基于ASR的呼叫中心实现及客户分类研究

论文摘要

随着中小型企业实施客户关系管理(CRM)的进程,呼叫中心作为企业与客户的统一接触点,建立功能完善的呼叫中心是增强企业竞争力的重要手段之一,其中交互式语音应答(IVR)系统是呼叫中心的重要组成部分。为了增强系统可扩展性,交互式语音应答(IVR)系统采用与具体工作流程无关的开发方案,建立了IVR系统设计框架。框架采用TreeView控件显示工作流程,该控件由节点集组成,每一个节点表示工作流程的一步操作。结构设计模块实现了节点的添加、删除;内容设计模块指定了各个节点的操作类型和操作参数;执行模块将由TreeView控件表示的工作流程转换成语音卡控制程序;管理模块对多个工作流程进行管理。对酒店信息管理系统功能进行分析,实现了入住登记、结账、酒店信息查询与修改等功能,并在上述设计框架上实现了酒店呼叫中心的功能,包括电话留言、迷你酒吧、叫醒服务及房间状态更新。针对用户通过电话按键与IVR系统交互的不足,研究了基于离散隐马尔可夫(DHMM)的孤立词ASR算法。在语音端点检测研究中,分析了短时自相关函数最大值和LPC距离对有声段和无声段的区分度,实验结果证明前者能更好地区分有声段和无声段,实现了基于短时自相关函数的双门限端点检测算法;研究了两种常用的语音特征参数线性预测倒谱系数(LPCC)和Mel倒谱系数(MFCC)的提取方法;详细分析了基于DHMM的孤立词识别系统的训练和识别过程。最后给出试验结果及分析,并将ASR算法应用于IVR系统中,实现了具有语音识别功能的IVR系统。CRM的核心是以客户为导向,针对不同的客户提供个性化的服务,客户分类是实施CRM的关键技术。呼叫中心为企业收集和积累了大量客户数据,利用客户现有数据可进行客户分类。本文提出了一种基于粗糙集和遗传算法的改进的BP神经网络算法,该算法首先对原始数据进行属性约简,优化BP神经网络的输入变量;然后利用遗传算法全局搜索的特点,优化BP神经网络的初始权重和阈值。最后将改进的BP神经网络用于客户分类,取得了良好的分类效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 基本概念
• 1.1.1 呼叫中心
• 1.1.2 自动语音识别
• 1.1.3 客户分类
• 1.2 国内呼叫中心发展现状
• 1.3 本文研究背景和意义
• 1.4 本文的主要工作
• 2 酒店呼叫中心的实现
• 2.1 IVR系统设计
• 2.1.1 硬件连接
• 2.1.2 软件开发总体设计
• 2.1.3 软硬件平台选择
• 2.2 IVR的实现
• 2.2.1 数据库设计
• 2.2.2 结构设计模块的实现
• 2.2.3 内容设计模块的实现
• 2.2.4 执行模块的实现
• 2.2.5 管理模块的实现
• 2.3 酒店呼叫中心的实现
• 2.3.1 酒店呼叫中心功能分析
• 2.3.2 数据库设计
• 2.3.3 酒店呼叫中心的实现
• 本章小结
• 3 ASR算法研究及其在IVR系统中的应用
• 3.1 语音识别原理及系统组成
• 3.2 端点检测
• 3.2.1 端点检测参数选择
• 3.2.2 基于短时自相关函数的双门限端点检测算法
• 3.3 特征提取
• 3.3.1 LPCC特征参数
• 3.3.2 MFCC特征参数
• 3.4 基于离散隐含马尔可夫模型的ASR算法
• 3.4.1 HMM基本概念
• 3.4.2 DHMM的三个基本问题
• 3.4.3 DHMM训练过程
• 3.4.4 DHMM识别过程
• 3.5 试验结果
• 3.6 基于ASR的IVR系统的实现
• 本章小结
• 4 客户分类方法的研究
• 4.1 改进BP神经网络算法的提出
• 4.2 改进BP神经网络算法的实现
• 4.2.1 数据预处理
• 4.2.2 遗传算法优化
• 4.3 改进BP神经网络用于客户分类
• 本章小结
• 结论
• 参考文献
• 附录A 东进D081A模拟语音卡软件开发包的函数表
• 攻读硕士学位期间发表学术论文情况
• 致谢