[發明專利]快速語音交互方法及系統

有效

• 申請號: 201610616071.3
• 申請日: 2016-07-29
• 公開（公告）號: CN107665706B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 吳奎;陳凌輝;黃鑫;陳志剛;王智國;胡郁;劉慶峰
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L15/18
• 分類號: G10L15/18;G10L15/183;G10L15/22;G10L15/26
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 趙景平;宋少華

1.一種快速語音交互方法，其特征在于，包括：

實時接收用戶語音輸入；

對語音輸入信息進行實時語音識別，得到語音識別結果；

基于預先構建的語義理解模型對當前語音識別結果進行實時語義理解，得到模型輸出結果；

根據所述模型輸出結果確定是否有正確完整的語義理解結果，包括：根據截止到當前詞的語義理解結果的向量取值或者得分，確定語義理解是否正確且完整；

如果是，則根據所述語義理解結果生成交互結果，并將所述交互結果反饋給用戶；

否則，繼續對語音輸入信息進行實時語音識別。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括按以下方式構建所述語義理解模型：

確定模型拓撲結構；

收集人機交互文本數據作為訓練數據；

對所述訓練數據中用戶提問或回答語句文本進行分詞，并以單輪回答或提問為單位，獲取分詞詞串；

對所述分詞詞串中的每個詞，依據對話歷史信息，依次對語義理解結果進行賦值，并標注業務類別、以及信息槽或狀態槽，直至已標注詞串能夠表達一個正確完整的信息輸入時，停止標注并丟棄后續的詞串；

基于訓練數據及其賦值信息和標注信息，訓練得到語義理解模型。

3.根據權利要求2所述的方法，其特征在于，所述模型拓撲結構采用RNN模型，包括輸入層、中間隱層和輸出層；

所述輸入層的輸入包括：當前詞的詞向量w_n(t)、截止到上一個詞的隱層向量h(t-1)、對話歷史信息，其中，所述對話歷史信息包括：截止到上一個詞語義理解后的業務分類信息c(t-1)、以及信息槽填充情況s(t-1)或狀態槽填充情況st(t-1)；

所述輸出層的輸出包括：語義理解結果p(t)。

4.根據權利要求3所述的方法，其特征在于，所述輸出層的輸出還包括：截止到當前詞語義理解后的業務分類信息c(t)、以及截止到當前詞語義理解后的信息槽填充情況s(t)或狀態槽填充情況st(t)；或者

所述方法還包括：利用文法匹配的方式得到所述對話歷史信息。

5.根據權利要求3所述的方法，其特征在于，所述信息槽填充情況為二值向量。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述基于預先構建的語義理解模型對所述實時語音識別結果進行實時語義理解，得到模型輸出結果包括：

獲取所述實時語音識別結果中的當前詞及其詞向量w_n(t)；

將當前詞向量w_n、截止到上一個詞的隱層向量h(t-1)、以及對話歷史信息輸入所述語義理解模型，得到模型輸出的截止到當前詞的語義理解結果p(t)。

7.根據權利要求1至5任一項所述的方法，其特征在于，

所述根據所述語義理解結果生成交互結果具體為：根據所述語義理解結果生成響應文本；

所述將所述交互結果反饋給用戶包括：通過語音播報的方式將所述響應文本反饋給用戶。

8.根據權利要求7所述的方法，其特征在于，所述根據所述語義理解結果生成響應文本包括：

根據所述業務分類信息c(t)，獲得得分最高的業務；

根據所述信息槽填充情況s(t)查找所述得分最高的業務對應的信息槽填充情況；

如果所述得分最高的業務對應的信息槽均已填充，則生成應答文本；

否則，根據所述得分最高的業務對應的未填充的信息槽，生成提問文本。