[發(fā)明專利]多意圖識別方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111389106.1
• 申請日: 2021-11-22
• 公開（公告）號: CN114153956A
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計）人: 劉軼;黃石磊;程剛;汪雪
• 申請（專利權(quán)）人: 深圳市北科瑞聲科技股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F40/284;G06F40/289;G10L15/26
• 代理公司: 深圳智匯遠(yuǎn)見知識產(chǎn)權(quán)代理有限公司 44481
• 代理人: 劉潔

1.一種多意圖識別方法，其特征在于，所述方法包括：

獲取用戶語音，提取所述用戶語音的音頻特征，以及獲取所述用戶語音對應(yīng)的語音文本；

根據(jù)所述語音文本和所述音頻特征構(gòu)建所述用戶語音的意圖矩陣；

對所述意圖矩陣中的元素進(jìn)行多次隨機(jī)采樣，得到所述意圖矩陣的多個子集矩陣；

將所述多個子集矩陣中每個子集矩陣與預(yù)設(shè)多種意圖標(biāo)簽進(jìn)行匹配，根據(jù)匹配結(jié)果確定所述用戶語音的多種意圖。

2.根據(jù)權(quán)利要求1所述的多意圖識別方法，其特征在于，所述提取所述用戶語音的音頻特征，包括：

對所述用戶語音進(jìn)行分幀加窗，得到多個語音幀，并從所述多個語音幀中逐個選取其中一個語音幀為目標(biāo)語音幀；

將所述目標(biāo)語音幀映射為語音時域圖，統(tǒng)計所述語音時域圖的峰值、幅值、均值和過零率，根據(jù)所述幅值計算幀能量，并將所述峰值、所述幅值、所述均值、所述幀能量及所述過零率匯集為時域特征；

利用預(yù)設(shè)濾波器將所述用戶語音轉(zhuǎn)換為譜域圖，統(tǒng)計所述譜域圖的譜域密度、譜熵和共振峰參數(shù)，得倒譜域特征；

通過傅里葉逆變換將所述譜域圖轉(zhuǎn)換為倒譜域圖，統(tǒng)計所述倒譜域圖的倒譜域密度、倒譜熵和倒譜周期，得到所述倒譜域特征；

將所述時域特征、所述譜域特征和所述倒譜域特征匯集為語音特征。

3.根據(jù)權(quán)利要求1所述的多意圖識別方法，其特征在于，所述根據(jù)所述語音文本和所述音頻特征構(gòu)建所述用戶語音的意圖矩陣，包括：

將所述語音文本拆分為文本分詞，并將所述文本分詞轉(zhuǎn)換為詞向量；

根據(jù)所述音頻特征和所述詞向量構(gòu)建所述用戶語音的意圖矩陣。

4.根據(jù)權(quán)利要求3所述的多意圖識別方法，其特征在于，所述將所述語音文本拆分為文本分詞，并將所述文本分詞轉(zhuǎn)換為詞向量，包括：

刪除所述語音文本中的無義詞，得到標(biāo)準(zhǔn)文本；

將所述標(biāo)準(zhǔn)文本按照不同的長度在預(yù)設(shè)的標(biāo)準(zhǔn)詞典中進(jìn)行檢索，并將可在所述標(biāo)準(zhǔn)詞典中檢索到的內(nèi)容匯集為文本分詞；

從預(yù)設(shè)的字向量表中查詢所述文本分詞中每個字的字向量；

按照所述文本分詞中每一個字的順序?qū)⑺鲎窒蛄科唇訛樗鑫谋痉衷~的詞向量。

5.根據(jù)權(quán)利要求3所述的多意圖識別方法，其特征在于，所述根據(jù)所述音頻特征和所述詞向量構(gòu)建所述用戶語音的意圖矩陣，包括：

將所述音頻特征轉(zhuǎn)換為音頻向量；

將所述音頻向量與所述詞向量寫入預(yù)先構(gòu)建的空白矩陣，得到所述意圖矩陣。

6.根據(jù)權(quán)利要求1所述的多意圖識別方法，其特征在于，所述對所述意圖矩陣中的元素進(jìn)行多次隨機(jī)采樣，得到所述意圖矩陣的多個子集矩陣之后，所述方法還包括：

判斷所述子集矩陣的數(shù)量是否達(dá)到預(yù)設(shè)閾值；

若所述子集矩陣的數(shù)量未達(dá)到所述預(yù)設(shè)閾值，則返回再次執(zhí)行所述對所述意圖矩陣中的元素進(jìn)行多次隨機(jī)采樣的步驟。

7.根據(jù)權(quán)利要求1至5中任一項所述的多意圖識別方法，其特征在于，所述將所述多個子集矩陣中每個子集矩陣與預(yù)設(shè)多種意圖標(biāo)簽進(jìn)行匹配，得到所述用戶語音的多種意圖，包括：

逐個從所述多個子集矩陣中選取其中一個矩陣為目標(biāo)矩陣；

利用預(yù)設(shè)的距離算法分別計算所述目標(biāo)矩陣與預(yù)設(shè)多種意圖標(biāo)簽之間的距離值；

確定所述距離值最小的意圖標(biāo)簽為所述目標(biāo)矩陣的用戶意圖；

匯集所有子集矩陣對應(yīng)的用戶意圖，得到所述用戶語音的多種意圖。

8.一種多意圖識別裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲取模塊，用于獲取用戶語音，提取所述用戶語音的音頻特征，以及獲取所述用戶語音對應(yīng)的語音文本；

矩陣構(gòu)建模塊，用于根據(jù)所述語音文本和所述音頻特征構(gòu)建所述用戶語音的意圖矩陣；

矩陣采樣模塊，用于對所述意圖矩陣中的元素進(jìn)行多次隨機(jī)采樣，得到所述意圖矩陣的多個子集矩陣；

意圖匹配模塊，用于將所述多個子集矩陣中每個子集矩陣與預(yù)設(shè)多種意圖標(biāo)簽進(jìn)行匹配，根據(jù)匹配結(jié)果確定所述用戶語音的多種意圖。