【AI测试】智能音箱--自然语言处理,语音语义识别测试

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。
【AI测试】智能音箱--自然语言处理,语音语义识别测试_第1张图片

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)
      【AI测试】智能音箱--自然语言处理,语音语义识别测试_第2张图片
  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
      【AI测试】智能音箱--自然语言处理,语音语义识别测试_第3张图片
  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
      【AI测试】智能音箱--自然语言处理,语音语义识别测试_第4张图片

举个栗子:
【AI测试】智能音箱--自然语言处理,语音语义识别测试_第5张图片

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
    【AI测试】智能音箱--自然语言处理,语音语义识别测试_第6张图片

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

你可能感兴趣的:(AI测试)