金融企业呼叫中心记录的客服与客户对话语音是一个非常宝贵的数据资源,准确提取语音数据中的关键词可以有效获取客户意见、潜在需求、客服质量等有助于企业发展的重要信息。传统的人工质检方法存在抽检率低、抽检时间成本高等问题。本文以呼叫中心客服与客户对话语音为分析对象,探讨金融领域语音关键词识别问题,提出有效解决方案。本文主要工作和贡献如下:(1)针对个别关键词训练样本不足及训练样本中说话人性别不均衡问题,提出基于语音转换的训练样本扩展方法。该方法主要以改变语音频谱来扩展训练样本的说话人多样性,从而提高系统识别鲁棒性。基于AISHELL数据集中10个关键词的实验结果表明:在训练样本不足的情况下,使用本文方法后提升了3.44%-5.95%的检出率;在说话人性别信息不均衡的情况下,使用本文方法后提升了0.81%-3.08%的检出率。(2)在采用(1)的扩展方法得到大量训练样本的基础上,本文提出了一种基于改进轮廓系数评价思想的训练样本筛选方法,进一步提高分类器的性能。该方法采用通用背景模型-高斯混合模型(Universal Background Model–Gaussian Mixture Model,UBM-GMM)对原始语音进行建模,借鉴改进轮廓系数的评价思想对扩展样本进行筛选。基于AISHELL数据集中10个关键词的实验结果表明:与随机方法得到的训练样本相比,基于本文方法筛选得到的训练样本,其模型的关键词检出率提高了0.26%-2.51%。(3)由于系统需要极高的准确率,本文采用了基于RNN-CTC(Recurrent Neural Network–Connectionist Temporal Classification)的关键词识别方法。该方法不需要对样本进行标注对齐,有利于工程实现,且RNN是时序数据的首选网络,它可以达到很高的精度,有利于本文识别准确率的提升。采用AISHELL数据集和客家话数据集进行实验评估,结果表明:与深度神经网络(Deep Neural Networks,DNN)方法相比,本文方法的识别准确率提升了11.70%-12.72%。综上所述,本文提出了基于语音转换的训练样本扩展方法和训练样本的筛选方法,并设计了应用于金融客服质检系统的RNN-CTC关键词识别系统。实验分析了本文所提出方法与所设计系统的性能表现,并验证了它们的有效性。