 音频
• 分类

为了解决供热客服系统中来电诉求的分类问题,本文介绍一种基于KNN(k-近邻算法)以及CNN卷积神经网络的供热客服音频分类方法,主要用于处理用户来电的目的区分,将用户的诉求具体归类到报修,反馈,咨询等分类下,以支撑客服系统的后续处理,提升客服系统的工作效率。本文介绍的分类方法主要是使用KNN算法及CNN卷积神经网络分别对音频的时域特征和频域特征进行预测分类,再根据音频信号的物理特征进行权重计算,对结果加权以提升预测准确率。此方法的理论基础为在汉语中,不同声/韵母的发音方式会导致声音的时域特征发生较大改变,而汉语中的音调会对音频信号的基频产生较大影响,以此为依据即可完成对引导用户说出的短语进行分类。在实验中,使用本文介绍的分类方法进行预测的准确率达到80%以上,满足线上业务需求。

• 出版日期2021