申请/专利权人：西安西维迈创科技有限公司

申请日：2024-01-11

公开（公告）日：2024-04-12

公开（公告）号：CN117875304A

主分类号：G06F40/205

分类号：G06F40/205;G06F40/216;G06F16/35;G06F16/332;G06F16/33;G06F40/35;G10L15/06;G10L15/08

优先权：

专利状态码：在审-公开

法律状态：2024.04.12#公开

摘要：本发明提供了一种地铁领域用语料库构建方法、系统及存储介质，属于数据处理领域，包括：收集地铁领域语音数据；对地铁领域语音数据依次进行清洗、标注及切割预处理；对预处理后的地铁领域语音数据进行文本化转换，并基于AISHELL将转换后的文本数据加入自有语音库，构成AISHELL数据集；利用AISHELL数据集中的数据对语音识别模型进行训练，使用训练好的语音识别模型对数据集整合后音频文件进行识别，生成文本数据；构建业务关键字匹配模型及标签分类模型；将转换后的文本数据进行结构化处理，并根据业务关键字匹配模型和标签分类模型对其进行归类，得到地铁领域地语料库。本发明基于AISHELL开源版加入自有语音库，形成地铁应急领域专项语音库，识别率达到99％以上。

主权项：1.一种地铁领域用语料库构建方法，其特征在于，包括以下步骤：收集地铁领域语音数据；对所述地铁领域语音数据依次进行清洗、标注及切割预处理；对预处理后的地铁领域语音数据进行文本化转换，并基于AISHELL将转换后的文本数据加入AISHELL自有语音库，构成AISHELL数据集；利用AISHELL数据集中的数据对语音识别模型进行训练，使用训练好的语音识别模型对AISHELL数据集整合后的音频文件进行识别，生成文本数据；构建地铁领域的业务关键字匹配模型及标签分类模型；将语音识别模型生成的文本数据进行结构化处理，并根据业务关键字匹配模型和标签分类模型对结构化处理后的数据进行归类，得到地铁领域地语料库。

全文数据：

权利要求：

百度查询： 西安西维迈创科技有限公司 一种地铁领域用语料库构建方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD