隨著人工智能技術(shù)的發(fā)展,越來越多的研究者和開發(fā)者使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的算法開發(fā)出更加智能化的應(yīng)用。人工智能領(lǐng)域包括機(jī)器人、語音識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)。在日常生活中,語音識(shí)別和自然語言處理應(yīng)用最為廣泛,但是這些算法在使用上比較單一,沒有將兩種或多種組合算法和技術(shù)應(yīng)用到同一個(gè)場(chǎng)景中。技術(shù)是自然語言處理中應(yīng)用最為廣泛的技術(shù)之一,該技術(shù)在不改變大篇幅文檔原意的情況下,自動(dòng)的總結(jié)生成主要內(nèi)容。在這個(gè)海量的信息時(shí)代,這項(xiàng)用簡(jiǎn)短的文本表達(dá)信息主要內(nèi)容的技術(shù),有利于緩解信息過載問題。機(jī)器情感分析是人們對(duì)問題、事件或話題的觀點(diǎn)、情緒和態(tài)度的計(jì)算研究。情感分析技術(shù)使得機(jī)器通過語音和文字來感知情感,在特定場(chǎng)景下,利用語音和文字的情感,發(fā)掘潛在的用戶信息和商業(yè)信息。本文基于深度學(xué)習(xí)中語音識(shí)別技術(shù)、文本摘要抽取技術(shù)和情感分析技術(shù)實(shí)現(xiàn)了智能語音會(huì)議紀(jì)要系統(tǒng)。首先,系統(tǒng)語音處理模塊由說話人分類模塊和語音識(shí)別模塊組成。語音處理模塊用于將會(huì)議語音轉(zhuǎn)化為會(huì)議劇本。說話人分類模塊利用說話人多音頻流時(shí)間軸策略對(duì)會(huì)議語音中的說話人進(jìn)行分類和標(biāo)記,主要研究和實(shí)現(xiàn)了語音端點(diǎn)檢測(cè)技術(shù)。語音識(shí)別模塊主要研究語音識(shí)別現(xiàn)...

【文章頁數(shù)】：89 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.2CALO會(huì)議系統(tǒng)架構(gòu)圖

視為一個(gè)基本的信息單元，并假定文檔是固定的，并包含關(guān)于單個(gè)實(shí)體的意級(jí)別情感分類是對(duì)文檔中的單個(gè)句子進(jìn)行分類。但是，不能假定每個(gè)句子都見的。某種意義上說，人們通常首先將一個(gè)句子分類為固執(zhí)和非固執(zhí)，這成分類。然后，由此產(chǎn)生的固定句子被分類為表達(dá)積極或消極的情感。句子級(jí)類也可以表述為三....

圖2.1隱形馬爾可夫模型

為特征向量。生成參數(shù)數(shù)量的方法是根據(jù)具體語音進(jìn)行調(diào)節(jié)的工作，但在一個(gè)簡(jiǎn)單的情況下，它是頻譜的衍生物。圖2.1隱形馬爾可夫模型其次，它是模型的概念。模型描述了一些收集說出的單詞的共同屬性的數(shù)學(xué)對(duì)象。

圖6.1音頻分割運(yùn)行結(jié)果圖

說話人分類的過程，簡(jiǎn)單說主要是將收集的音頻流文件通過語音端點(diǎn)檢測(cè)進(jìn)行智能分割，保留說話人語音片段，并進(jìn)行排序的過程。圖6.1音頻分割運(yùn)行結(jié)果圖

圖6.2用戶所對(duì)應(yīng)的時(shí)間和語音片段當(dāng)單獨(dú)一個(gè)音頻流文件進(jìn)行分割完全后，系統(tǒng)會(huì)將用戶名，會(huì)議名，分割后的音頻文件組和每段音頻的起始時(shí)間都存到數(shù)據(jù)庫中，當(dāng)系統(tǒng)需要對(duì)音頻片段按照時(shí)間軸

靜音階段）。同時(shí)，將語音起始的時(shí)間點(diǎn)和終止的時(shí)間點(diǎn)分別標(biāo)記并存儲(chǔ)到對(duì)應(yīng)的數(shù)據(jù)庫中。圖6.2用戶所對(duì)應(yīng)的時(shí)間和語音片段當(dāng)單獨(dú)一個(gè)音頻流文件進(jìn)行分割完全后，系統(tǒng)會(huì)將用戶名，會(huì)議名，分割后的音頻文件組和每段音頻的起始時(shí)間都存到數(shù)據(jù)庫中，當(dāng)系統(tǒng)需要對(duì)音頻片段按照時(shí)間軸排序時(shí)要從數(shù)據(jù)庫中....

本文編號(hào)：3991819