【技术实现步骤摘要】
本专利技术涉及报警信息处理，具体涉及一种报警信息汇聚方法、系统、设备及存储介质。
技术介绍
1、随着计算机、互联网技术的发展，能够为用户提供的在线服务（例如互联网应用）越来越多，并且在线服务的访问量越来越大，这给运维带来了挑战。为了及时发现在线服务运行过程中的异常情况，运维人员会通过报警系统对在线服务进行监控，并在接收到在线服务发送的报警信息后，以指定方式向运维人员进行报警，例如通过向运维人员的手机发送短信进行报警，以使运维人员能够及时发现异常情况并进行维护，从而使在线服务尽快恢复正常运行。然而，在报警连线过程中，由于报警人员地域不同，从而会出现各地的方言，导致接线员无法分辨其中的关键信息，以致无法快速分辨报警内容，极大影响了报警信息处理效率。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种报警信息汇聚方法、系统、设备及存储介质，以解决现有技术中存在的一个或多个问题。
2、技术方案：本专利技术的一种报警信息汇聚方法，包括：
3、s1、获取多条原始报警信息的语音数据；
4、s2、将语音数据转换为文本数据，通过自然语言处理方法对文本数据进行优化，从优化的文本数据中提取出关键词；对于方言或口音重的报警内容，通过高斯混合模型gmm对语音特征进行概率估计，并结合语言数据库中的方言数据，使用贝叶斯推断法计算关键词的出现概率，根据最大后验概率法则map，选择出现概率最高的关键词；
5、s3、基于提取的关键词，对自然语言处理优化的文本数据
6、s4、基于特征信息，将同一时间段、同一地点的多条原始报警信息进行汇聚，得到一条完整的汇聚报警信息。
7、进一步地，步骤s1包括：假设原始报警语音信号为s(t)，利用快速傅里叶变换fft将原始报警语音信号s(t)由时域信号转换为频域信号s(f)，以便后续的语音特征提取与分析。
8、进一步地，步骤s2包括：
9、s201、语音数据到文本数据的转换
10、使用预训练的融合了隐马尔可夫模型hmm和深度神经网络dnn的语言模型，将频域信号s(f)转换为文本数据w(t)；
11、s202、文本数据处理与关键词识别
12、对转换得到的文本数据w(t)进行自然语言处理，去除冗余信息，进行拼写校正和语言生成优化；再利用语言模型，结合预定义的词库，从自然语言处理优化的文本数据中提取出关键词ki；
13、s203、方言与口音处理
14、对于方言或口音重的报警内容，通过高斯混合模型gmm对语音特征进行概率估计，并结合语言数据库中的方言数据，使用贝叶斯推断法计算关键词ki的出现概率：
15、；
16、p(a|b)表示在b条件下a的概率；
17、s204、选择最有可能的关键词
18、根据最大后验概率法则map，选择出现概率最高的关键词。
19、进一步地，步骤s204还包括：将选择的关键词输入到高斯混合模型gmm中做进一步分析和推断，以优化最终的关键词提取结果。
20、进一步地，步骤s2还包括：
21、s205、输出与后续处理
22、如果方言导致关键词识别错误，使用基于上下文的纠错算法对关键词进行校正。
23、进一步地，步骤s3包括：特征信息的提取过程采用基于规则的模式匹配算法，结合长短时记忆网络模型lstm来预测上下文关系：
24、；
25、其中，fj表示特征信息；w(t)表示文本，c(t)表示上下文信息，为特征提取函数。
26、进一步地，步骤s4包括：通过k-means聚类算法对多条原始报警信息进行聚类。
27、基于同样的专利技术构思，本专利技术的一种报警信息汇聚系统，包括：
28、电话录音模块，用于获取多条原始报警信息的语音数据；
29、关键词确定模块，用于将语音数据转换为文本数据，通过自然语言处理方法对文本数据进行优化，从优化的文本数据中提取出关键词；对于方言或口音重的报警内容，通过高斯混合模型gmm对语音特征进行概率估计，并结合语言数据库中的方言数据，使用贝叶斯推断法计算关键词的出现概率，根据最大后验概率法则map，选择出现概率最高的关键词；
30、特征信息提取模块，用于基于提取的关键词，对自然语言处理优化的文本数据进行依存语法分析，提取出特征信息；
31、汇聚模块，用于基于特征信息，将同一时间段、同一地点的多条原始报警信息进行汇聚，得到一条完整的汇聚报警信息；
32、显示模块，用于显示汇聚的报警信息文本。
33、基于同样的专利技术构思，本专利技术的一种报警信息汇聚设备，包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时，该设备实现如上述报警信息汇聚方法的步骤。
34、基于同样的专利技术构思，本专利技术的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如上述报警信息汇聚方法的步骤。
35、有益效果：本专利技术与现有技术相比，具有如下显著优点：本专利技术通过文本分析和语音识别，对方言报警信息进行处理和汇聚，将方言转化为普通话文本，从而生成标准化的报警信息，解决了当前方言报警内容难以识别的问题，提升了报警信息处理效率。
本文档来自技高网...【技术保护点】
1.一种报警信息汇聚方法，其特征在于，包括：
2.根据权利要求1所述的报警信息汇聚方法，其特征在于，步骤S1包括：假设原始报警语音信号为S(t)，利用快速傅里叶变换FFT将原始报警语音信号S(t)由时域信号转换为频域信号S(f)，以便后续的语音特征提取与分析。
3.根据权利要求2所述的报警信息汇聚方法，其特征在于，步骤S2包括：
4.根据权利要求3所述的报警信息汇聚方法，其特征在于，步骤S204还包括：将选择的关键词输入到高斯混合模型GMM中做进一步分析和推断，以优化最终的关键词提取结果。
5.根据权利要求4所述的报警信息汇聚方法，其特征在于，步骤S2还包括：
6.根据权利要求1所述的报警信息汇聚方法，其特征在于，步骤S3包括：特征信息的提取过程采用基于规则的模式匹配算法，结合长短时记忆网络模型LSTM来预测上下文关系：
7.根据权利要求1所述的报警信息汇聚方法，其特征在于，步骤S4包括：通过K-means聚类算法对多条原始报警信息进行聚类。
8.一种报警信息汇聚系统，其特征在于，包括：
<...【技术特征摘要】
1.一种报警信息汇聚方法，其特征在于，包括：
2.根据权利要求1所述的报警信息汇聚方法，其特征在于，步骤s1包括：假设原始报警语音信号为s(t)，利用快速傅里叶变换fft将原始报警语音信号s(t)由时域信号转换为频域信号s(f)，以便后续的语音特征提取与分析。
3.根据权利要求2所述的报警信息汇聚方法，其特征在于，步骤s2包括：
4.根据权利要求3所述的报警信息汇聚方法，其特征在于，步骤s204还包括：将选择的关键词输入到高斯混合模型gmm中做进一步分析和推断，以优化最终的关键词提取结果。
5.根据权利要求4所述的报警信息汇聚方法，其特征在于，步骤s2还包括：
6.根据权利要求1所述的报警信息汇聚方法，其特征在于，步骤s3包括：特征信息...
【专利技术属性】
技术研发人员：宋筱轩，李辉，叶建军，王子杨，吴瑞祥，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。