[發明專利]一種輸出最優識別結果的語音整合方法

有效

• 申請號: 201910721884.2
• 申請日: 2019-08-06
• 公開（公告）號: CN110634481B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 何川延
• 申請（專利權）人: 惠州市德賽西威汽車電子股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/28
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 葉新平

1.一種輸出最優識別結果的語音整合方法，其特征在于，包括步驟：

S1.通過至少兩種語音識別算法對用戶發出的一條語音指令進行識別，得到對應的至少兩條語音識別源；

S2.將所述至少兩條語音識別源歸納分解到統一的數據管理容器中，進一步生成歸納領域參數表格；

S3.通過預置語音整合模型對所述歸納領域參數表格進行過濾選擇，輸出最優語音識別源；

所述步驟S2具體包括步驟：

S21.在數據管理容器中歸納出每條所述語音識別源的識別意圖；

S22.歸納出每條所述語音識別源的領域附帶參數并整理在對應的所述識別意圖下，領域附帶參數為反應用戶語音指令識別結果功能領域的附帶參數；

S23.將所述數據管理容器中每條所述語音識別源的識別意圖及對應的領域附帶參數封裝為一個歸納領域參數表格。

2.如權利要求1所述的一種輸出最優識別結果的語音整合方法，其特征在于，所述步驟S3具體包括步驟：

S31.將所述歸納領域參數表格輸入至所述預置語音整合模型中；

S32.所述預置語音整合模型篩選出最優語音識別源；

S33.輸出所述最優語音識別源。

3.如權利要求2所述的一種輸出最優識別結果的語音整合方法，其特征在于，所述步驟S32中，所述預置語音整合模型完成的步驟包括：

S32-1.獲取每條所述語音識別源的靜態參數和動態參數；

S32-2.根據所述靜態參數和動態參數計算每條所述語音識別源的結果評分值；

S32-3.通過比較確定所述結果評分值最大的所述語音識別源為所述最優識別源。

4.如權利要求3所述的一種輸出最優識別結果的語音整合方法，其特征在于：在所述步驟S32-1中，每條所述語音識別源的靜態參數包括權重比例Wn、項目需求賦權Pn、模型測試反饋Mn，n代表每條所述語音識別源的編號；

所述權重比例Wn代表根據每條所述語音識別源的識別意圖而查找得到的權重初始值；

所述項目需求賦權Pn代表根據實際需要建立的對每條所述語音識別源的識別意圖的需求分子；

所述模型測試反饋Mn代表根據模型實際正確度結果測試而設定的動態增益參數。

5.如權利要求4所述的一種輸出最優識別結果的語音整合方法，其特征在于：在所述步驟S32-1中，每條所述語音識別源的動態參數包括語音語義正確率Vn、識別結果信息充足度Rn、正向支撐參數Sn+和反向支撐參數Sn-；

所述語音語義正確率Vn代表每條所述語音識別源經過自動語音識別技術、自然語言理解技術處理后的識別正確率；

所述識別結果信息充足度Rn代表每條所述語音識別源在其對應的語音識別算法中的信息充足度數值；

所述正向支撐參數Sn+、反向支撐參數Sn-分別代表與所述至少兩種語音識別算法對應的所述識別意圖所處的識別領域所不同的識別領域對每條所述語音識別源的疊合正向影響和疊合反向影響。

6.如權利要求5所述的一種輸出最優識別結果的語音整合方法，其特征在于，所述步驟S32-2具體包括步驟：

S32-21.根據所述正向支撐參數Sn+、反向支撐參數Sn-，或者所述權重比例Wn，計算每條所述語音識別源的正反支撐遞歸影響度Sn；

S32-22.根據所述權重比例Wn、項目需求賦權Pn、模型測試反饋Mn、語音語義正確率Vn、識別結果信息充足度Rn和所述正反支撐遞歸影響度Sn計算得到每條所述語音識別源的結果評分值Zn。

7.如權利要求6所述的一種輸出最優識別結果的語音整合方法，其特征在于，在所述步驟S32-21中，計算得到所述正反支撐遞歸影響度Sn的運算式為：

其中，k代表所述語音識別源的條數。

8.如權利要求7所述的一種輸出最優識別結果的語音整合方法，其特征在于，在所述步驟S32-22中，計算得到所述結果評分值Zn的運算式為：

Zn＝(Wn*Pn+Mn)*(Vn+Rn)*Sn。

9.如權利要求1所述的一種輸出最優識別結果的語音整合方法，其特征在于：所述至少兩種語音識別算法為3種。