[發明專利]一種語音驅動的智能人機交互方法

有效

• 申請號: 201510823784.2
• 申請日: 2015-11-24
• 公開（公告）號: CN105513593B
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 朱阿興;劉軍志;王德生;繆亞敏
• 申請（專利權）人: 南京師范大學
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/18;G10L15/08;G06F3/0487
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李媛媛

本發明公開了一種語音驅動的智能人機交互方法。其處理流程為：用戶在客戶端通過語音告訴系統自己的需求；系統接收到語音指令后，利用語音識別技術將語音識別成字符串，進而根據語義庫就解析用戶輸入的語義；系統的對話管理器結合知識庫和對話上下文，組織回答語句，并以語音方式回答用戶；用戶得到應答后根據個人需求繼續與系統對話，直到滿足用戶需求為止。與傳統的人機交互途徑(如鼠標、鍵盤、觸摸屏等)相比，本發明的方法解放了人們的雙手，使人機交互更符合人類認知和語言習慣，同時也提高了人機交互的趣味性，在網絡購物、信息查詢等所有需要與計算機和互聯網進行交互的領域均具有廣闊應用前景。

技術領域

本發明涉及一種語音驅動的智能人機交互方法，技術應用領域為電子商務與信息查詢。

背景技術

自然語言符合人類認知習慣，是一種最為自然和方便快捷的交流方式。隨著語音識別、語音合成、自然語言處理和人工智能等技術的發展，人與計算機之間語音方式的交流成為可能。語音驅動的人機交互方式為人機交互提供了一種新途徑，解放了人們的雙手，能有效提高人機交互的便捷性和易用性。

由于語音識別存在一定誤差以及口語交流過程中用戶意圖往往存在一定模糊性，人機自然語言交互是一種非精確的信息交互。一次人機語音對話一般需要人機之間的多次往復交流，因此人機對話系統需要循環執行語音識別和理解、對話生成、語音合成等各個環節，以完成與用戶的溝通。自20世紀90年代以來，出現了三代人機對話系統。第一代系統為信息型，其交互模式比較固定，即系統提供一些信息查詢的選項，用戶指定查詢哪些信息，系統以語音方式將信息返回給用戶，主要應用于包裹追蹤、簡單的金融應用、以及航班狀態信息查詢等方面。第二代系統為交易型，多面向流程比較固定的應用、采用預先定義的流程進行人機交互，例如銀行間移動資金、股票交易。第三代系統為問題解決型，其交互形式從嚴格的指導對話轉向使用更加自然的語言，人機對話方式更為靈活，系統也更為智能化，但目前第三類系統尚處于研究階段，尚未出現成熟的語音驅動智能人機交互方法及相關系統。

發明內容

本發明解決的技術問題是：為克服現有技術存在的缺陷，針對當前人機交互方式復雜，智能化程度低的問題，提出了一種語音驅動的基于知識的智能人機交互方法，該方法采用語音的方式，基于主題知識進行智能交互，使得用戶能夠以一種類似于人與人之間自然流暢的交流方式進行信息查詢等操作。

本發明的技術解決方案為：一種語音驅動的智能人機交互方法，步驟如下：

(1)語音輸入界面接收用戶輸入的語音；

(2)語音識別模塊識別用戶語音輸入，得到識別結果：字符串S；

(3)語義理解模塊對字符串S進行分詞，并根據文法對分詞結果中的每個短語添加語義標簽；文法包括語言模型和語義分類器：語言模型定義了所有可能由語音識別器處理的詞匯空間，由文法的規則描述或統計文法領域的n元組集合定義；語義分類器將詞匯短語映射到語義標簽的一個有限集，由訓練好的統計分類器實現；

(4)對話管理器根據語義理解模塊的語義解析結果，結合知識庫確定將要執行的操作：①如果用戶的語音輸入指定了所感興趣事物的屬性，對話管理器將查詢后臺的領域知識庫，確定對話主題的必要屬性信息、可選屬性信息和屬性優先級；如果用戶提供的屬性信息不足，對話管理器下一步將詢問用戶缺少的必要屬性信息；如果用戶提供的屬性信息覆蓋了對話主題的必要屬性信息，對話管理器下一步將讓用戶確認所感興趣事物的信息；②如果用戶的語音輸入為查詢某一問題或名詞，對話管理器將調用第三方搜索引擎查詢、篩選和重新組織相關信息，并在下一步將結果返回給用戶；