[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

本申請實施例公開一種語音對話處理方法和系統。該方法包括：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訓練好的語音對話編碼模型，確定目標語音對話數據對應的表示向量；將表示向量輸入分類模型，確定目標語音對話數據的摘要。本申請實施例公開的方法，通過在對模型進行訓練的過程中融入音標、角色等信息，可以減少口語理解過程中的語義識別錯誤，理解對話邏輯，提高語義識別準確性。

技術領域

本申請涉及數據處理領域，特別涉及一種語音對話的處理方法、系統、裝置以及計算機可讀存儲介質。

背景技術

隨著人工智能技術的發展，語音識別技術廣泛應用于各種領域，例如，智能家居、智能客服等。語音交互的核心是機器如何正確地理解用戶的意圖，從而做出正確的回應來幫助用戶快速準確地解決問題。然而隨著應用場景的逐漸擴展，在復雜的現實場景中，語音識別的性能很難得到保障。因此，有必要提供一種語音對話處理方法和系統，提高語義理解的準確性。

發明內容

本申請實施例的一方面涉及一種方法，用于處理語音對話，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。

本申請實施例的另一方面涉及一種系統，用于處理語音對話，所述系統包括：獲取模塊，可以用于獲取目標語音對話數據；確定模塊，可以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，可以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，可以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。

本申請實施例的另一方面涉及一種裝置，用于處理語音對話，所述裝置包括處理器和存儲設備，所述存儲設備用于存儲指令，當所述處理器執行所述指令時，實現上述用于提取語音對話摘要的方法。

本申請實施例的另一方面涉及一種計算機可讀存儲介質，所述存儲介質存儲計算機指令，所述計算機指令被處理器執行時，實現上述用于提取語音對話摘要的方法。

附圖說明

本申請將以示例性實施例的方式進一步說明，這些示例性實施例將通過附圖進行詳細描述。這些實施例并非限制性的，在這些實施例中，相同的編號表示相同的結構，

其中：

圖1是根據本申請一些實施例所示的示例性語音對話處理系統的應用場景示意圖；

圖2是根據本申請一些實施例所示的示例性第一處理設備的模塊圖；

圖3是根據本申請一些實施例所示的用于訓練語音對話編碼模型的示例性方法

的示意圖；

圖4是根據本申請一些實施例所示的基于自監督學習方式訓練語音對話編碼模

型的示例性方法的示意圖；

圖5是根據本申請一些實施例所示的示例性第二處理設備的模塊圖；

圖6是根據本申請一些實施例所示的用于提取語音對話摘要的示例性方法的示

意圖。

具體實施方式