[發(fā)明專利]語音數(shù)據(jù)的處理方法、裝置、設(shè)備、存儲介質(zhì)和程序產(chǎn)品

在審

• 申請?zhí)枺?/td>: 202110668661.1
• 申請日: 2021-06-16
• 公開（公告）號: CN113314108A
• 公開（公告）日: 2021-08-27
• 發(fā)明（設(shè)計）人: 周楠楠;于夕畔;湯耀華;楊海軍;徐倩
• 申請（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/16;G10L15/22;G10L15/26
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張娜;劉芳

本發(fā)明公開了一種語音數(shù)據(jù)的處理方法、裝置、設(shè)備、存儲介質(zhì)和程序產(chǎn)品，所述語音數(shù)據(jù)的處理方法包括：對用戶輸入的語音數(shù)據(jù)進行去口語化處理，得到至少一個口語化詞語；基于預(yù)設(shè)分析模型，確定所述語音數(shù)據(jù)中各個所述口語化詞語在所述語音數(shù)據(jù)對應(yīng)的語句中的成分類型；若所述口語化詞語的成分類型為非核心類型，則去除所述口語化詞語，以得到去口語化處理后的核心語句，通過對口語化詞語成分的進一步分析，提高了去口語化的準(zhǔn)確度，有效避免了用戶的語音數(shù)據(jù)中的核心成分被誤去除，進而提高了用戶意圖識別的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識別領(lǐng)域，尤其涉及一種語音數(shù)據(jù)的處理方法、裝置、設(shè)備、存儲介質(zhì)和程序產(chǎn)品。

背景技術(shù)

隨著語音識別技術(shù)的飛速發(fā)展，具備語音交互功能的智能機器人廣泛應(yīng)用于各個領(lǐng)域。

當(dāng)機器人與用戶進行語音交互時，往往需要對用戶輸入的語音數(shù)據(jù)進行去口語化處理，從而降低口語化詞語對意圖識別的影響，提高意圖識別的準(zhǔn)確度，從而基于用戶的意圖，進行回復(fù)或者打開相應(yīng)的界面等。

現(xiàn)有的，去口語化處理方式，僅通過預(yù)設(shè)規(guī)則，將符合規(guī)則的詞語作為口語化詞語去除，由于語音表達的豐富性和多變性，容易導(dǎo)致一些詞語被去除，去口語化準(zhǔn)確度較低，從而影響用戶意圖的識別，導(dǎo)致機器人誤響應(yīng)，用戶體驗較差。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種語音數(shù)據(jù)的處理方法、裝置、設(shè)備、存儲介質(zhì)和程序產(chǎn)品，提供一種語音數(shù)據(jù)的去口語處理方案，旨在解決現(xiàn)有技術(shù)中通過預(yù)設(shè)規(guī)則去口語化，準(zhǔn)確度較低的問題。

為實現(xiàn)上述目的，第一方面，本發(fā)明提供一種語音數(shù)據(jù)的處理方法，包括：

對用戶輸入的語音數(shù)據(jù)進行去口語化處理，得到至少一個口語化詞語；基于預(yù)設(shè)分析模型，確定所述語音數(shù)據(jù)中各個所述口語化詞語在所述語音數(shù)據(jù)對應(yīng)的語句中的成分類型；若所述口語化詞語的成分類型為非核心類型，則去除所述口語化詞語，以得到去口語化處理后的核心語句。

在一種具體實施方式中，基于預(yù)設(shè)分析模型，確定所述語音數(shù)據(jù)中各個所述口語化詞語在所述語音數(shù)據(jù)對應(yīng)的語句中的成分類型，包括：

基于所述預(yù)設(shè)分析模型的特征提取模塊，對所述語音數(shù)據(jù)進行特征提取，得到特征矩陣，其中，所述特征矩陣包括多個特征向量；基于所述預(yù)設(shè)分析模型的成分確定模塊，根據(jù)各個所述特征向量，確定各個口語化詞語的依存關(guān)系，并根據(jù)各個所述口語化詞語的依存關(guān)系，確定各個所述口語化詞語的成分類型。

在一種具體實施方式中，所述成分確定模塊包括第一網(wǎng)絡(luò)層、第二網(wǎng)絡(luò)層和預(yù)設(shè)分類器，基于所述預(yù)設(shè)分析模型的成分確定模塊，根據(jù)各個所述特征向量，確定各個口語化詞語的依存關(guān)系，并根據(jù)各個所述口語化詞語的依存關(guān)系，確定各個所述口語化詞語的成分類型，包括：

基于所述第一網(wǎng)絡(luò)層和所述第二網(wǎng)絡(luò)層，根據(jù)所述特征矩陣，分別確定核心矩陣和依存矩陣，其中，所述核心矩陣為所述第一網(wǎng)絡(luò)層輸出的當(dāng)各個詞向量作為核心詞時對應(yīng)的向量組成的矩陣，所述依存矩陣為所述第二網(wǎng)絡(luò)層輸出的各個詞向量作為依存詞時對應(yīng)的向量組成的矩陣，所述詞向量為所述語音數(shù)據(jù)中各個分詞對應(yīng)的向量；基于所述預(yù)設(shè)分析模型的預(yù)設(shè)分類器，根據(jù)所述核心矩陣和所述依存矩陣，確定各個所述詞向量的依存關(guān)系，并根據(jù)各個所述口語化詞語的依存關(guān)系，確定各個所述口語化詞語的成分類型。

在一種具體實施方式中，所述預(yù)設(shè)分類器包括雙仿射層、依存分析層和輸出層，基于所述預(yù)設(shè)分析模型的預(yù)設(shè)分類器，根據(jù)所述核心矩陣和所述依存矩陣，確定各個所述口語化詞語的成分類型，并根據(jù)各個所述口語化詞語的依存關(guān)系，確定各個所述口語化詞語的成分類型，包括：