一种基于复杂场景的语义分析方法及系统与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于复杂场景的语义分析方法及系统。


背景技术：

2.网络时代的到来，各种网络服务系统为人们生活带来了便捷，电力行业也同样跟随着互联网的大军，国网公司大力推进“互联网 ”战略，打造统一线上服务平台。公司要求加快打造客户聚合、业务融通、开放共享的互联网服务平台，实现全业务线上办理、全天候“一站式”服务。融入社会公共服务生态的需要。当前社会用能客户量庞大，用能需求广泛，但是高效、便捷、个性化的能源服务仍然未得到满足，“互联网 ”已经开启了公共服务新时代，将网上国创新性成果与经济、社会、民生各领域开放融合，以形成社会发展新业态、谋取创新性发展，事顺应时代发展和民心所向的服务工程，能够最大限度优化资源配置，开辟能源服务的新渠道，满足终端用户的个性化、多元化需求。人们可以通过互联网进行对应的业务办理和咨询。
3.但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。


技术实现要素：

5.本申请实施例通过提供一种基于复杂场景的语义分析方法及系统，解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
6.鉴于上述问题，提出了本申请实施例提供一种基于复杂场景的语义分析方法及系统。
7.第一方面，本申请实施例提供了一种基于复杂场景的语义分析方法，所述方法应用于电网客户服务系统中，所述方法包括：通过所述电网客户服务系统获得第一语音信息；对所述第一语音信息进行音频分解，获得第一语音音频分析结果；判断所述第一语音音频分析结果是否包含干扰音频；当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；根据所述第一用户音频信息，获得第一音频特征；将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；获得预设电力服务用语数据库；根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息；根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。
8.另一方面，本申请还提供了一种基于复杂场景的语义分析系统，所述系统包括：
9.第一获得单元，所述第一获得单元用于获得第一语音信息；
10.第二获得单元，所述第二获得单元用于对所述第一语音信息进行音频分解，获得第一语音音频分析结果；
11.第一判断单元，所述第一判断单元用于判断所述第一语音音频分析结果是否包含干扰音频；
12.第三获得单元，所述第三获得单元用于当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；
13.第四获得单元，所述第四获得单元用于根据所述第一用户音频信息，获得第一音频特征；
14.第五获得单元，所述第五获得单元用于将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；
15.第六获得单元，所述第六获得单元用于获得预设电力服务用语数据库；
16.第七获得单元，所述第七获得单元用于根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息；
17.第八获得单元，所述第八获得单元用于根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；
18.第一执行单元，所述第一执行单元用于当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。
19.第三方面，本发明提供了一种基于复杂场景的语义分析系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
20.本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
21.本申请实施例提供了一种基于复杂场景的语义分析方法及系统，应用于电网客户服务系统中，通过电网客户服务系统获得第一语音信息；对所述第一语音信息进行音频分解，获得第一语音音频分析结果；判断所述第一语音音频分析结果是否包含干扰音频；当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；根据所述第一用户音频信息，获得第一音频特征；将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；获得预设电力服务用语数据库；根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息；根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。达到了在复杂场景中出现的声音和用语的干扰通过用户的声音辨识特点进行了分析处理，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确进行用户语义的剥离和提取，保障了服务品质的技术效果。从而解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
22.上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
23.图1为本申请实施例一种基于复杂场景的语义分析方法的流程示意图；
24.图2为本申请实施例一种基于复杂场景的语义分析系统的结构示意图；
25.图3为本申请实施例示例性电子设备的结构示意图。
26.附图标记说明：第一获得单元11，第二获得单元12，第一判断单元13，第三获得单元14，第四获得单元15，第五获得单元16，第六获得单元17，第七获得单元18，第八获得单元19，第一执行单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
27.本申请实施例通过提供一种基于复杂场景的语义分析方法及系统，解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。达到了在复杂场景中出现的声音和用语的干扰通过用户的声音辨识特点进行了分析处理，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确进行用户语义的剥离和提取，保障了服务品质的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
28.申请概述
29.网络时代的到来，各种网络服务系统为人们生活带来了便捷，电力行业也同样跟随着互联网的大军，国网公司大力推进“互联网 ”战略，打造统一线上服务平台。公司要求加快打造客户聚合、业务融通、开放共享的互联网服务平台，实现全业务线上办理、全天候“一站式”服务。融入社会公共服务生态的需要。人们可以通过互联网进行对应的业务办理和咨询，通过机器对语音进行问题分析，问题分析的准确性直接影响到问题解决的效果。但现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
30.针对上述技术问题，本申请提供的技术方案总体思路如下：
31.通过电网客户服务系统获得第一语音信息；对所述第一语音信息进行音频分解，获得第一语音音频分析结果；判断所述第一语音音频分析结果是否包含干扰音频；当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；根据所述第一用户音频信息，获得第一音频特征；将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；获得预设电力服务用语数据库；根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息；根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。达到了在复杂场景中出现的声音和用语的干扰通过用户的声音辨识特点进行了分析处理，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确进行用户语义的剥离和提取，保障了服务品质的技术效果。
32.在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非
限制性的实施方式。
33.实施例一
34.如图1所示，本申请实施例提供了一种基于复杂场景的语义分析方法，所述方法应用于电网客户服务系统中，所述方法包括：
35.步骤s100：通过所述电网客户服务系统获得第一语音信息；
36.具体而言，移动互联时代已经到来，互联网用户基于pc的各种需求已经在慢慢向手机终端转移，全功能手机浏览器的发展已经打破了技术壁垒，仅依靠现有web端网站服务已经不能满足移动互联时代用户对便捷用电服务的需求，因此紧密围绕用户体验，聚焦用户便捷用电服务，已经成为新时代电力服务发展的必然趋势，有必要在web网站基础上扩展移动终端wap版，满足用户全方位用电服务需求。人们生活起居各种消费都通过互联网进行便捷操作，电网同样需要构建互联网系统为用户提供编辑的电力服务操作，人们通过电网服务系统进行电力相关业务的咨询和操作，第一语音信息为用户登录电网服务对应的系统进行业务咨询和办理过程中发出的语音内容。
37.步骤s200：对所述第一语音信息进行音频分解，获得第一语音音频分析结果；
38.进一步而言，对所述第一语音信息进行音频分解，获得第一语音音频分析结果，步骤s200包括：
39.步骤s210：根据所述第一语音信息，获得语音种类；
40.步骤s220：根据所述语音种类对所述第一语音信息进行分类，获得语音分类信息；
41.步骤s230：获得电力客服语音信息；
42.步骤s240：根据所述电力客服语音信息，获得客服语义信息；
43.步骤s250：根据所述客服语义信息、所述语音分类信息，获得第一匹配语音信息；
44.步骤s260：根据所述第一匹配语音信息、所述语音分类信息，获得第二种类语音信息；
45.步骤s270：根据所述第一匹配语音信息、所述第二种类语音信息，获得所述第一语音音频分析结果。
46.具体而言，通过将用户接入的语音信息进行存储并分析，利用音频分析工具对用户音频进行分解，从中确定有几种类型的发声，也可以通过利用人工智能技术，构建神经网络模型对语音信息进行对应类型的识别，通过大量语音信息和识别算法进行训练，通过训练后的神经网络模型对语音信息进行内容分析，得到对应的语音种类，对语音种类进行分析，得到其中出现了几种语音信息，其中语音分类信息包括一种或多种类别，如包括用户的语音、电波干扰、周围环境的声音等，其中周围环境的声音包括人声、动物声音、物体发出的声响等等，从这些语音分析中对用户的声音进行分辨和提取，本申请实施例为利用电力客服的语音内容和语音分析信息进行匹配将匹配成功的内容作为用户信息，同时将该声音的音频和声波进行记录，用语从中准确进行对应用户的分析，通过将语音内容中与客服语音内容的匹配从中确定服务要求，可以提高服务效率，确保服务有效性，如用户电话进行电力故障的咨询，其中电力服务系统会通过智能语音提出对应的查询内容与用户进行互动，用户的语音内容会根据客服内容进行回答，语音中其他的声音不会与客服问题内容进行匹配，从而确定了其中那个声音为用户的声音，声音对应的音频和声波，将该用户的声音与其他语音信息进行区别，通过识别用户的声音从复杂的语音环境中进行准确提取。从而避免
其他干扰声音带来的语义分析偏差。
47.步骤s300：判断所述第一语音音频分析结果是否包含干扰音频；
48.进一步而言，所述判断所述第一语音音频分析结果是否包含干扰音频，步骤s300包括：
49.步骤s310：根据所述第二种类语音信息、所述客服语义信息，获得第二匹配度；
50.步骤s320：判断所述第二匹配度是否满足第二预定条件；
51.步骤s330：当不满足时，将所述第二种类语音信息确定为所述干扰音频。
52.具体而言，将第一语音音频分析结果中的其他声音与客服语义信息进行匹配，对于匹配不上的声音，即匹配结果不满足第二预定条件的声音认定为干扰音频，将干扰音频进行摘除，从而还原用户的声音信息。其中第二预定条件根据使用的环境中用语的复杂性进行对应的设定，有些使用环境中语义表达会出现多种语音内容表现形式，多义词等这种情况下第二预定条件设定值可以略低，但是对应某些应用环境，其中专业词语的表达要求高，出现词语偏差直接影响到语义的内容，此时第二预定条件设定要求需要较高，甚至要求100％，通常为了确保语义分析的准确性，第二预定条件设定值优选为不低于80％，越高说明第二种类语音信息的内容与客服语义信息之间的内容匹配度越高，也就表明为有效语音信息，而不是周围出现的干扰声音，可以作为进行语义分析时候的辅助内容，如在用户进行电话资讯、故障报修时，身边还有家人出现的情况，家人可能提供补充意见，则家人的语音内容也会与客服语义信息匹配成功，则该声音不会被认定为干扰声音，作为第二用户声音进行记录和分析，对咨询问题进行补充和修正，在进行服务内容识别过程中以第一用户即主要用户的声音作为分析识别的主要内容，在服务内容识别不确定时，将第二用户的声音进行补充和修正，以提高分析识别的结果，实现了将用户语音来电信息进行全方位的分析处理，提高语音分析的智能化，还原人类的分析处理能力，避免机械单一的进行语音转换造成的语义分析偏差问题，从而有效提高了电力服务系统的服务品质。解决了现有电力服务系统语义分析单一，准确性不高，尤其在复杂场景中出现了多种语音时出现了分析偏差问题。
53.步骤s400：当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；
54.具体而言，本申请实施例主要针对复杂场景中出现了干扰信息造成的语义分析偏差问题，对于语音信息清晰度分辨力高的信息则无需要，因而针对复杂场景中出现的干扰信息，利用第一语音音频分析结果中分析确定的用户信息对应的用户音频信息进行用户声音的分析和提取。
55.步骤s500：根据所述第一用户音频信息，获得第一音频特征；
56.步骤s600：将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；
57.具体而言，对第一用户音频信息进行特征提取，得到第一音频特征，第一音频特征为第一用户音频信息的唯一识别码，通过该音频特征从第一语音信息中进行音频特征的提取，从中得出用户的语音信息，从而实现从复杂场景中出现的复杂语音中将用户的语音进行剥离提取的效果，第一语音分析结果即从第一语音信息中分析提取出的用户语音，为了提高语音分析结果的准确性，本申请加入了人工智能技术，利用预设的音频特征提取算法构建神经网络模型，其中音频提取模型即为神经网络(neural networks，nn)是由大量的、
简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一音频特征、所述第一语音信息输入神经网络模型，则输出第一语音分析结果。
58.更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一音频特征、所述第一语音信息和标识第一语音分析结果的标识信息，将所述第一音频特征、所述第一语音信息输入到神经网络模型中，根据用来标识所述第一语音分析结果的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的第一语音分析结果，进而达到同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确可靠的语义分析夯实了基础。其中神经网络(neural networks,nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。
59.步骤s700：获得预设电力服务用语数据库；
60.步骤s800：根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息；
61.具体而言，预设电力服务用语数据库为根据电力系统专业工具书和历史服务的经验构建的电力服务用语集合，其中涵盖了进行电力服务中会出现的电力词汇、组合、句子等内容，尤其包含了日常和维修中出现的专业电力词汇，通过电力服务用户数据库的构建为进行用户的语义识别和服务奠定了基础，同时提供了专业的保障。通过第一语音分析结果与预设电力服务用语数据库中电力词汇、组合、句子等进行匹配识别进行对应的语义分析，实现为电力服务系统内进行专业的客户服务。
62.步骤s900：根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；
63.步骤s1000：当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。
64.具体而言，为了进一步确保语义分析结果的准确性，本申请实施例对分析结果进行了再次核查确认，将得到的第一匹配电力信息与第一语音分析结果中的内容进行核查，即将第一匹配电力信息放入第一语音分析结果中进行一一核验，避免复杂场景中出现的语音内容对电力用于匹配中造成干扰，而影响服务结果的可靠性，将用户的第一语音分析结果中的整个语音过程进行逐一匹配，如果整个过程中的语义均匹配，则第一匹配度就高，若其中有匹配不上的则匹配度就低，当第一匹配度满足预设的条件时则该电力分析的第一匹配电力信息则满足要求，其准确性较高，其中第一预定条件即为预设的匹配条件阈值，其设定值的大小，与语义分析环境中使用的用语的复杂性、语义分析要求相对应，有些使用环境
中语义表达会出现多种语音内容表现形式，多义词等这种情况下第二预定条件设定值可以略低，但是对应某些应用环境，其中专业词语的表达要求高，出现词语偏差直接影响到语义的内容，此时第二预定条件设定要求需要较高，甚至要求100％，通常为了确保语义分析的准确性，第二预定条件设定值优选为不低于80％，越高说明第一匹配电力信息、第一语音分析结果之间的内容匹配度越高，也就表明第一匹配电力信息的分析结果准确度越高，将该第一匹配电力信息作为确定的电力服务语义分析结果进行对应的电力服务。达到了在复杂场景中出现的声音和用语的干扰通过用户的声音辨识特点进行了分析处理，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确进行用户语义的剥离和提取，保障了服务品质的技术效果。从而解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
65.进一步而言，所述方法包括：
66.步骤s1110：根据所述第一语音信息，获得第一语音文字转换信息；
67.步骤s1120：将所述第一语音文字转换信息、所述预设电力服务用语数据库输入电力用语识别模型，获得第一电力服务用语分析结果；
68.步骤s1130：获得预设电力服务技术知识库；
69.步骤s1140：根据所述第一电力服务用语分析结果、所述预设电力服务技术知识库，获得电力知识匹配信息；
70.步骤s1150：判断所述电力知识匹配信息是否满足第三预定条件，当满足时，根据所述电力知识匹配信息，获得第二匹配电力信息。
71.具体而言，除了复杂场景中语音的干扰外，还存在电力服务内容复杂，由于电力内容中存在较多的电力专业词汇造成内容复杂而易出现的语义分析偏差，这种情况下本申请实施例将语音信息进行文字转换，将转换后的内容和电力服务用语数据库输入神经网络模型中进行训练，电力用语识别模型即为神经网络模型，得到输出结果为第一电力服务用户分析结果，再与预设电力服务技术知识库的内容进行内容深度匹配，即不光是常见的电力用语的分析，要结合电力技术知识进行多种词汇和技术的组合分析，确保其中内容的准确性，如有些电力服务的用语比较多，或者与其他词汇存在相似度，又或者相同的元件放在不同的关系组合里存在不同的用途，同样的元件可能由于其他元件组合不同存在不同的电力故障或者安装要求，因而需要结合语音内所有的词汇进行组合，从而确定该语义是否准确，如果通过电力用语匹配出的第一电力服务用语分析结果与预设电力服务技术知识库中的内容可以匹配上，即前后关系可以对上，逻辑准确性，则符合第三预定条件的要求，此时将电力知识匹配信息作为第二匹配电力信息，确定为用户电力服务的语义分析结果进行对应的电力服务操作。达到了在复杂场景中出现的电力词汇、元件复杂造成的技术干扰，通过专业的知识库深度进行内容匹配，通过前后关系的整体性合理性，从而深度进行语义分析，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确对用户语义进行专业的全局把握分析，保障了服务品质的技术效果。从而解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
72.进一步而言，所述方法包括：
73.步骤s1210：当所述电力知识匹配信息不满足所述第三预定条件时，根据所述第一语音文字转换信息、所述第一电力服务用语分析结果，获得用语频率信息；
74.步骤s1220：根据所述用语频率信息，获得第一电力用语，所述第一电力用语为所述用语频率排位第一的电力用语；
75.步骤s1230：根据所述第一电力用语、所述第一语音文字转换信息，获得第一电力用语位置信息；
76.步骤s1240：根据所述第一电力用语位置信息，获得相关文字信息；
77.步骤s1250：根据所述第一电力用语、所述相关文字信息、所述预设电力服务技术知识库，获得第二电力用语；
78.步骤s1260：根据所述预设电力服务技术知识库判断所述第一电力用语与所述第二电力用语是否具有第一相关性；
79.步骤s1270：当满足时，根据所述第一电力用语、所述第二电力用语，获得第三匹配电力信息。
80.具体而言，当电力知识匹配信息不满足所述第三预定条件时，则其中出现了分析偏差，利用用语出现的频率进行分析，将出现频率最多的电力用语进行重点分析，以从中找到匹配高的语义分析结果，利用转换的文字内容进行用语频率计算，第一电力用语即其中出现频率最多的用语，在分析时由频率最高开始分析，将第一电力用语出现的位置进行重复分析，结合第一电力用语出现位置的其他相关用户进行结合分析，从预设电力服务技术知识库里面进行组合分析，得到其中与这几个用语组合匹配的结果，第三匹配电力信息即由出现频率高的用语和相联系的其他用语进行综合处理，利用预设电力服务技术知识库中的电力服务专业内容，其中包括电力行业的专业技术内容。将匹配的第三匹配电力信息作为语义分析结果进行对应的电力服务。达到了在复杂场景中出现的电力词汇、元件复杂造成的技术干扰，通过专业的知识库深度进行内容匹配，通过电力用语频率进行针对性分析，结合频率用语的前后关系内容的整体性合理性，从而深度进行语义分析，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确对用户语义进行专业的全局把握分析，保障了服务品质的技术效果。进一步解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
81.进一步而言，所述根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息，步骤s800包括：
82.步骤s810：将所述第一语音分析结果作为第一输入信息；
83.步骤s820：将所述预设电力服务用语数据库作为第二输入信息；
84.步骤s830：将所述第一输入信息和所述第二输入信息输入预设神经网络模型，其中，所述预设神经网络模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识第一匹配电力信息的标识信息；
85.步骤s840：获得所述预设神经网络模型的输出信息，所述输出信息包括所述第一匹配电力信息。
86.具体而言，为了提高第一语音分析结果与预设电力服务用语数据库进行电力用语分析结果的准确性，本申请实施例加入了神经网络模型，神经网络(neural networks，nn)
是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一输入信息、所述第二输入信息输入神经网络模型，则输出第一匹配电力信息。
87.更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一输入信息、所述第二输入信息和标识所述第一匹配电力信息的标识信息，将所述第一输入信息、所述第二输入信息输入到神经网络模型中，根据用来标识所述第一匹配电力信息的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的第一匹配电力信息，进而达到用户的语音分析结果与专业的电力用语数据进行分析，得到用户进行描述的电力需求，提高服务的准确性，同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确可靠的电力服务语义分析夯实了基础。
88.进一步而言，所述方法包括：
89.步骤s1310：获得第二电力服务用语数据库；
90.步骤s1320：判断所述预设电力服务用语数据库是否包含所述第二电力服务用语数据库；
91.步骤s1330：当不包含时，根据所述预设电力服务用语数据库、所述第二电力服务用语数据库，获得差异电力用语；
92.步骤s1340：判断所述差异电力用语是否满足第四预定条件；
93.步骤s1350：当满足时，将所述第二电力服务用语数据库更新为所述预设电力服务用语数据库；
94.步骤s1360：将所述第二电力服务用语数据库输入所述预设神经网络模型进行训练，获得补充电力信息；
95.步骤s1370：通过对所述补充电力信息、所述第一匹配电力信息进行数据损失分析，获得参数损失数据；
96.步骤s1380：将所述参数损失数据输入所述预设神经网络模型，生成第二神经网络模型，所述第二神经网络模型为增量学习后的新模型。
97.具体而言，通过互联网大数据定期对预设电力服务用语数据库进行更新，将新获得的电力服务用语数据库即第二电力服务用语数据库与预设电力服务用语数据库进行比对，若两者不同，利用新获得的电力服务用语数据库对预设神经网络模型进行训练，得到补充的电力信息与第一匹配电力信息利用损失函数进行损失分析，将参数损失数据输入预设神经网络模型进行增量学习，生成新的模型为第二神经网络模型，通过变化的训练数据实现对预设神经网络模型的增量学习，从而便于计算机搭建的平台进行相关数据的处理，由于所述第二神经网络模型是基于引入损失函数完成数据损失的分析进而获得新模型，其
中，所述参数损失数据是代表所述预设神经网络模型对于差异特征数据的相关知识的损失数据，即补充电力信息、所述第一匹配电力信息进行的差异特征分析，再基于所述参数损失数据完成对所述预设神经网络模型的增量学习，其中，增量学习是指一个学习系统能不断地从新样本中学习新的知识，并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。随着数据库以及互联网技术的快速发展和广泛应用，社会各部门积累了大量数据。进一步的，所述第一复发风险评估模型是多个神经元相互连接组成构成神经网络获得的，因此，通过损失数据的训练使得所述第二复发风险评估模型保留了所述第一复发风险评估模型的基本功能，并维持模型不断更新的性能，从而提高了业务评估准确性，保证更新业务能力评估准确性的技术效果。从而实现通过不断完善电力服务用语数据库进行训练数据的更新，提高了分析处理结果的时效性和准确度。
98.进一步而言，所述方法包括：
99.步骤s1410：获得第一标准语音信息；
100.步骤s1420：判断所述第一语音信息为所述第一标准语音信息；
101.步骤s1430：当所述第一语音信息不是所述第一标准语音信息时，根据所述第一语音信息，获得第一来源地；
102.步骤s1440：根据所述第一来源地，获得来源地语音规则；
103.步骤s1450：判断所述第一语音信息是否满足所述来源地语音规则，当满足时，根据所述来源地语音规则对所述第一语音信息进行语音转换，获得第一转换语音信息，其中，所述第一转换语音信息为所述第一标准语音信息。
104.具体而言，避免用户利用方言进行电力服务请求造成的语义分析偏差，将第一语音信息结合来电地点进行方言分析，利用当地方言的发音和音频特点将方言转换为普通话，来源地语音规则即方言的发言特点和音频特征，通过来源地语音规则将电力服务系统中的语音来电进行转换，避免因方言造成的语义分析偏差，而影响电力服务的准确性。
105.实施例二
106.基于与前述实施例中一种基于复杂场景的语义分析方法同样发明构思，本发明还提供了一种基于复杂场景的语义分析系统，如图2所示，所述系统包括：
107.第一获得单元11，所述第一获得单元11用于获得第一语音信息；
108.第二获得单元12，所述第二获得单元12用于对所述第一语音信息进行音频分解，获得第一语音音频分析结果；
109.第一判断单元13，所述第一判断单元13用于判断所述第一语音音频分析结果是否包含干扰音频；
110.第三获得单元14，所述第三获得单元14用于当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；
111.第四获得单元15，所述第四获得单元15用于根据所述第一用户音频信息，获得第一音频特征；
112.第五获得单元16，所述第五获得单元16用于将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；
113.第六获得单元17，所述第六获得单元17用于获得预设电力服务用语数据库；
114.第七获得单元18，所述第七获得单元18用于根据所述第一语音分析结果、所述预
设电力服务用语数据库，获得第一匹配电力信息；
115.第八获得单元19，所述第八获得单元19用于根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；
116.第一执行单元20，所述第一执行单元20用于当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。
117.进一步的，所述系统还包括：
118.第九获得单元，所述第九获得单元用于根据所述第一语音信息，获得语音种类；
119.第十获得单元，所述第十获得单元用于根据所述语音种类对所述第一语音信息进行分类，获得语音分类信息；
120.第十一获得单元，所述第十一获得单元用于获得电力客服语音信息；
121.第十二获得单元，所述第十二获得单元用于根据所述电力客服语音信息，获得客服语义信息；
122.第十三获得单元，所述第十三获得单元用于根据所述客服语义信息、所述语音分类信息，获得第一匹配语音信息；
123.第十四获得单元，所述第十四获得单元用于根据所述第一匹配语音信息、所述语音分类信息，获得第二种类语音信息；
124.第十五获得单元，所述第十五获得单元用于根据所述第一匹配语音信息、所述第二种类语音信息，获得所述第一语音音频分析结果。
125.进一步的，所述系统还包括：
126.第十六获得单元，所述第十六获得单元用于根据所述第二种类语音信息、所述客服语义信息，获得第二匹配度；
127.第二判断单元，所述第二判断单元用于判断所述第二匹配度是否满足第二预定条件；
128.第一确定单元，所述第一确定单元用于当不满足时，将所述第二种类语音信息确定为所述干扰音频。
129.进一步的，所述系统还包括：
130.第十七获得单元，所述第十七获得单元用于根据所述第一语音信息，获得第一语音文字转换信息；
131.第十八获得单元，所述第十八获得单元用于将所述第一语音文字转换信息、所述预设电力服务用语数据库输入电力用语识别模型，获得第一电力服务用语分析结果；
132.第十九获得单元，所述第十九获得单元用于获得预设电力服务技术知识库；
133.第二十获得单元，所述第二十获得单元用于根据所述第一电力服务用语分析结果、所述预设电力服务技术知识库，获得电力知识匹配信息；
134.第二十一获得单元，所述第二十一获得单元用于判断所述电力知识匹配信息是否满足第三预定条件，当满足时，根据所述电力知识匹配信息，获得第二匹配电力信息。
135.进一步的，所述系统还包括：
136.第二十二获得单元，所述第二十二获得单元用于当所述电力知识匹配信息不满足所述第三预定条件时，根据所述第一语音文字转换信息、所述第一电力服务用语分析结果，获得用语频率信息；
137.第二十三获得单元，所述第二十三获得单元用于根据所述用语频率信息，获得第一电力用语，所述第一电力用语为所述用语频率排位第一的电力用语；
138.第二十四获得单元，所述第二十四获得单元用于根据所述第一电力用语、所述第一语音文字转换信息，获得第一电力用语位置信息；
139.第二十五获得单元，所述第二十五获得单元用于根据所述第一电力用语位置信息，获得相关文字信息；
140.第二十六获得单元，所述第二十六获得单元用于根据所述第一电力用语、所述相关文字信息、所述预设电力服务技术知识库，获得第二电力用语；
141.第三判断单元，所述第三判断单元用于根据所述预设电力服务技术知识库判断所述第一电力用语与所述第二电力用语是否具有第一相关性；
142.第二十七获得单元，所述第二十七获得单元用于当满足时，根据所述第一电力用语、所述第二电力用语，获得第三匹配电力信息。
143.进一步的，所述系统还包括：
144.第二执行单元，所述第二执行单元用于将所述第一语音分析结果作为第一输入信息；
145.第三执行单元，所述第三执行单元用于将所述预设电力服务用语数据库作为第二输入信息；
146.第一输入单元，所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入预设神经网络模型，其中，所述预设神经网络模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识第一匹配电力信息的标识信息；
147.第二十八获得单元，所述第二十八获得单元用于获得所述预设神经网络模型的输出信息，所述输出信息包括所述第一匹配电力信息。
148.进一步的，所述系统还包括：
149.第二十九获得单元，所述第二十九获得单元用于获得第二电力服务用语数据库；
150.第四判断单元，所述第四判断单元用于判断所述预设电力服务用语数据库是否包含所述第二电力服务用语数据库；
151.第三十获得单元，所述第三十获得单元用于当不包含时，根据所述预设电力服务用语数据库、所述第二电力服务用语数据库，获得差异电力用语；
152.第五判断单元，所述第五判断单元用于判断所述差异电力用语是否满足第四预定条件；
153.第一更新单元，所述第一更新单元用于当满足时，将所述第二电力服务用语数据库更新为所述预设电力服务用语数据库；
154.第三十一获得单元，所述第三十一获得单元用于将所述第二电力服务用语数据库输入所述预设神经网络模型进行训练，获得补充电力信息；
155.第三十二获得单元，所述第三十二获得单元用于通过对所述补充电力信息、所述第一匹配电力信息进行数据损失分析，获得参数损失数据；
156.第一生成单元，所述第一生成单元用于将所述参数损失数据输入所述预设神经网络模型，生成第二神经网络模型，所述第二神经网络模型为增量学习后的新模型。
157.进一步的，所述系统还包括：
158.第三十三获得单元，所述第三十三获得单元用于获得第一标准语音信息；
159.第六判断单元，所述第六判断单元用于判断所述第一语音信息为所述第一标准语音信息；
160.第三十四获得单元，所述第三十四获得单元用于当所述第一语音信息不是所述第一标准语音信息时，根据所述第一语音信息，获得第一来源地；
161.第三十五获得单元，所述第三十五获得单元用于根据所述第一来源地，获得来源地语音规则；
162.第三十六获得单元，所述第三十六获得单元用于判断所述第一语音信息是否满足所述来源地语音规则，当满足时，根据所述来源地语音规则对所述第一语音信息进行语音转换，获得第一转换语音信息，其中，所述第一转换语音信息为所述第一标准语音信息。
163.前述图1实施例一中的一种基于复杂场景的语义分析方法的各种变化方式和具体实例同样适用于本实施例的一种基于复杂场景的语义分析系统，通过前述对一种基于复杂场景的语义分析方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于复杂场景的语义分析系统的实施方法，所以为了说明书的简洁，在此不再详述。
164.示例性电子设备
165.下面参考图3来描述本申请实施例的电子设备。
166.图3图示了根据本申请实施例的电子设备的结构示意图。
167.基于与前述实施例中一种基于复杂场景的语义分析方法的发明构思，本发明还提供一种基于复杂场景的语义分析系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于复杂场景的语义分析方法的任一方法的步骤。
168.其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
169.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
170.本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
171.本申请实施例提供了一种基于复杂场景的语义分析方法及系统，应用于电网客户服务系统中，通过电网客户服务系统获得第一语音信息；对所述第一语音信息进行音频分解，获得第一语音音频分析结果；判断所述第一语音音频分析结果是否包含干扰音频；当包含时，根据所述第一语音音频分析结果，获得第一用户音频信息；根据所述第一用户音频信息，获得第一音频特征；将所述第一音频特征、所述第一语音信息输入音频提取模型中，获得第一语音分析结果；获得预设电力服务用语数据库；根据所述第一语音分析结果、所述预设电力服务用语数据库，获得第一匹配电力信息；根据所述第一匹配电力信息、所述第一语音分析结果，获得第一匹配度；当所述第一匹配度满足第一预定条件时，将所述第一匹配电力信息作为第一语音语义处理结果。达到了在复杂场景中出现的声音和用语的干扰通过用
户的声音辨识特点进行了分析处理，同时加入了人工智能技术提高了分析处理的准确度，有效避免复杂场景中出现的语义干扰，实现准确进行用户语义的剥离和提取，保障了服务品质的技术效果。从而解决了现有技术中电力服务的智能客服信息分辨和处理能力不足，尤其在复杂场景中的客户咨询内容存在受到其他干扰信息的影响而数据处理具有偏差的技术问题。
172.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
173.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
174.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
175.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
176.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。