Разработка программного комплекса многоканального распознавания и коррекции речевых сообщений на основе алгоритмов машинного обучения в структуре импортозамещения
Библиографическое описание:Разработка программного комплекса многоканального распознавания и коррекции речевых сообщений на основе алгоритмов машинного обучения в структуре импортозамещения : научное издание / Ф. Н. Абу-Абед, С. А. Жиронкин. - Текст : непосредственный // Программные продукты и системы. - 2024. - № 4. - С. 576-584. - Исследование выполнено за счет гранта РНФ № 23-28-01423, https://rscf.ru/project/23-28-01423/. - ISSN 0236-235X. - ISSN 2311-2735, DOI 10.15827/0236-235X.148.576-584.
Аннотация:Предметом данного исследования является разработка программного комплекса многоканального распознавания и коррекции речевых сообщений на основе машинного обучения. Комплекс призван решать задачу повышения эффективности факторов производства как составляющую моделирования структуры импортозамещения в российской экономике. Актуальность работы заключается в отсутствии программных аналогов и разработок на отечественном рынке программных продуктов в условиях усиления технологических санкционных ограничений. Целью исследования является повышение эффективности внутренних коммуникаций российских компаний. В качестве методов исследования применяются системный анализ, машинное обучение, информационно-телекоммуникационное системное проектирование и объектно-ориентированное программирование. В настоящей статье приведены архитектура и основные компоненты программного комплекса, такие как бот для взаимодействия с пользователями, кэширование данных, долговременное хранение информации и сервис для распознавания и коррекции речевых сообщений с использованием методов машинного обучения. В разработанном авторами приложении решаются задачи развертывания и контейнеризации речевых сообщений с реализацией сервиса распознавания и расшифровки речевых сообщений. Предложенная система основана на кэшировании данных, распределяет нагрузку между независимыми сервисными компонентами с поддержкой контейнеризации, она адаптирована к масштабированию и работе на различных платформах и облачных средах. Интерфейс приложения дает пользователю возможность произвести необходимые настройки с целью автоматического распознавания, диаризации, коррекции и обобщения речевых сообщений. Научная новизна заключается в получении результатов, способствующих оптимизации внутренних коммуникаций с помощью алгоритмов машинного обучения для повышения точности и адаптивности корпоративных систем связи. Данные системы позволяют эффективно решать важную задачу моделирования структуры импортозамещения в условиях усиления внешних шоков и технологических ограничений.
The research focuses on developing a software complex for multichannel recognition and correction of speech messages based on machine learning. The complex solves the problem of increasing the efficiency of production factors as a part of modeling an import substitution structure in the Russian economy. This work is relevant due to the lack of software analogs among domestic software products under conditions of increasing technological sanction restrictions. The study aims to improve the efficiency of internal communications of Russian companies. The authors use system analysis, machine learning, information and telecommunication system design and object-oriented programming as research methods. Thispaper presents the architecture and the main components of the software complex. For example, a bot for interaction with users, data caching, long-term storage of information and a service for recognizing and correcting speech messages using machine learning methods. The application implements a speech message recognition and decryption service to solve the problems of speech message deployment and containerization. The proposed system is based on data caching. It distributes the load among independent service components with containerization support. It is adapted to scale and work on different platforms and cloud environments. The application interface enables the user to make necessary adjustments in order to automatically recognize, diarize, correct and summarize speech messages. The scientific novelty consists in obtaining results that contribute to the optimization of internal communications using machine-learning algorithms to improve the accuracy and adaptability of corporate communication systems. These systems allow solving the important problem of modeling the structure for import substitution under the conditions of increasing external shocks and technological constraints.
Ключевые слова:import substitution, database, commands and procedures, user interface, software, machine learning, speech message recognition, structure, импортозамещение, база данных, команды и процедуры, пользовательский интерфейс, программное средство, машинное обучение, распознавание речевых сообщений, структура
