Улучшенный алгоритм распознавания с помощью Yandex SpeechKit Cloud

Материал из Oktell
Перейти к: навигация, поиск

Наверх


Введение

В данной статье показывается пример улучшения анализа распознанной речи с помощью сервиса выделения смысла.

На данный момент анализ текста проводится в компоненте "Распознавание речи" с помощью свойства "Предопределенные значения". Это может быть неудобным для анализа длинных выражений, так как чтобы получить код группы должно быть полное совпадение распознанного выражения с одним из предопределенных. Например, чтобы соединиться с инженерами техподдержкой, клиент может сказать:

  • Соедините меня с отделом технической поддержки
  • Переключите меня на инженеров
  • Мне срочно нужны ваши программисты

Очевидно, что одна и та же фраза может содержать существительные в разных падежах, иметь разную длину и предугадать все возможные комбинации почти невозможно. Отметим однако, что встроенные возможности компонента легко решают задачу распознавания одного слова.

Идея улучшения анализа заключается в применении сервиса выделения смысла. Сервис разбивает фразу на отдельные слова (леммы), преобразовывая существительные в именительный падеж, а глаголы в инфинитив. После этого сценарий в цикле просматривает каждую лемму и ищет совпадение с ключевым словом. В каком бы падеже не стояло искомое слово, если оно есть во фразе, алгоритм найдет его. Как только совпадение сработает происходит переключение на требуемый отдел.

Скачать файл: Yandex_SpeechKit_Cloud_улучшенный_алгоритм.oscr (собрано на версии 2.11.2.141230)


Реализация сценария

Рассмотрим алгоритм на примере сценария входящей маршрутизации. Позвонив в компанию, система спрашивает абонента с кем он хочет соединиться. Ответ клиента распознается, а дальше анализируется согласно вышеописанному алгоритму.

Сценарий выглядит следующим образом:

Алгоритм распознавания - 001.png


Компонент "API ключ". Определяет ключ для использования сервиса выделения смысла в web-запросе.

  • переменной key (строковая) присвойте строку с вашим API-ключом.


Компонент "Приветствие". Воспроизводит приветствие и задает вопрос абоненту, с кем его соединить. Используется синтез речи Yandex.

  • Режим - Воспроизвести
  • Текст - Здравствуйте. С кем вас соединить
  • Голос - Zahar
  • Эмоция - по умолчанию
  • Кэш - использовать


Компонент "ding". Воспроизводит короткий сигнал для абонента, соответствующий началу записи.

  • Режим - Файл полностью
  • Файл - ding.wav

ВНИМАНИЕ: Вместо компонентов "Приветствие" и "ding" вы можете использовать свой звуковой файл с записанной информацией. Синтез речи приведен в сценарии для примера.


Алгоритм распознавания - 002.png


Компонент "Распознавание речи". Записывает и распознает речь абонента. После 1 секунды тишины воспроизводит ding.wav и переходит к следующему компоненту.

  • Режим - Записать
  • Символы прерывания - *
  • Прервать при обнаружении тишины - Включить
  • Интервал тишины, с - 1
  • Настройки голосового детектора - по умолчанию
  • Сигнал окончания записи - ding.wav
  • Сохранение файла записи - Не сохранять
  • Тема - queries
  • Текст в переменную - переменная parse_bestText (строковая)


Компонент "Запрос на выделение смысла". Отправляет распознанный текст на сервис Yandex и получает размеченную JSON-структуру.

  • URL - выражение
'https://vins-markup.voicetech.yandex.net/markup/0.x/?text='+[parse_bestText]+'&layers=Fio,Morph,GeoAddr&key='+[key]
  • Метод - GET
  • Режим работы - Обрыв по таймауту
  • Таймаут, сек - 30
  • Ответ в переменную - переменная response (строковая)

ВНИМАНИЕ: Если по истечению таймаута сервис Yandex не ответит на запрос произойдет обрыв связи. Вам нужно самостоятельно обработать этот момент.=

  • Переход, если правда - компонент "Ув3"
  • Переход, если ложь - компонент "morph"


Компонент "count_lemmas". Определяет число лемм для выбранной морфемы. Это связано с тем, что сервис может прислать несколько лемм для одной морфемы, часто такая ситуация встречается с глаголами. Существительные, как показывает практика, имеют одну лемму. Теоретически, цикл по леммам можно убрать и брать самую первую, но это решение мы оставляем за администратором вашей системы.

  • Документ - переменная response
  • Алгоритм - Парсер JSON
  • Поисковый запрос - выражение '"Morph"/'+[id_morph]+'/"Lemmas"'
  • Функция - Количество элементов
  • Результат в переменную - переменная count_lemmas (строковая)


Алгоритм распознавания - 004.png


Компонент "id_lemmas=0". Задает начальное значение для счетчика лемм.

  • переменой id_lemmas (строковая) присваивается число 0


Компонент "lemmas". Проверяет пересмотрены ли все леммы и заканчивает второй цикл.

  • Аргумент 1 - переменная id_lemmas
  • Аргумент 2 - переменная count_lemmas
  • Тип сравнения - >=
  • Переход, если правда - компонент "->"
  • Переход, если ложь - компонент "text"


Компонент "text". Определяет и сохраняет лемму в переменную для дальнейшего анализа.

  • Документ - переменная response
  • Алгоритм - Парсер JSON
  • Поисковый запрос - выражение '"Morph"/'+[id_morph]+'/"Lemmas"/'+[id_lemmas]+'/"Text"'
  • Функция - Восстановленное содержимое
  • Результат в переменную - переменная text (строковая)


Алгоритм распознавания - 005.png


Компонент "Ув2". Отладочное уведомление администратору с выводом текущей леммы.

  • Отладочный режим - Да
  • Текст - переменная text
  • Адресат - выберите вашего пользователя


Компонент "Выбор варианта". Проверяет является ли слово одним из ключевых. В случае совпадения выходит из цикла и направляет на нужную ветку.

  • Аргумент - переменная text
  • Значения - соотнесите ключевые слова с компонентами, на которые следует отправить сценарий. Например, по словам "секретарь", "директор" происходит переход на компонент "Секретарь"

ВНИМАНИЕ: Ключевые слова пишите с маленькой буквы.


Компонент "id_lemmas++". Если текущая лемма не является ключевым словом, то переходит к следующей лемме.

  • переменной id_lemmas присваивается значение выражения num([id_lemmas])+1


Компонент "Секретарь". Отладочное уведомление администратору с выводом выбранного направления.

  • Отладочный режим - Да
  • Текст - строка Секретарь
  • Адресат - выберите вашего пользователя


Компонент "Сообщение 1". Воспроизводит абоненту, что соединяет его с секретарем.

  • Режим - Воспроизвести
  • Текст - Секретарь. Соединяю.
  • Голос - Zahar
  • Эмоция - по умолчанию
  • Кэш - использовать


Компонент "на секретаря". Переключает на требуемого сотрудника.

  • Назначение - Внутрь
  • Номер - 601
  • Тип вызова - Обычный


Алгоритм распознавания - 006.png


Компоненты "Техподдержка", "Сообщение 2", "на техподдержку" настраиваются аналогично ветке "Секретарь" - "на секретаря".


Компонент "->". Визуальный элемент, служит для удобного восприятия сценария.

  • Время задержки, мс - 0


Компонент "id_morph++". После того как текущая морфема проанализирована, переходит к следующей.


Компонент "Ув3". Отладочное уведомление администратору о том, что сервис не нашел ключевых слов во фразе.

  • Отладочный режим - Да
  • Текст - строка Не определил
  • Адресат - выберите вашего пользователя


Компонент "Неизвестная фраза". Воспроизводит абоненту сообщение, что не смог разобрать его фразу.

  • Режим - Воспроизвести
  • Текст - Я вас не понял, повторите еще раз пожалуйста
  • Голос - Zahar
  • Эмоция - по умолчанию
  • Кэш - использовать


Алгоритм распознавания - 007.png


Компонент "ding2". Воспроизводит короткий сигнал для абонента, соответствующий началу записи.

  • Режим - Файл полностью
  • Файл - ding.wav

ВНИМАНИЕ: Чтобы не зацикливать распознавание и тратить время клиента, вместо компонентов "Неизвестная фраза" и "ding2" рекомендуется переключить на секретаря. Как вариант, установить счетчик и по истечению двух-трех неудачных попыток распознавания переключать на ответственного оператора.


Скачать файл: Yandex_SpeechKit_Cloud_улучшенный_алгоритм.oscr (собрано на версии 2.11.2.141230)