CN113554857A - 用于语音通话的接处警辅助方法及系统 - Google Patents
用于语音通话的接处警辅助方法及系统 Download PDFInfo
- Publication number
- CN113554857A CN113554857A CN202110817950.3A CN202110817950A CN113554857A CN 113554857 A CN113554857 A CN 113554857A CN 202110817950 A CN202110817950 A CN 202110817950A CN 113554857 A CN113554857 A CN 113554857A
- Authority
- CN
- China
- Prior art keywords
- alarm
- information
- conversation
- receiving
- address
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000000605 extraction Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 abstract description 5
- 239000004576 sand Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000002485 combustion reaction Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 229930091051 Arenine Natural products 0.000 description 1
- 208000003028 Stuttering Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/007—Details of data content structure of message packets; data protocols
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations
- G08B27/006—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations with transmission via telephone network
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种用于语音通话的接处警辅助方法。该方法包括：对报案人与接警员每一对话轮次的通话语音自动语音识别；将每一对话轮次的自动语音识别的结果导入信息抽取系统；将抽取到的信息，实时结构化的展示并更新，引导接警员接处警工作。本发明实施例还提供一种用于语音通话的接处警辅助系统。本发明实施例可以在每一轮对话结束的时候将抽取到的信息输出到前端进行展示，使接警员可以实时查看信息抽取结果，辅助接警员与报警人的交互，同时也尽可能地减少手工录入的干预，省去了时间和精力，同时确保了可以在接处警对话过程中获得更全面准确的地址信息、警情信息，提升接处警工作的容错率，确保了实用性和鲁棒性。
Description
技术领域
本发明涉及智能语音领域，尤其涉及一种用于语音通话的接处警辅助方法及系统。
背景技术
接处警采用的方式是使用软件辅助接警人员进行警情定位和警情手工录入，其主要特点是代替了传统的纸笔录入，辅助接警人员进行简单的信息录入和归档工作，接警人员只需要根据电话内容，将信息通过打字填入相应的位置，并保存提交，然后通知相应救援单位，即可完成一次接警处理，可以一定程度上提升接警和数据归档效率。
在实现本发明过程中，发明人发现相关技术中至少存在如下问题：
由于接处警场景下的口语对话是实时的，因此该场景下的信息抽取需要有实时处理的能力，在对话实时交互的过程中抽取信息，接警人员需要实时查看系统抽取的内容是否正确和完整，如结果有错误和缺失的情况，可自发的纠正抽取结果。现有的系统就算能够对整通对话的信息进行解析，也较难做大这种实时处理。其主要原因在于市面上现有的一些信息抽取系统无法处理对话逻辑场景。
现有的接处警系统是在报警电话结束以后，将所有的对话信息一次性输入信息抽取系统进行分析，提取相关信息。这里的问题在于如果电话已经结束，那么如果提取的信息有误，接警员将不再有机会对信息进行纠错。
发明内容
为了至少解决现有技术中接处警辅助系统无法实时抽取警情信息，无法实时结构化的展示更新，无法有效的在接处警场景中对接警员辅助的问题。
第一方面，本发明实施例提供一种用于语音通话的接处警辅助方法，包括：
对报案人与接警员每一对话轮次的通话语音自动语音识别；
将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；
将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
第二方面，本发明实施例提供一种用于语音通话的接处警辅助系统，包括：
自动语音识别程序模块，用于对报案人与接警员每一对话轮次的通话语音自动语音识别；
信息抽取程序模块，用于将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；
辅助程序模块，用于将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的用于语音通话的接处警辅助方法的步骤。
第四方面，本发明实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明任一实施例的用于语音通话的接处警辅助方法的步骤。
本发明实施例的有益效果在于：可以在每一轮对话结束的时候将抽取到的信息输出到前端进行展示，使接警员可以实时查看信息抽取结果，辅助接警员与报警人的交互，同时也尽可能地减少手工录入的干预，省去了时间和精力，同时确保了可以在接处警对话过程中获得更全面准确的地址信息、警情信息，提升接处警工作的容错率，确保了实用性和鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种用于语音通话的接处警辅助方法的流程图；
图2是本发明一实施例提供的一种用于语音通话的接处警辅助方法的接处警系统流程图；
图3是本发明一实施例提供的一种用于语音通话的接处警辅助方法的接处警系统示意图；
图4是本发明一实施例提供的一种用于语音通话的接处警辅助系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示为本发明一实施例提供的一种用于语音通话的接处警辅助方法的流程图，包括如下步骤：
S11：对报案人与接警员每一对话轮次的通话语音自动语音识别；
S12：将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；
S13：将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
在传统的场景下，接警员有一张警情记录表，其中包含例如“事故地址”，“事故类型”，“详细事故分类”，“事故楼层”，“是否有人被困”，“有多少人被困”，“建筑结构”等信息。报警的人在报警时一般都会主动提供事故地址和事故类型这两个信息，而其他信息则有可能会因为情况紧急而忽略报告，这时候就需要接警员针对这些信息一一提问进行获取，并且需要将这些信息手工录入系统之中，传统方式的效率是非常低下的，会加大从接电话到出警的时间间隔。
在本实施方式中，考虑到接处警场景会有独特的特点：报警事故一般比较紧急，因此报警人会主动叙述事发地点和情况；对于报警人未报告的其他信息，接警员会通过进行提问获取；所有这些信息都是自然语言的非结构化信息，需要记录为结构化的信息；在紧急的场景下，报警人的叙述会带有口吃，给信息抽取带来难度。
对于步骤S11，为了给予接警员纠错的机会，同时还会在接警员与报警人对话的过程中提供辅助，需要对报案人与接警员每一对话轮次的通话语音自动语音识别。
例如，较为理想的对话如下：
接警员：你好，幺幺九。
报警人：上沙河立交桥上一辆车着火了，快来。
接警员：不要着急慢慢说，在哪个位置？
报警人：上沙河立交桥白山泉检查站附近，火很大，快来。
接警员：有没有人被困？
报警人：没有，没有人被困。
接警员：好的马上到。
在报警人和接警员的语音交互的过程中，每一方每次说完一句话后，都会将该段语音实时推流至信息抽取系统中。也就是说一段语音进入系统后，会先对该段语音进行ASR识别，将其变成文本，然后将识别出的文本结果进行信息抽取。其中，ASR(Auto SpeechRecognition，自动语音识别)即常见的语音识别系统，其作用是将一段语音转化为文字。在本方法中，ASR是所有语义识别的前提，即所有语音推流都会先通过ASR识别成文本，然后再进行语义层面的分析。
对于步骤S12，将所述每一对话轮次的自动语音识别的结果导入信息抽取系统，为了使信息抽取更适用于接处警场景，分析了报警人与接警员一问一答的文本输入模式。在信息抽取系统中定制了很多问题意图，并且会将这些意图根据对话的状态保存进数据库中。系统可以在每一轮对话结束的时候将抽取到的信息输出到前端进行展示。
对于步骤S13，将抽取到的信息，实时结构化的展示并更新，
例如，在第二轮次“报警人：上沙河立交桥上一辆车着火了，快来。”这句话中经过信息抽取，可以得到“沙河立交桥”“着火”。此时为了便于接警员实时查看，大段的文字是不合适的，因此需要将抽取到的信息结构化的展示，这便于接警员快速的定位关键信息。
此时结构化的展示如下：
警情地址：沙河立交桥
警情类型：火灾扑救
警情类别：交通运输类
燃烧对象：车
人员被困情况：“空缺”(此时，由于信息不足，这部分内容无法确定，但这也是火灾扑救的一项关键信息，向接警员展示这部分内容空缺)。
由于“沙河立交桥”范围过大不精确。接警员会对地址进行更详细的询问。此时报警人会在后轮次的对话进行回答“上沙河立交桥白山泉检查站附近，火很大，快来”。
在此轮对话结束后，将实时结构化的展示并更新，此时结构化的展示如下：
警情地址：新疆维吾尔自治区乌鲁木齐市上沙河立交桥白山泉水检查站附近。
警情类型：火灾扑救
警情类别：交通运输类
燃烧对象：车
人员被困情况：“空缺”
由于“人员被困情况”也不清楚，是否有被困人员也会影响出警规模，会辅助的向接警员提示还需要哪些信息内容。从而报警人会进一步的回答。最后得到完整的信息结构化展示，整体接处警系统流程如图2所示。
通过该实施方式可以看出，系统可以在每一轮对话结束的时候将抽取到的信息输出到前端进行展示。因此接警员可以实时查看信息抽取结果，辅助接警员与报警人的交互，同时也尽可能地减少手工录入的干预，省去了时间和精力。本方法相比于在报警电话结束以后，将所有的对话信息一次性输入信息抽取系统进行分析来说，在报警电话过程中，无法给予接警员带来帮助，而通话结束后，如果提取的信息有误，一次性的方式不再有机会对信息进行纠错。相比于在报警电话过程中，进行一次或几次结构化展示来说，如果所展示的结构化信息不是随着每一轮次对话而更新，那么所展示的内容并非实时准确的，虽然所展示的结构化信息会对接警员带来部分帮助，但是这并不适用于接处警的场景。
作为一种实施方式，在本实施例中，所述信息抽取系统包括：地址语义识别系统以及警情语义识别系统；
所述将所述每一对话轮次的自动语音识别的结果导入信息抽取系统包括：
将所述每一对话轮次的自动语音识别的结果分别导入地址语义识别系统以及警情语义识别系统，得到案情地址信息、警情类型和/或对应所述警情类型的对象。
将所述每一对话轮次的案情地址信息、警情类型和/或对应所述警情类型的对象分别保存至各自对应的上下文数据库中；
将所述上下文数据库中的案情地址信息、警情类型和/或对应所述警情类型的对象，继承至下一对话轮次的自动语音识别的结果的信息抽取，得到结合上下文逻辑的案情地址信息、警情类型和/或对应所述警情类型的对象。
在本实施方式中，整体结构如图3所示，信息抽取部分分为两块，一块是地址，另一块是警情。分两块的原因是地址的部分的识别和警情部分的识别有较大的不同。分成两块处理也提升了提取效率。更适用于需要实时处理每一轮次对话的接处警场景。地址部分的识别主要采用的是一个序列标注模型+后处理的模式，而警情部分主要采用的是一个分类模型+语义引擎结合的方式，再加上上下文处理模块获得更全面准确的信息。
具体的，所述地址语义识别系统通过序列标注实时提取每一对话轮次的自动语音识别的结果中的地址信息；
利用所述上下文数据库对所述地址信息进行上下文补全，得到结合上下文逻辑的案情地址信息。
在本实时方式中，地址识别部分的主要功能是将报警人所述内容中的地址信息提取出来，并且附带做一些补全纠错操作，如“上沙河立交桥由东向西方向”，“北京市苏州街维亚大厦7层”等。它首先采用序列标注模型对一段文本序列进行实体抽取，例如“我现在在苏州街维亚大厦这里”会被序列标注模型标注为["O","O","O","O","B-NS","I-NS","I-NS","B-NS","I-NS","I-NS","I-NS","O","O"]。这里采用的是BIO方式的实体标注方式，其中的B代表某种实体的开头，I代表某种实体的中间标签，O代表空标签，NS代表具体的实体类型。通过这样的标注，就可以抽取出两个NS实体，也就是“苏州街”和“维亚大厦”。这就是地址序列标注的作用。地址上下文纠错与补全部分(后处理)会再次通过模型与规则对提取出来的地址实体进行分级，上下文保存，地址库查询，纠错等操作，将其补全成一个完整的地址，然后保存到当前上下文数据库中。例如上面的“苏州街维亚大厦”通过这个步骤以后，就会输出为“北京市海淀区苏州街维亚大厦”。因为通过地址库的查找，寻找到苏州街维亚大厦在北京市海淀区。并且这个信息会被保存到地址上下文中，如果下面一句话输入“7层”，那么通过上下文补全，这条地址信息会被进一步补全为“北京市海淀区苏州街维亚大厦7层”。由此可见，如果将一通对话的信息逐一输入进去，那么就可以将该对话中所提到的地址信息抽取出来。当然，这里会存在一些问题，例如如果一通电话中提到不止一个地址如何处理？如果一通电话中提到的地址元素之间存在冲突如何处理？这些都是对话中地址抽取中的难点。但是针对接处警场景来讲，一般会提到的地址都是警情发生地，也就是只有唯一一个，因此可以在假设对话中只有唯一一个地址的情况下进行处理。
具体的，所述警情语义识别系统通过语义实时判断每一对话伦次的自动语音识别的结果是接警员的提问或是报案人的案情描述；
实时提取每一对话伦次的提问或案情描述的意图和槽位，基于所述意图和槽位，确定报警的警情类型以及对应所述警情类型的对象；
当检测到所述报案人的案情描述缺失意图或槽位，使所述案情描述出现歧义时，实时结构化的展示并更新，提示所述接警员引导所述报案人信息补全；
通过语义将所述接警员引导所述报案人的提问，与所述报案人答复所述提问的案情描述上下文匹配，提取所述匹配的提问中的意图或槽位，以及答复所述提问的案情描述中的槽位或意图，得到匹配的意图和槽位。
在本实时方式中，警情提取部分的主要功能是将报警人所述内容中的警情具体信息提取出来，并且做一些上下文保存功能，例如“我这里有一辆大客车着火了”，“我这里有两辆小轿车相撞，司机被困在驾驶室里了”等。要将这些话中的有价值信息提取出来，主要采用的是两种方式，一种是意图提取，另一种是槽位提取。意图提取本质上是分类问题，将一段文本分类为某个类别，例如：“我这里有一辆大客车着火了”，就可以被分类为“火灾扑救”，而不是“抢险救援”或者其它。而“我这里有两辆小轿车相撞，司机被困在驾驶室里了”则可以被分类为“抢险救援”。槽位提取本质上也是一个序列标注问题，例如：“我这里有一辆大客车着火了”可以提取出着火对象为“大客车”。通过这两种方式，警情提取可以抽取出大量接警中心需要的结构化信息，例如“救援类型”，“是否有人被困”，“被困人数”，“燃烧楼层”，“是否有烟”，“建筑结构”等。
本方法中上下文数据库、上下文补全都由专属的上下文模块进行处理。上下文模块对于警情提取和地址确定都是很重要的。这种上下文模块可以通过对话逻辑抽取到一般模型抽取不到的警情信息。例如：上文询问“请问是什么东西着火了”，下文回答“是一辆大卡车”，此时按照正常逻辑，只给出下文的文本时，是不能判断这辆大卡车是否是着火还是有其他情况的，但是如果加入上文文本，则可以推断出这辆大卡车是着火了。这个例子的具体的处理逻辑是，上文的信息可以通过分类模型得出一个“询问燃烧对象”意图，然后下文的信息中可以通过槽位提取得出一个“大卡车”对象槽位，然后通过上下文的结合逻辑，就可以得出燃烧对象是大卡车的槽位，这就是上下文模块的应用。上下文处理的还有一个作用是，上文提到的信息可以通过上下文处理模块继承到下文中，并且如果有冲突信息，可以通过一些逻辑进行选择和替换，例如上文提取到“火灾救援”，下文提取到“抢险救援”，那么可能以火灾救援为准。
通过上述具体的地址、警情以及上下文模块的实施方式可以看出，这样可以在接处警对话过程中获得更全面准确的地址信息、警情信息。
作为一种实施方式，在本实施例中，在所述将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作之后，所述方法还包括：
接收所述接警员对实时结构化的展示的内容的修改，并实时更新为所述接警员修改后的内容，以提升接处警工作的容错率。
在本实施方式中，接警员在开启一通报警电话后，会首先引导报警人说出事件情况和地址。然后接警员会针对报警人的回答以及缺失信息进行进一步的提问，然后报警人会针对这些提问进行回答。当接警员获取到所有必要信息后，就会结束这通电话。信息抽取系统在电话开始的时候即开始生效，在某一方说完第一句话后，信息抽取模块即开始生效，开始识别并记录当前对话轮次中的地址信息和警情信息。只要对话不断继续进行，系统就会不断更新它获取到的地址信息和警情信息，存入上下文数据库中。并且在对话的不断进行过程中，接警人员可以不断看到系统提取到的最新信息，查看其是否正确，并且可以根据这些信息做出相应的提问。如果某项信息无法抽取正确，接警人员也可以通过手动输入的方式进行纠正，例如同音不同词等状况，这样虽然接处警辅助错误，但是仍为接警员提供了修改机会，能够获得的实时反馈更多，提升接处警工作的容错率，确保了实用性和鲁棒性，也间接提升了接处警的效率。
如图4所示为本发明一实施例提供的一种用于语音通话的接处警辅助系统的结构示意图，该系统可执行上述任意实施例所述的用于语音通话的接处警辅助方法，并配置在终端中。
本实施例提供的一种用于语音通话的接处警辅助系统10包括：自动语音识别程序模块11，信息抽取程序模块12和辅助程序模块13。
其中，自动语音识别程序模块11用于对报案人与接警员每一对话轮次的通话语音自动语音识别；信息抽取程序模块12用于将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；辅助程序模块13用于将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
进一步地，所述信息抽取系统包括：地址语义识别系统以及警情语义识别系统；
所述信息抽取程序模块用于：
将所述每一对话轮次的自动语音识别的结果导入地址语义识别系统以及警情语义识别系统，得到案情地址信息以及警情类型和对应所述警情类型的对象。
本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的用于语音通话的接处警辅助方法；
作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，计算机可执行指令设置为：
对报案人与接警员每一对话轮次的通话语音自动语音识别；
将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；
将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的方法对应的程序指令/模块。一个或者多个程序指令存储在非易失性计算机可读存储介质中，当被处理器执行时，执行上述任意方法实施例中的用于语音通话的接处警辅助方法。
非易失性计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据装置的使用所创建的数据等。此外，非易失性计算机可读存储介质可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的用于语音通话的接处警辅助方法的步骤。
本申请实施例的电子设备以多种形式存在，包括但不限于：
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如平板电脑。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)其他具有数据处理功能的电子装置。
在本文中，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于语音通话的接处警辅助方法，包括：
对报案人与接警员每一对话轮次的通话语音自动语音识别；
将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；
将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
2.根据权利要求1所述的方法，其中，所述信息抽取系统包括：地址语义识别系统以及警情语义识别系统；
所述将所述每一对话轮次的自动语音识别的结果导入信息抽取系统包括：
将所述每一对话轮次的自动语音识别的结果分别导入地址语义识别系统以及警情语义识别系统，得到案情地址信息、警情类型和/或对应所述警情类型的对象。
3.根据权利要求2所述的方法，其中，所述信息抽取系统还包括：上下文数据库；
将所述每一对话轮次的案情地址信息、警情类型和/或对应所述警情类型的对象分别保存至各自对应的上下文数据库中；
将所述上下文数据库中的案情地址信息、警情类型和/或对应所述警情类型的对象，继承至下一对话轮次的自动语音识别的结果的信息抽取，得到结合上下文逻辑的案情地址信息、警情类型和/或对应所述警情类型的对象。
4.根据权利要求3所述的方法，其中，所述地址语义识别系统通过序列标注实时提取每一对话轮次的自动语音识别的结果中的地址信息；
利用所述上下文数据库对所述地址信息进行上下文补全，得到结合上下文逻辑的案情地址信息。
5.根据权利要求3所述的方法，其中，所述警情语义识别系统通过语义实时判断每一对话伦次的自动语音识别的结果是接警员的提问或是报案人的案情描述；
实时提取每一对话伦次的提问或案情描述的意图和槽位，基于所述意图和槽位，确定报警的警情类型以及对应所述警情类型的对象；
当检测到所述报案人的案情描述缺失意图或槽位，使所述案情描述出现歧义时，实时结构化的展示并更新，提示所述接警员引导所述报案人信息补全；
通过语义将所述接警员引导所述报案人的提问，与所述报案人答复所述提问的案情描述上下文匹配，提取所述匹配的提问中的意图或槽位，以及答复所述提问的案情描述中的槽位或意图，得到匹配的意图和槽位。
6.根据权利要求1所述的方法，其中，在所述将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作之后，所述方法还包括：
接收所述接警员对实时结构化的展示的内容的修改，并实时更新为所述接警员修改后的内容，以提升接处警工作的容错率。
7.一种用于语音通话的接处警辅助系统，包括：
自动语音识别程序模块，用于对报案人与接警员每一对话轮次的通话语音自动语音识别；
信息抽取程序模块，用于将所述每一对话轮次的自动语音识别的结果导入信息抽取系统；
辅助程序模块，用于将抽取到的信息，实时结构化的展示并更新，引导所述接警员接处警工作。
8.根据权利要求7所述的系统，其中，所述信息抽取系统包括：地址语义识别系统以及警情语义识别系统；
所述信息抽取程序模块用于：
将所述每一对话轮次的自动语音识别的结果导入地址语义识别系统以及警情语义识别系统，得到案情地址信息以及警情类型和对应所述警情类型的对象。
9.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110817950.3A CN113554857A (zh) | 2021-07-20 | 2021-07-20 | 用于语音通话的接处警辅助方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110817950.3A CN113554857A (zh) | 2021-07-20 | 2021-07-20 | 用于语音通话的接处警辅助方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113554857A true CN113554857A (zh) | 2021-10-26 |
Family
ID=78132196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110817950.3A Pending CN113554857A (zh) | 2021-07-20 | 2021-07-20 | 用于语音通话的接处警辅助方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113554857A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180182379A1 (en) * | 2016-12-22 | 2018-06-28 | Fujitsu Limited | Media capture and process system |
| CN110992643A (zh) * | 2019-11-28 | 2020-04-10 | 航天精一(广东)信息科技有限公司 | 基于知识推理的接处警预案管理平台 |
| CN111597340A (zh) * | 2020-05-22 | 2020-08-28 | 迪爱斯信息技术股份有限公司 | 一种文本分类方法及装置、可读存储介质 |
| CN112016313A (zh) * | 2020-09-08 | 2020-12-01 | 迪爱斯信息技术股份有限公司 | 口语化要素识别方法及装置、警情分析系统 |
| WO2021136458A1 (zh) * | 2019-12-31 | 2021-07-08 | 清华大学 | 接警处理方法、装置及设备 |
-
2021
- 2021-07-20 CN CN202110817950.3A patent/CN113554857A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180182379A1 (en) * | 2016-12-22 | 2018-06-28 | Fujitsu Limited | Media capture and process system |
| CN110992643A (zh) * | 2019-11-28 | 2020-04-10 | 航天精一(广东)信息科技有限公司 | 基于知识推理的接处警预案管理平台 |
| WO2021136458A1 (zh) * | 2019-12-31 | 2021-07-08 | 清华大学 | 接警处理方法、装置及设备 |
| CN111597340A (zh) * | 2020-05-22 | 2020-08-28 | 迪爱斯信息技术股份有限公司 | 一种文本分类方法及装置、可读存储介质 |
| CN112016313A (zh) * | 2020-09-08 | 2020-12-01 | 迪爱斯信息技术股份有限公司 | 口语化要素识别方法及装置、警情分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106297785A (zh) | 一种基于车联网的智能服务系统 | |
| CN111191450B (zh) | 语料清洗方法、语料录入设备及计算机可读存储介质 | |
| US10657614B2 (en) | Locator diagnostic system for emergency dispatch | |
| CN108766431B (zh) | 一种基于语音识别的自动唤醒方法及电子设备 | |
| CN111309876A (zh) | 一种服务请求的处理方法、装置、电子设备及存储介质 | |
| CN112581938A (zh) | 基于人工智能的语音断点检测方法、装置和设备 | |
| CN111723207B (zh) | 意图识别方法及系统 | |
| CN116701610A (zh) | 一种基于应急多源报警有效警情识别方法及装置 | |
| CN110826314B (zh) | 一种规则解析方法、装置、电子设备及存储介质 | |
| CN110750626B (zh) | 一种基于场景的任务驱动的多轮对话方法及系统 | |
| CN113554857A (zh) | 用于语音通话的接处警辅助方法及系统 | |
| CN111723559A (zh) | 一种实时信息抽取方法及装置 | |
| US10824520B2 (en) | Restoring automated assistant sessions | |
| CN111179969A (zh) | 一种基于音频信息的报警方法、装置、系统及存储介质 | |
| CN113190660A (zh) | 问卷调查的方法和装置 | |
| WO2023015900A1 (zh) | 异常驾驶行为检测方法、装置、电子设备和存储介质 | |
| CN115983804A (zh) | 人机协作任务处理方法、装置、电子设备和存储介质 | |
| CN115497463A (zh) | 用于语音识别的热词替换方法、电子设备和存储介质 | |
| CN111970311B (zh) | 会话切分方法、电子设备及计算机可读介质 | |
| CN109035896B (zh) | 一种口语训练方法及学习设备 | |
| CN108511001B (zh) | 语音监控方法及装置、存储介质、终端 | |
| CN110600016A (zh) | 卷宗推送方法和装置 | |
| CN116543770B (zh) | 司乘冲突的检测方法、装置、设备和存储介质 | |
| CN116822496B (zh) | 一种社交信息违规检测方法、系统及存储介质 | |
| CN115577092B (zh) | 用户话句处理方法、装置、电子设备及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211026 |
|
| RJ01 | Rejection of invention patent application after publication |