[發明專利]一種語音對話處理方法和系統

有效

• 申請號: 202010731224.5
• 申請日: 2020-07-27
• 公開（公告）號: CN111862977B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 徐海洋;韓堃
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/18;G10L15/16
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 楊永梅

1.一種方法，用于處理語音對話，其特征在于，所述方法包括：

獲取目標語音對話數據；

基于文本嵌入模型、音標嵌入模型和角色嵌入模型，分別對所述目標語音對話數據進行向量轉化，得到文本向量表示序列、音標向量表示序列和角色向量表示序列；

將所述文本向量表示序列、所述音標向量表示序列和所述角色向量表示序列輸入訓練好的語音對話編碼模型，確定所述目標語音對話數據對應的表示向量；

將所述表示向量輸入分類模型，確定所述目標語音對話數據的摘要。

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：

獲取所述摘要的句子文本；

對所述句子文本進行文法校正。

3.根據權利要求1所述的方法，其特征在于，所述語音對話編碼模型通過訓練過程確定，所述訓練過程包括：

獲取樣本語音對話數據；

基于文本嵌入模型、音標嵌入模型和角色嵌入模型，分別對所述樣本語音對話數據進行向量轉化，得到文本向量表示序列、音標向量表示序列和角色向量表示序列；

基于所述文本向量表示序列、所述音標向量表示序列和所述角色向量表示序列，以自監督學習的方式對語音對話編碼模型進行預訓練，得到預訓練后的語音對話編碼模型。

4.根據權利要求3所述的方法，其特征在于，所述訓練過程包括：

所述文本嵌入模型、所述音標嵌入模型和所述角色嵌入模型中的至少一個與所述語音對話編碼模型進行聯合預訓練。

5.根據權利要求3所述的方法，其特征在于，所述以自監督學習的方式對語音對話編碼模型進行預訓練，包括：

以所述文本向量表示序列、所述音標向量表示序列和所述角色向量表示序列中的至少一部分作為標注，所述標注至少包括所述角色向量表示序列中的部分元素。

6.根據權利要求5所述的方法，其特征在于，所述標注還包括所述文本向量表示序列中的關鍵詞。

7.根據權利要求5所述的方法，其特征在于，所述標注還包括所述文本向量表示序列體現的句子順序。

8.根據權利要求1所述的方法，其特征在于，所述文本嵌入模型包括：

詞嵌入子模型，用于確定所述目標語音對話數據的詞向量表示序列；

位置嵌入子模型，用于確定所述目標語音對話數據的位置向量表示序列；

段落嵌入子模型，用于確定所述目標語音對話數據的段落向量表示序列。

9.根據權利要求8所述的方法，其特征在于，所述文本向量表示序列通過合并所述詞向量表示序列、所述位置向量表示序列和所述段落向量表示序列得到。

10.一種系統，用于處理語音對話，其特征在于，所述系統包括：

獲取模塊，用于獲取目標語音對話數據；

確定模塊，用于基于文本嵌入模型、音標嵌入模型和角色嵌入模型，分別對所述目標語音對話數據進行向量轉化，得到文本向量表示序列、音標向量表示序列和角色向量表示序列；

輸入模塊，用于將所述文本向量表示序列、所述音標向量表示序列和所述角色向量表示序列輸入訓練好的語音對話編碼模型，確定所述目標語音對話數據對應的表示向量；

處理模塊，用于將所述表示向量輸入分類模型，確定所述目標語音對話數據的摘要。

11.根據權利要求10所述的系統，其特征在于，所述處理模塊還用于：

獲取所述摘要的句子文本；

對所述句子文本進行文法校正。