基于深度神经网络的噪声环境下对话行为分类模型.pdfVIP

测控技术模式识别与人工智能I

2021年第40卷第3期

基于深度神经网络的噪声环境下对话行为分类模型

申屠相鎔，秦会斌

(杭州电子科技大学新型电子器件与应用研究所，浙江杭州310018)

摘要：对话行为可以在一定程度上表达说话人的意图，对话行为分类是机器翻译、人机交互设计等领域

的基本要求，对于语音识别领域具有重要的意义。针对噪音环境下的对话行为分类提出了一种新的模

型，通过快速噪声估计谱减法进行语音增强，采用长短期记忆网络对经过卷积神经网络语言嵌入后的词

向量进行学习，从而得到具有抗噪性的对话行为分类模型。使用中文日常用语语料库的样本进行了多

组对比试验，以测试新模型的抗噪声能力和对对行为分类的准确性。结果表明在0dB的噪声环境下，

模型的对对行为分类准确度达到95.5%，当噪声增加到5dB时仍能保持94.1%，为噪音