A VoIP call classifier for carrier grade based on Support Vector Machines

• Juan Ricardo Wilches-Cortina ^[2] ; Jairo Alberto Cardona-Peña ^[1] ; Juan Pablo Tello-Portillo ^[1]
  1. [1] Universidad del Norte

     Universidad del Norte

     Colombia

     
  2. [2] Comcel S.A., Bogotá, Colombia
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 84, Nº. 202, 2017, págs. 75-83
• Idioma: inglés
• Títulos paralelos:
  • Clasificador de llamadas VoIP para calificar un proveedor basado en Support Vector Machine
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Actualmente, los técnicos de compañías de VoIP realizan pruebas y clasifican las llamadas como buenas o malas. Asimismo, existen plataformas automáticas que realizan llamadas VoIP para clasificarlas, sin realizar procesamiento de audio; proceso necesario cuando se pretende detectar el False Answer Supervision (FAS), una característica común e indeseable de las llamadas VoIP. Se implementó una Máquina de Vectores de Soporte (SVM) junto con varias funciones utilizadas en el reconocimiento de voz para emular la toma de decisiones de los humanos (tarea de clasificación y análisis de audio realizada por los técnicos). Los experimentos se basaron en la comparación entre los resultados obtenidos de los métodos de clasificación actuales y los derivados de la SVM. Se utilizó una validación cruzada de diez veces para evaluar el rendimiento del sistema. Derivado de los resultados, la metodología propuesta muestra un mejor porcentaje de clasificación exitosa comparado con una plataforma automática llamada CheckMyRoutes.

  • English

    Currently, VoIP company technicians conduct tests to classify call quality as good or bad. Even though, there are automatic platforms that make test VoIP calls to classify them, they do not perform audio processing to detect False Answer Supervision (FAS), which is a common and undesirable feature of VoIP calls. In this paper, a Vector Support Machine (SVM) along with several functions used in voice recognition were implemented to emulate the human decision procedure (the task of audio classification and analysis performed by technicians). The experiments were based on the comparison between the results obtained from the current classification methods and those derived fromthe SVM. A 10-fold cross-validation was used to evaluate the system performance. The tests results from the proposed methodology show a better percentage of successful classification compared to a selected automatic platform called CheckMyRoutes.