[發(fā)明專利]語(yǔ)音交互中的易錯(cuò)字校準(zhǔn)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610248440.8
• 申請(qǐng)日: 2016-04-20
• 公開(kāi)（公告）號(hào): CN107305768B
• 公開(kāi)（公告）日: 2020-06-12
• 發(fā)明（設(shè)計(jì)）人: 黃亦睿;劉功申;蘇波;劉春梅;李建華
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/18
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國(guó)中

本發(fā)明提供了一種語(yǔ)音交互中的易錯(cuò)字校準(zhǔn)方法，包括：識(shí)別語(yǔ)境步驟、基于限制語(yǔ)義的自動(dòng)糾錯(cuò)步驟、基于語(yǔ)義反饋的人工糾錯(cuò)步驟。本發(fā)明通過(guò)與用戶語(yǔ)音交互，感知、識(shí)別話題語(yǔ)境，從而在受限語(yǔ)義范圍內(nèi)，利用命名實(shí)體識(shí)別技術(shù)，對(duì)含有特定意義的實(shí)體實(shí)現(xiàn)自動(dòng)糾錯(cuò)功能，并支持通過(guò)人工反饋獲得附加語(yǔ)義進(jìn)而糾錯(cuò)，實(shí)現(xiàn)比現(xiàn)有語(yǔ)音識(shí)別軟件更高的輸入效率以及更方便的錯(cuò)字修正方式。

技術(shù)領(lǐng)域

本發(fā)明涉及易錯(cuò)字校準(zhǔn)技術(shù)，具體地，涉及語(yǔ)音交互中的易錯(cuò)字校準(zhǔn)方法，尤其是將自然語(yǔ)言理解方法應(yīng)用于語(yǔ)音交互易錯(cuò)字的校準(zhǔn)與糾正中，實(shí)現(xiàn)了一個(gè)可用的語(yǔ)音交互易錯(cuò)字校準(zhǔn)方案。

背景技術(shù)

語(yǔ)音交互作為一種人機(jī)交互的新途徑，近年來(lái)，獲得了突飛猛進(jìn)的廣泛應(yīng)用。這首先源于語(yǔ)音識(shí)別技術(shù)的發(fā)展，從隱馬爾科夫模型(Hidden Markov Model,HMM)、混合高斯模型(Gaussian Mixture Model,GMM)到現(xiàn)在的深度神經(jīng)網(wǎng)絡(luò)模型(Deep Neural Network,DNN)，語(yǔ)音識(shí)別系統(tǒng)的錯(cuò)誤率大幅下降；其次，智能設(shè)備用戶的使用習(xí)慣尚未成型，新技術(shù)如語(yǔ)音交互容易被大眾接受；而云計(jì)算、移動(dòng)互聯(lián)網(wǎng)的超常規(guī)發(fā)展使得大量的全新語(yǔ)料資源產(chǎn)生進(jìn)而助推了語(yǔ)音識(shí)別技術(shù)的發(fā)展。

在很多場(chǎng)景下，語(yǔ)音交互具有更加現(xiàn)實(shí)的實(shí)用價(jià)值，符合人類的交互習(xí)慣。然而，由于語(yǔ)音輸入不可避免會(huì)受到環(huán)境噪聲、衰落信道的影響，經(jīng)常會(huì)產(chǎn)生很多錯(cuò)誤結(jié)果，此外，由于漢語(yǔ)中存在大量的同音字、音近字現(xiàn)象，導(dǎo)致機(jī)器無(wú)法準(zhǔn)確識(shí)別用戶的語(yǔ)音輸入，使語(yǔ)音識(shí)別中較易出現(xiàn)錯(cuò)字。換言之，目前的語(yǔ)音識(shí)別正確率尚未達(dá)到人們期望的水平，語(yǔ)音識(shí)別技術(shù)也必須在很多方面取得突破性進(jìn)展。

經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，中國(guó)專利文獻(xiàn)號(hào)CN201210584746.2，公開(kāi)號(hào)CN103021412A，記載了一種“語(yǔ)音識(shí)別方法和系統(tǒng)”，該技術(shù)包括：對(duì)用戶輸入的語(yǔ)音信號(hào)進(jìn)行語(yǔ)音識(shí)別，獲得語(yǔ)音識(shí)別結(jié)果以及語(yǔ)音識(shí)別結(jié)果中各字符對(duì)應(yīng)的語(yǔ)音片段；接收用戶單獨(dú)輸入的糾錯(cuò)信息并生成糾錯(cuò)字符串；根據(jù)糾錯(cuò)字符串確定用戶輸入的語(yǔ)音信號(hào)中產(chǎn)生識(shí)別錯(cuò)誤的語(yǔ)音段；根據(jù)語(yǔ)音識(shí)別結(jié)果中各字符對(duì)應(yīng)的語(yǔ)音片段，確定產(chǎn)生識(shí)別錯(cuò)誤的語(yǔ)音段在語(yǔ)音識(shí)別結(jié)果中所對(duì)應(yīng)的字符串，作為錯(cuò)誤字符串；利用糾錯(cuò)字符串替換錯(cuò)誤字符串。該技術(shù)實(shí)現(xiàn)一種錯(cuò)誤字符串糾錯(cuò)方法，但糾錯(cuò)字符串的錄入需要使用特殊按鍵后方可錄入，或使用拼音、手寫等其他方式錄入。其中語(yǔ)音錄入方式僅可重復(fù)之前錄入內(nèi)容，以期達(dá)到修正錯(cuò)誤識(shí)別的目的；但若用戶錄入的字詞未被系統(tǒng)所錄入，則該方案將無(wú)法正確糾正。

中國(guó)專利文獻(xiàn)號(hào)CN201310589827.6，公開(kāi)號(hào)CN103680505A，記載了一種“語(yǔ)音識(shí)別方法及系統(tǒng)”，該方法包括：持續(xù)接收錄音輸入；利用小詞匯量語(yǔ)音識(shí)別網(wǎng)絡(luò)對(duì)所述錄音進(jìn)行語(yǔ)音識(shí)別，以檢查所述錄音中是否包含預(yù)設(shè)的關(guān)鍵詞；如果所述錄音中包含所述關(guān)鍵詞，則利用大詞匯量語(yǔ)音識(shí)別網(wǎng)絡(luò)對(duì)所述關(guān)鍵詞后的錄音進(jìn)行識(shí)別，得到識(shí)別結(jié)果。該技術(shù)解決了長(zhǎng)時(shí)間監(jiān)聽(tīng)命令時(shí)的識(shí)別準(zhǔn)確率問(wèn)題，可由小詞匯量網(wǎng)絡(luò)順利過(guò)渡至正常的語(yǔ)音識(shí)別階段，即文中所述的大詞匯量網(wǎng)絡(luò)。但該技術(shù)并未對(duì)大詞匯量網(wǎng)絡(luò)進(jìn)行優(yōu)化，如限制語(yǔ)境下的語(yǔ)義增強(qiáng)等，且未提到相關(guān)的易錯(cuò)字校準(zhǔn)技術(shù)。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種語(yǔ)音交互中的易錯(cuò)字校準(zhǔn)方法。本發(fā)明使用現(xiàn)有語(yǔ)音識(shí)別API(Application Programming Interface,應(yīng)用程序編程接口)，完成一個(gè)可用的有價(jià)值的易錯(cuò)字校準(zhǔn)系統(tǒng)。該系統(tǒng)通過(guò)與用戶語(yǔ)音交互，感知、識(shí)別話題語(yǔ)境，從而在受限語(yǔ)義范圍內(nèi)，利用命名實(shí)體識(shí)別技術(shù)，對(duì)含有特定意義的實(shí)體實(shí)現(xiàn)自動(dòng)糾錯(cuò)功能，并支持通過(guò)人工反饋獲得附加語(yǔ)義進(jìn)而糾錯(cuò)，實(shí)現(xiàn)比現(xiàn)有語(yǔ)音識(shí)別軟件更高的輸入效率以及更方便的錯(cuò)字修正方式。

根據(jù)本發(fā)明提供的一種語(yǔ)音交互中的易錯(cuò)字校準(zhǔn)方法，包括：

識(shí)別語(yǔ)境步驟：針對(duì)不同的領(lǐng)域創(chuàng)建相應(yīng)的語(yǔ)境知識(shí)庫(kù)，構(gòu)造語(yǔ)境知識(shí)庫(kù)的步驟包括：首先根據(jù)領(lǐng)域的關(guān)鍵詞，通過(guò)搜索引擎得到相關(guān)文檔，作為該領(lǐng)域的語(yǔ)料庫(kù)；然后根據(jù)語(yǔ)義知識(shí)，獲取該領(lǐng)域的核心詞，按照核心詞聚類得到該領(lǐng)域的實(shí)例句子，從而構(gòu)建了語(yǔ)境知識(shí)庫(kù)。