[發明專利]車載環境下語音交互意圖識別及過程管理方法

在審

• 申請號: 202210371357.5
• 申請日: 2022-04-11
• 公開（公告）號: CN114462407A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 蘇生
• 申請（專利權）人: 電子科技大學長三角研究院（湖州）
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/242;G06F40/30;G06F16/35;G06K9/62;G06N3/04;G10L15/22;G10L15/26
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 李英

本發明涉及車載環境下語音智能交互技術領域，具體地說，涉及一種車載環境下語音交互意圖識別及過程管理方法，包括以下步驟：一、車載環境下的語音交互用戶意圖分類；二、結合車載環境語音交互意圖類型的訓練數據準備；三、基于BIO格式的訓練數據詞性標注；四、構建關鍵信息標注的雙向長短期記憶神經網絡級聯條件隨機場模型；五、基于標注結果，利用文本卷積神經網絡模型進行單句意圖識別；六、動作執行器執行操作；七、進行對話管理。本發明能較佳地對車載環境下整個語音交互過程進行管理。

技術領域

本發明涉及車載環境下語音智能交互技術領域，具體地說，涉及一種車載環境下語音交互意圖識別及過程管理方法。

背景技術

車載語音交互和語音控制是人工智能與汽車結合最典型的體現，通過語音，而不是手去操作與控制車以及多媒體，很好地解放了雙手，能極大提高駕車安全性。

現有車載語音交互的主要意圖識別方法有以下幾種：1、關鍵詞匹配法；2、正則表達式匹配法；3、循環神經網絡模型；4、長短期記憶神經網絡模型。

但現有研究存在一些缺點：

1、沒有針對車載環境對用戶的意圖進行分類以及約束限制，以提高用戶意圖識別的準確性；

2、現有車載環境用戶意圖識別智能模型與算法準確性有待提高，特別是利用深度神經網絡模型的現有研究還較少。

發明內容

本發明的內容是提供一種車載環境下語音交互意圖識別及過程管理方法，其能夠克服現有技術的某種或某些缺陷。

根據本發明的車載環境下語音交互意圖識別及過程管理方法，其包括以下步驟：

一、車載環境下的語音交互用戶意圖分類：

二、結合車載環境語音交互意圖類型的訓練數據準備：

使用人工采集結合程序半自動生成的方式準備神經網絡的訓練數據；

三、基于BIO格式的訓練數據詞性標注：

基于BIO格式的數據集，在數據集中將每一個字或詞標注為“B-A”、“I-A”或者“O”；

四、構建關鍵信息標注的雙向長短期記憶神經網絡級聯條件隨機場模型：

利用條件隨機場模型與長短期記憶神經網絡進行級聯，形成雙向長短期記憶神經網絡級聯條件隨機場模型，對基于BIO格式的數據集進行標簽化標注；

五、基于標注結果，利用文本卷積神經網絡模型進行單句意圖識別：

文本卷積神經網絡模型將CNN應用到文本分類任務中，利用多個不同大小的卷積核來提取句子中的關鍵信息，實現單句意圖識別；

六、動作執行器執行操作：

根據用戶意圖執行在系統中預設定的操作；

七、進行對話管理：

系統在與用戶交互的過程中不斷根據歷史交互信息與當前輸入短句決定下一步應該執行的最優動作。

作為優選，步驟一中，將車載環境下的語音交互用戶意圖分為五大類和多個小類，五大類包括播放音頻、導航、打電話、回答、控制。

作為優選，步驟三中，針對數據集做如下預處理：

（1）從數據集中按行獲取數據，分別得到短句和其對應的標簽，構造句子序列和標簽序列，這兩個序列長度保持一致；

（2）將短句序列中的空白符、換行符以及標點符號等特殊字符刪除；

（3）根據詞典得到詞對應的整數索引，根據索引可以查詢到每個詞對應的詞向量，神經網絡的輸入內容即為詞向量序列。

作為優選，步驟五中，文本卷積神經網絡模型的輸入層接收一個固定長度的文本序列；然后后面的卷積層使用多個尺寸不同的卷積核對輸入序列進行滑動卷積操作，這些卷積核將相鄰的字或詞轉化成一個數值；接著后面的池化層從多個卷積核返回的卷積后的值中選取最大值輸入到全連接層，最終通過softmax進行分類。