[發(fā)明專利]語音交互方法、系統(tǒng)、存儲介質(zhì)以及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010546399.9
• 申請日: 2020-06-15
• 公開（公告）號: CN113808575A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 楊昌品;宋德超;黃姿榮;賈巨濤;韓林嶧
• 申請（專利權(quán)）人: 珠海格力電器股份有限公司;珠海聯(lián)云科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/07;G10L15/22;G10L15/26;G10L17/02;G10L17/14
• 代理公司: 北京聿宏知識產(chǎn)權(quán)代理有限公司 11372
• 代理人: 吳大建;金淼

本發(fā)明公開了一種語音交互方法、系統(tǒng)、存儲介質(zhì)以及電子設(shè)備，涉及語音交互技術(shù)領(lǐng)域，該方法包括：獲取語音信息；確定發(fā)出所述語音信息的發(fā)聲者的特征信息；根據(jù)所述特征信息，確定發(fā)出所述語音信息的發(fā)聲者隸屬的群體類別；獲取與所述群體類別相匹配的語料庫；從所述語料庫中獲取與所述語音信息相匹配的語義意圖；控制智能設(shè)備執(zhí)行響應(yīng)所述語義意圖的動(dòng)作。本發(fā)明的有益效果是：利用對應(yīng)的語料庫來精確識別該語音信息要表達(dá)的語義意圖，從而提高語義意圖識別的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明屬于語音交互技術(shù)領(lǐng)域，尤其涉及一種語音交互方法、系統(tǒng)、存儲介質(zhì)以及電子設(shè)備。

背景技術(shù)

在語音交互過程中，用戶對話部分起著承上啟下的左右，用戶通過客戶端說的話經(jīng)過ASR(語音識別)轉(zhuǎn)為文本后進(jìn)入對話系統(tǒng)，在對話系統(tǒng)中通過語義理解和對話決策后，調(diào)用指定的服務(wù)內(nèi)容，輸出相應(yīng)的文本內(nèi)容，再經(jīng)過TTS(從文本到語音)轉(zhuǎn)換成語音后返回給客戶端上的用戶。目前，通常的語義理解模型都是基于通用話術(shù)訓(xùn)練模型來實(shí)現(xiàn)的，但是，由于不同用戶所處的地域、年齡以及性格不同，導(dǎo)致用戶的表達(dá)方式風(fēng)格迥異，表達(dá)語義意圖的話術(shù)的句式結(jié)構(gòu)也各有不同，從而導(dǎo)致大多數(shù)的語義理解處理度都不夠高，無法準(zhǔn)確理解用戶的意圖。

發(fā)明內(nèi)容

本發(fā)明正是基于現(xiàn)有的語義理解技術(shù)無法準(zhǔn)確理解不同用戶的意圖的技術(shù)問題，提出了一種語音交互方法、系統(tǒng)、存儲介質(zhì)以及電子設(shè)備。

第一方面，本發(fā)明實(shí)施例提供了一種語音交互方法，包括：

獲取語音信息；

確定發(fā)出所述語音信息的發(fā)聲者的特征信息；其中，所述特征信息能夠用于表征發(fā)聲者所屬的群體類別；

根據(jù)所述特征信息，確定發(fā)出所述語音信息的發(fā)聲者隸屬的群體類別；

獲取與所述群體類別相匹配的語料庫；

從所述語料庫中獲取與所述語音信息相匹配的語義意圖；

控制智能設(shè)備執(zhí)行響應(yīng)所述語義意圖的動(dòng)作。

可選地，預(yù)先通過以下步驟建立所述語料庫：

獲取隸屬同一群體類別的發(fā)聲者的歷史語音對話數(shù)據(jù)，其中，所述歷史語音對話數(shù)據(jù)包括歷史語音信息以及該歷史語音信息所表達(dá)的語義意圖；

通過對所述歷史語音對話數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從所述歷史語音對話數(shù)據(jù)中確定出隸屬該群體類別的發(fā)聲者表達(dá)同一語義意圖時(shí)所使用的歷史語音信息的共同語言特征，并將所述共同語言特征與與之對應(yīng)的語義意圖建立關(guān)聯(lián)關(guān)系，從而構(gòu)建所述語料庫。

可選地，所述共同語言特征包括多頻詞、關(guān)鍵詞、語言句式以及語氣詞中的至少一種。

可選地，通過對所述歷史語音對話數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從所述歷史語音對話數(shù)據(jù)中確定出隸屬該群體類別的發(fā)聲者表達(dá)同一語義意圖時(shí)所使用的歷史語音信息的共同語言特征，并將所述共同語言特征與與之對應(yīng)的語義意圖建立關(guān)聯(lián)關(guān)系，從而構(gòu)建所述語料庫，包括：

當(dāng)所述共同語言特征包括多頻詞時(shí)，確定歷史語音信息中的多頻詞以及該多頻詞所表達(dá)的語義意圖，并將所述多頻詞與與之對應(yīng)的語義意圖建立關(guān)聯(lián)關(guān)系，從而構(gòu)建所述語料庫；其中，所述多頻詞為出現(xiàn)次數(shù)超過預(yù)設(shè)閾值的詞語；

當(dāng)所述共同語言特征包括關(guān)鍵詞時(shí)，從所述歷史語音對話數(shù)據(jù)中選取出表達(dá)同一語義意圖的歷史語音信息；

從選取出的歷史語音信息中確定出能夠表達(dá)該語義意圖的關(guān)鍵詞，并將所述關(guān)鍵詞與與之對應(yīng)的語義意圖建立關(guān)聯(lián)關(guān)系，從而構(gòu)建所述語料庫；

當(dāng)所述共同語言特征包括語言句式時(shí)，統(tǒng)計(jì)所述歷史語音對話數(shù)據(jù)中用于表達(dá)同一語義意圖的各個(gè)歷史語音信息對應(yīng)的語言句式的次數(shù)，并將次數(shù)最多的語言句式與與之對應(yīng)的語義意圖進(jìn)行關(guān)聯(lián)，從而構(gòu)建所述語料庫；