Anrufbeantworter besprechen Mustertext

  • 11 lipca 2020
  • Bez kategorii
  • 0

Eine weitere Branche, die von Sound Recognition-Mustererkennungsalgorithmen profitiert, ist die Automobilindustrie. Beispielsweise können Sie Ihr Telefon verwenden, um die Geräusche ihres Automotors aufzuzeichnen und eine klangbasierte Diagnose zu stellen, um zu verstehen, was falsch ist und wie Sie es beheben können. Nach der Umstrukturierung von AT&T im Jahr 1984, als die Maschinen erschwinglich wurden und der Umsatz in den USA eine Million Einheiten pro Jahr erreichte, wurden Anrufbeantworter immer häufiger eingesetzt. [14] [15] Das erste Post-Breakup-Gerät trug den Handelsnamen DuoPhone und wurde von Tandy (Radio Shack) verkauft. Dieses Gerät und seine Nachfolger wurden von Sava Jacobson entworfen, einem Elektroingenieur mit einem privaten Beratungsunternehmen. [16] Während frühe Anrufbeantworter Magnetbandtechnologie verwendeten, verwenden die meisten modernen Geräte Festkörperspeicher; Einige Geräte verwenden eine Kombination aus beidem, mit einer Solid-State-Schaltung für die ausgehende Nachricht und einer Kassette für die eingehenden Nachrichten. James P. Mitchell zeigte im April 1982 in einem VeISHEA-Ingenieurhaus der Iowa State University einen funktionierenden Prototyp einer digitalen ausgehenden Nachricht mit einem aufgezeichneten Eingangssystem. Dieses System wurde von der Engineering-Abteilung mit einem Goldpreis ausgezeichnet.

[17] 1983 erhielt Kazuo Hashimoto ein Patent für eine digitale Anrufbeantworterarchitektur mit dem US-Patent 4.616.110. [18] Der erste digitale Anrufbeantworter, der auf den Markt kam, war das Modell 1337 von AT&T; eine Aktivität unter der Leitung von Trey Weaver. Herr Hashimoto verklagte AT&T, ließ die Klage aber schnell fallen, weil sich die AT&T-Architektur deutlich von seinem Patent unterscheidet. Die Natural Language Processing-Technologie kann auch für die Inhaltskategorisierung, die Themenermittlung für Content-Marketing, die Plagiatserkennung sowie die Textgenerierung verwendet werden. In Der Statistischen Mustererkennung (StatPR) wird jedes Muster mit Hilfe von d-Features oder Messungen beschrieben und als Punkt in einem d-dimensionalen Raum betrachtet. Das Ziel von StatPR ist es, die Features auszuwählen, die es Mustervektoren ermöglichen, zu verschiedenen Kategorien in diesem d-dimensionalen Feature-Raum zu gehören. Nachdem wir einen riesigen Artikel geschrieben haben, bleibt die Frage: „Warum verwenden wir Mustererkennung?” Die standardmäßige AMD-Lösung basiert auf einem Algorithmus, der menschliches Sprachaudio isoliert und Perioden zwischen Sprache und Stille in der Begrüßung misst und diese Daten dann verwendet, um die antwortende Partei zu bestimmen. Da nicht alle Menschen und nicht alle Voicemail-Grüße ähnlichen Mustern beim Annehmen von Anrufen folgen, ist es möglich, dass AMD nicht immer die richtige Antwort gibt. Die AMD-Engine kann z.B. einen sehr kurzen zweisekunden-Voicemail-Gruß als menschlichen Abholer interpretieren. Die meisten modernen Anrufbeantworter haben ein System zur Begrüßung. Der Besitzer kann eine Nachricht aufzeichnen, die an den Anrufer wiedergegeben wird, oder eine automatische Nachricht wird wiedergegeben, wenn der Besitzer keine aufzeichnet.

Share This Post