礼貌是一种复杂的社会文化现象,在服务行业内,礼貌态度的重要性不言而喻。如何在恰当的环境中秉持恰当的礼貌,以及对不同礼貌程度分寸的把握,是作为一个服务者需要考虑的重要问题。自动评测技术正好能提供一个这样的帮助,通过对语音礼貌度的客观评分,来辅助服务者产出更恰当的礼貌语音。本文致力于服务行业语音礼貌度的自动评测研究,主要工作包括:(1)建立了一个服务行业的礼貌语音语料库。语料库包含了很礼貌、比较礼貌、有点礼貌和中性四种程度。基于影响礼貌程度的两个因素——说话者的话语内容和表达方式、交际双方的语用距离,为每种礼貌程度设计了50个服务行业场景。通过语料录制、切分与标注,最终获得了一个含有1566句话的礼貌语音语料库。(2)对语音礼貌度的自动评测算法进行了探究。使用了情感识别的框架,通过语音信号的预处理、特征提取、特征选择和模型构建,搭建了语音礼貌度自动评测的框架。(3)使用随机森林算法对提取出的89维语音特征进行选择,比较分析出了对语音礼貌程度影响最大的两个特征——20-80百分位间的基频范围和第80百分位的基频值。将贡献度排名前10的特征分为基频特征、嗓音特征、音强特征三组,探究了它们与礼貌程度、性别之间的关系。声学分析结果表明:基频值与礼貌程度成正比,基频范围与礼貌程度成正比,基频标准差与礼貌程度成反比;且女性基频显著高于男性,男性基频的变化幅度大于女性。嗓音参数的变化幅度与礼貌程度成正比;且女性嗓音变化始终处于较大的状态,男性嗓音变化的幅度大于女性。音强的下降幅度与礼貌程度成反比;且女性音强下降的幅度逐渐变小,男性音强则始终保持平稳的下降。(4)使用KNN、SVR和GBRT三种回归模型对语音礼貌度进行自动评测,并比较各个模型的性能。结果显示经过特征选择的模型各项性能指标都好于未经特征选择的模型。KNN、SVR和GBRT这三种模型中,KNN的各项指标均不佳,SVR获得了最好的模型拟合优度,GBRT则获得了最优的模型精度和最高的预测相关性,且模型拟合优度只略逊于SVR。因此综合来看,GBRT模型对于服务行业语音礼貌度的自动评测来说性能最佳。