【AI测试】智能音箱--自然语言处理，语音语义识别测试

参考博客原址：https://blog.csdn.net/lhh08hasee/article/details/80306474

自己目前没有做过自然语言处理，语音语义识别测试，本文为听一场语音语义识别测试分享学习所得，以及结合网上学习资料整理。

语音识别测试

主要考虑距离、噪声、不同手机机型或硬件、不同网络

• 噪音干扰识别测试
• 不同距离识别测试
• 不同机型识别测试
• 不同网络语音识别速度测试
• 监测灵敏度测试
• 竞品对比测试

语义识别测试

测试人员大部分时间会花在构造语义测试数据阶段。尽可能的收集各种语境和语义输入。

构造语义测试数据的方法：

发布前

语义测试开展（构造语义测试数据的四个阶段）

1. 人工脑暴数据

2. 实体扩充

   • 模板库 + 实体库自动化生成数据
   • 热门实体库更新（实体库为FM节目、FM专辑、音乐热歌、音乐新歌等）
     

3. 针对人说话特点以及音箱场景做专项定制化数据增长

   • 同音字替代
   • 实体少字
   • 模糊音替代
   • 干扰语气词
   • 重叠字
   • 实体颠倒
   • 实体含英文，数字等
     

4. 同义词扩充（同义词替代增长测试数据）

   • 训练ngram来判断语句是否通顺
   • 提升ngram模型能力
     

举个栗子：

发布后

• 线上真实用户句子
• 人工标注，反哺测试数据
• 相似度聚类问法，找出新的问法
  

测试驱动开发

• 总结分析问题（把出错的样本逐一分析原因并归类）
• 发现规律，解决某一类问题
• 主动去发现和挖掘问题

                                </div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-60ecaf1f42.css" rel="stylesheet">
                            </div>