[發(fā)明專利]一種數(shù)據(jù)處理方法、裝置和用于數(shù)據(jù)處理的裝置

在審

• 申請?zhí)枺?/td>: 201810084098.1
• 申請日: 2018-01-29
• 公開（公告）號: CN110110292A
• 公開（公告）日: 2019-08-09
• 發(fā)明（設(shè)計）人: 姚光超
• 申請（專利權(quán)）人: 北京搜狗科技發(fā)展有限公司;搜狗（杭州）智能科技有限公司
• 主分類號: G06F17/22
• 分類號: G06F17/22;G06F17/27;G10L15/06;G10L15/22
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明實施例提供了一種數(shù)據(jù)處理方法、裝置和用于數(shù)據(jù)處理的裝置。其中的方法具體包括：從多元文法模型的結(jié)構(gòu)數(shù)據(jù)中確定第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)；確定所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)對應(yīng)的目標(biāo)數(shù)據(jù)類型；按照所述目標(biāo)數(shù)據(jù)類型，對所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)進(jìn)行存儲。本發(fā)明實施例可以極大地減小多元文法模型占用的內(nèi)存空間，進(jìn)而可以提高語音識別的速度。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識別技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)處理方法、裝置和用于數(shù)據(jù)處理的裝置。

背景技術(shù)

語音識別，是指將人類語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機(jī)可讀的輸入，例如將語音信號轉(zhuǎn)換為文本等。隨著語音識別技術(shù)的不斷發(fā)展，語音識別技術(shù)的應(yīng)用場景也更加廣泛，例如上述應(yīng)用場景可以包括：語音撥號、語音導(dǎo)航、室內(nèi)設(shè)備控制、語音文檔檢索、簡單的聽寫數(shù)據(jù)錄入等。

n-gram(n元文法)模型是語音識別中常用的一種語言模型，其中，n通常為大于1的正整數(shù)，且通常n越大則語言模型的性能越高，語音識別的結(jié)果也越準(zhǔn)確。

離線語音識別是指將語音識別所需要的語言模型等相關(guān)資源存儲在客戶端，由客戶端在不聯(lián)網(wǎng)的情況下完成語音識別的技術(shù)。然而，語言模型的數(shù)據(jù)量通常較大，將語言模型存儲在客戶端，會占用客戶端大量的內(nèi)存空間；上述內(nèi)存空間的占用不僅會影響離線語音識別的運(yùn)行速度，還會影響客戶端中其它應(yīng)用的運(yùn)行。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種數(shù)據(jù)處理方法、裝置和用于數(shù)據(jù)處理的裝置，以解決現(xiàn)有技術(shù)中離線語音識別內(nèi)存占用過大的問題。

為了解決上述問題，本發(fā)明實施例公開了一種數(shù)據(jù)處理方法，包括：

從多元文法模型的結(jié)構(gòu)數(shù)據(jù)中確定第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)；

確定所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)對應(yīng)的目標(biāo)數(shù)據(jù)類型；

按照所述目標(biāo)數(shù)據(jù)類型，對所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)進(jìn)行存儲。

可選地，所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)包括：文法的條件概率、和/或、文法的回退權(quán)重；所述目標(biāo)數(shù)據(jù)類型包括：單字節(jié)整型。

可選地，所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)包括：所述多元文法模型中文法的詞序列；所述目標(biāo)數(shù)據(jù)類型包括：無符號雙字節(jié)整型。

可選地，所述方法還包括：

從所述多元文法模型的結(jié)構(gòu)數(shù)據(jù)中確定第二目標(biāo)結(jié)構(gòu)數(shù)據(jù)；所述第二目標(biāo)結(jié)構(gòu)數(shù)據(jù)包括：文法的回退位置、和/或、文法的回退位置對應(yīng)的層數(shù)；

從所述多元文法模型的結(jié)構(gòu)數(shù)據(jù)中刪除所述第二目標(biāo)結(jié)構(gòu)數(shù)據(jù)，以得到壓縮后的多元文法模型。

可選地，所述第二目標(biāo)結(jié)構(gòu)數(shù)據(jù)還包括：以文法為前綴的下一層文法的起始位置。

可選地，所述第二目標(biāo)結(jié)構(gòu)數(shù)據(jù)還包括：最高層文法對應(yīng)的回退權(quán)重。

可選地，所述方法還包括：

從所述多元文法模型的數(shù)據(jù)中確定第一數(shù)據(jù)和第二數(shù)據(jù)；所述第一數(shù)據(jù)包括：文法的回退權(quán)重、和/或、文法的回退位置對應(yīng)的層數(shù)；所述第二數(shù)據(jù)包括：文法的詞序列；

將所述第一數(shù)據(jù)作為目標(biāo)數(shù)據(jù)字段的高位進(jìn)行存儲，以及，將所述第二數(shù)據(jù)作為所述目標(biāo)數(shù)據(jù)字段的低位進(jìn)行存儲。

可選地，所述目標(biāo)數(shù)據(jù)字段包括：第一數(shù)據(jù)或者第二數(shù)據(jù)對應(yīng)的字段。

另一方面，本發(fā)明實施例公開了一種語音識別方法，包括：

加載多元文法模型；所述多元文法模型的結(jié)構(gòu)數(shù)據(jù)中包括：第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)，且所述第一目標(biāo)結(jié)構(gòu)數(shù)據(jù)的類型為目標(biāo)數(shù)據(jù)類型；

根據(jù)所述多元文法模型對文法進(jìn)行語音識別。