CN104427109A - 使用语音创建联系人项的方法及电子设备 - Google Patents

Abstract

本发明实施例公开了一种使用语音创建联系人项的方法及电子设备，涉及电子设备技术领域，能够使用户在需要创建联系人项时，方便、快速的创建联系人。本发明的方法包括：获得语音输入；基于所述语音识别引擎对所述语音输入进行识别，获得识别结果；根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项。本发明适用于电子设备。

Description

使用语音创建联系人项的方法及电子设备

技术领域

本发明涉及电子设备技术领域，尤其涉及一种使用语音创建联系人项的方法及电子设备。

背景技术

近年来，手机用户数量飞速增长，通过手机与其他人联系已经成为最主要的通讯手段，所以，在手机中存储联系人的信息是十分必要的。目前，多数用户使用新建联系人的方法为手动输入，在新建联系人功能的页面，逐项输入联系人的姓名、号码和其他信息。

现有技术中至少存在如下问题：手动输入虽然可以的记录联系人的信息，但是需要用户将联系人信息逐项的手动输入，不但耗费时间，还给用户带来不便。

发明内容

本发明的实施例提供一种使用语音创建联系人项的方法及电子设备，能够解决用户在需要创建联系人项时，不能方便、快速的建立联系人的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供一种使用语音创建联系人项的方法，所述方法应用于电子设备中，所述电子设备包括语音识别引擎；包括：

获得语音输入；所述语音输入用于指示创建联系人项；

基于所述语音识别引擎对所述语音输入进行识别，获得识别结果；所述识别结果包括新建联系人项的新建指令以及执行所述新建指令所对应的数据对象；

根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项；

其中，所述语音识别引擎基于关系数据库匹配从而获得的所述识别结果；所述关系数据库包括基于M个标识对应M个用户各自所对应的联系人项；所述数据对象至少包括所述新建联系人项的姓名和号码。

第二方面，本发明的实施例提供一种电子设备，包括：

语音输入获得单元，用于获得语音输入；所述语音输入用于指示创建联系人项；

识别单元，用于基于所述语音识别引擎对所述语音输入获得单元获得的所述语音输入进行识别；

识别结果获得单元，用于获得识别结果；所述识别结果包括新建联系人项的新建指令以及执行所述新建指令所对应的数据对象；

创建单元，用于根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项；

其中，所述语音识别引擎基于关系数据库匹配从而获得的所述识别结果；所述关系数据库包括基于M个标识对应M个用户各自所对应的联系人项；所述数据对象至少包括所述新建联系人项的姓名和号码。

本发明实施例提供的一种使用语音创建联系人项的方法及电子设备，与现有技术中，用户在需要创建联系人项时，不能方便、快速的建立联系人的问题相比，本发明中用户将已存联系人信息和个人信息上传云端，服务器统计各用户上传的联系人信息，建立联系人关系数据库，得出针对用户的姓名语言模型和号码语法库；电子设备接收用户的语音指令，语音识别引擎对语音进行，识别过程中，姓名和号码可以相互识别；识别完成后，姓名和号码经过交叉验证，输出显示，并将交叉验证后的结果反馈至姓名语言模型和号码语法库，从而方便、快速创建联系人。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明一实施例提供的方法流程图；

图2为本发明又一实施例提供的方法架构图；

图3为本发明又一实施例提供的方法流程图；

图4、图5为本发明又一实施例提供的电子设备结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明一实施例提供一种使用语音创建联系人项的方法，用于电子设备，电子设备中包括语音识别引擎，如图1所示，所述方法包括：

101、电子设备获得语音输入。

其中，所述语音输入用于指示创建联系人项。所述电子设备可以为手机等通讯设备。例如，手机获得用户发送创建联系人的语音输入后，将用户信息上传。服务器根据用户信息，来选择与用户相应的姓名语言模型和号码语法库。

102、电子设备基于语音识别引擎对所述语音输入进行识别，获得识别结果。

其中，所述识别结果包括新建联系人项的新建指令以及执行所述新建指令所对应的数据对象，所述数据对象至少包括所述新建联系人项的姓名和号码。电子设备通过语音识别引擎将语音输入使用通用语言模型识别，得出新建联系人项的新建指令和执行新建指令所对应的数据对象，本发明实施例对电子设备通过语音识别引擎得出指令和数据对象的实现方式不做限定，可以是本领域技术人员所熟知的任意实现方式。

进一步的，电子设备使用姓名语言模型对数据对象中包括的所述联系人的姓名进行识别，并使用号码语法对数据对象中包括的所述联系人的号码进行识别。姓名语言模型和号码语法库为对关系数据库进行模型训练和语法提取得到。其中，关系数据库是根据基于M个标识对应M个用户各自所对应的联系人项建立的。在用户创建联系人之前，用户将已存联系人信息和用户信息上传到服务器，包括用户已存联系人姓名和号码，用户姓名、号码和长期居住地等。通过统计关系数据库信息可以确定用户的潜在联系人，以及用户与潜在联系人的关联度。潜在联系人是指用户可以通过存储关系确定的联系人，关联度表示用户和潜在关系人之间关系程度。

需要说明的是，姓名语言模型训练时，根据关系数据库中统计已存联系人信息得到的潜在联系人和关联度的值，给潜在联系人不同的权重。关联度越大，权重越大；权重越大，识别过程中得到的置信度得分越高。当用户建立联系人为潜在联系人时，姓名识别过程中可以更容易的将其识别出来，从而增加识别的正确率。用户信息在姓名语言模型训练中用于区分各不同用户的模型，并在模型选择时，根据用户信息选择与用户相应的姓名语言模型。

可选的，在识别联系人的姓名和号码的过程中，如果在通过姓名语言模型识别出联系人的姓名之前，通过号码语法库识别出了联系人的号码，则可以根据联系人的号码在关系数据库中找出与其对应的姓名，并在姓名语言模型中确定出此姓名，增加其识别权重；或者，如果在通过号码语法库识别出联系人的号码之前，通过姓名语言模型识别出了联系人的姓名，则可以根据所述联系人的姓名在关系数据库中找出与其对应的号码，并在号码语法库中确定此号码，增加其识别权重。

需要说明的是，根据语言模型和号码语法对姓名和号码进行识别，为现有技术可实现的功能，可以采用能够实现目的的任何现有技术，本方法实施例为在现有技术的基础上，增加识别的方式，以便识别出正确的结果。

需要说明的是，在语音识别中，对每个识别结果给出一个置信度得分，置信度得分越高表示识别结果越可靠，识别结果中权重越大，其置信度得分会越高。

103、电子设备根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项。

例如，在姓名和号码的识别过程完成后，识别出的姓名和号码按照其置信度得分由高到低进行排序；然后，将排序后的姓名和电话号码分别与关系数据库中相关项匹配，将相匹配的姓名和号码的置信度得分相加，根据得分由高到低调整顺序。按照调整后的顺序输出结果，电子设备根据结果创建联系人项。

进一步的，在调整输出结果的顺序后，将其反馈至模型训练和语法提取的过程，以调整模型中的姓名和号码语法库中号码的权重。

可选的，在电子设备可以将根据置信度得分调整顺序后的结果显示，供用户选择，然后电子设备根据用户的选择结果建立联系人项。在创建联系人时，用户有可能需要存储联系人的其他信息，例如单位信息等，则可以根据关系数据库中已存联系人的单位信息，在模型训练中给出不同的权重，以便提高识别的正确率。

需要说明的是，用于建立关系数据库的联系人项为预定范围内多个用户的联系人项，例如，用户属于同一个单位或集团等。

现有技术中，手动输入虽然可以的记录联系人的信息，但是需要用户将联系人信息逐项的手动输入，不但耗费时间，还给用户带来不便。与现有技术中的问题相比，本发明实施例中用户将已存联系人信息和个人信息上传云端，服务器统计各用户上传的联系人信息，建立联系人关系数据库，得出针对用户的姓名语言模型和号码语法库；电子设备接收用户的语音输入，语音识别引擎对语音进行，识别过程中，姓名和号码可以相互识别；识别完成后，姓名和号码经过交叉验证，输出显示，并将交叉验证后的结果反馈至姓名语言模型和号码语法库。解决了现有技术中用户在需要创建联系人项时，不能方便、快速的建立联系人的问题。通过解决上述技术问题，能够使用户方便、快速的创建联系人项。

本发明又一实施例提供一种使用语音创建联系人项的方法，应用于电子设备，以手机为例，如图2所示，用户上传本人和已存联系人的信息；服务器建立关系数据库，基于关系数据库得出姓名语言模型和号码语法库；手机中包括语音识别引擎，通过语音识别引擎对用户的语音输入识别出所需的指令和数据对象；手机根据识别结果创建联系人项。具体流程如图3所示，所述方法包括：

201、服务器建立关系数据库。

其中，用户将已存联系人信息和用户信息上传，关系数据库是根据至少两个用户上传的已存联系人信息和用户信息建立的，包括用户已存联系人姓名和号码，用户姓名、号码和长期居住地等。通过统计关系数据库信息可以确定用户的潜在联系人，以及用户与潜在联系人的关联度。潜在联系人是指用户可以通过存储关系确定的联系人，关联度表示用户和潜在关系人之间关系程度。

例如，用户B为用户A的已存联系人，用户C为用户B的已存联系人而不是用户A的已存联系人，则用户C为用户A的潜在联系人，用户A由用户B确定用户C信息的过程为存储关系，若用户D为用户C的已存联系人，而不是用户B和用户A的已存联系人，则用户D也为用户A的潜在联系人，用户A由用户B到用户C确定用户D信息的过程也为存储关系，以此类推，用户可以通过存储路径确定的联系人均为潜在联系人；将用户A到用户C的距离定为1，则用户A到用户D的距离为2，用户A与其他潜在联系人的距离以此类推。利用统计学内容可以计算用户和潜在联系人的距离，距离越大，用户和潜在联系人的关联度越小。

需要说明的是，当有多种存储关系可以确定同一个潜在联系人时，应根据用户与此潜在联系人的最小距离来确定关联度值；当用户与潜在联系人之间有不止一种距离最小的存储关系时，数量越多，关联度越大。

202、服务器根据关系数据库中的已存联系人信息和用户信息训练姓名语言模型。

需要说明的是，本发明实施例中存在两个语言模型，通过现有技术训练出通用的语言模型，可以识别任何语音信息，本发明实施例中的姓名语言模型训练是指针对向服务器上传已存联系人的用户的语言模型训练。

其中，姓名语言模型训练时，根据关系数据库中统计已存联系人信息得到的潜在联系人和关联度的值，给潜在联系人不同的权重，关联度越大，权重越大。当用户建立联系人为潜在联系人时，姓名识别过程中可以更容易的将其识别出来，从而增加识别的正确率。用户信息在姓名语言模型训练中用于区分各不同用户的模型，并在模型选择时，根据用户信息选择与用户相应的姓名语言模型。

可选的，在姓名语言模型训练过程中，可以统计关系数据库中的姓名信息，对常见的用于姓名的字词加权，增加其在姓名识别时的权重，识别过程中可以更容易的识别出来，从而增加识别的正确率。

203、服务器根据关系数据库构建该用户的号码语法库。

需要说明的是，本发明实施例中是指在现有技术构建的号码语法库的基础上，根据用户的用户信息和已存联系人信息构建适合此用户的号码语法库。

可选的，在构建号码语法库时，可以分析用户信息，通过用户所在区域、电话号码等信息，给出不同电话号码的语法权重；还可以通过用户手机号码所定制的服务，建立相应语法；还可以通过用户的已有号码分析，判断用户联系人中的号码分类，比如集团号码等，给予不同的权重。

例如，用户所在地为北京，则其一般不会存储以010开头的电话号码，则在构建语法时，可以减小这些号码的权重；或者，用户所在集团定制了短号业务，则可在构建语法时，增加集团内短号的权重。

需要说明的是，此处不对步骤202和步骤203的执行顺序进行限定，既可以同时执行步骤202和步骤203，也可以先执行步骤202或者先执行步骤203，执行顺序的先后并不影响本实施例流程的最终结果。

204、手机获得用户的语音输入。

其中，手机获得用户的语音输入，即用户说出包括创建的联系人的信息的一段话，手机中的语音识别引擎对用户的语音输入信息进行分析，得出创建联系人的指令，并提取出创建联系人所需的数据对象。本发明实施例对手机通过语音识别引擎得出指令和数据对象的实现方式不做限定，可以是本领域技术人员所熟知的任意实现方式。

例如，用户语音输入“帮我新建联系人，姓名是XXX，号码是1234567”，手机接收到指令后，分析语音信息的内容，通过“帮我新建联系人”得到创建联系人项的指令，将XXX和1234567提取，采用本发明实施例中的方法识别。

205、手机根据用户信息与服务器交互，选择相应的语言模型和号码语法库。

其中，手机在接收到用户创建联系人的指令时，将用户信息上传，根据用户标识或者本人信息，例如用户姓名、号码、口音等，来选择与用户相对应的姓名语言模型和号码语法库。

206、手机使用相应的语言模型对数据对象中的姓名进行识别。

需要说明的是，在选择出与用户相对应的姓名语言模型后，通过姓名语言模型和通用语言模型共同来识别用户语音指令中的姓名。

可选的，姓名识别的过程中，如果在手机通过姓名语言模型识别出联系人的姓名之前，通过号码语法库识别出了联系人的号码，则可以根据联系人的号码在关系数据库中找出与其对应的姓名，并在姓名语言模型中确定出此姓名，增加其识别权重。

需要说明的是，根据语言模型对姓名进行识别，为现有技术可实现的功能，可以采用能够实现目的的任何现有技术，本方法实施例为在现有技术的基础上，增加识别的方式，以便识别出正确的结果。

可选的，在姓名识别过程中，可以给出姓名的多候选，用户可以在多候选里进行快速选择；或者给出拼音选项，使得用户可以直接使用拼音，或者通过拼音选出对应字词。

207、手机使用相应的号码语法库对数据对象中的号码进行识别。

需要说明的是，根据号码语法库对号码进行识别，为现有技术可实现的功能，可以采用能够实现目的的任何现有技术，本方法实施例为在现有技术的基础上，增加识别的方式，以便识别出正确的结果。

可选的，如果在手机通过号码语法库识别出联系人的号码之前，通过姓名语言模型识别出了联系人的姓名，则可以根据所述联系人的姓名在关系数据库中找出与其对应的号码，并在号码语法库中确定此号码，增加其识别权重。

需要说明的是，在语音识别中，对每个识别结果给出一个置信度得分，置信度得分越高表示识别结果越可靠，识别结果中权重越大，其置信度得分会越高。

208、手机对识别出的结果进行交叉验证。

例如，在姓名和号码的识别过程完成后，识别出的姓名和号码按照其置信度得分由高到低进行排序；然后，将排序后的姓名和电话号码分别与关系数据库中相关项匹配，将相匹配的姓名和号码的置信度得分相加，根据得分由高到低调整顺序。如表一所示，

表一：

如表一中所示，表一中给出了识别出的各姓名和号码的置信度得分，以及按照置信度得分排列后的顺序。将姓名：张三、王三、张四和号码：123567、123561、723567与关系数据库中相关项匹配，得到的结果为：张三与723567对应、王三与123567对应、张四与123561对应。将每对对应的姓名和号码置信度得分相加得到：张三与723567置信度得分之和为12、王三与123567置信度得分之和为8、张四与123561置信度得分之和为5，根据置信度得分之和调整顺序，姓名顺序不变，号码调整为：第一为723567、第二为123567、第三为123561。

209、手机将验证结果输出显示，以供用户进行确认。

其中，将调整过的结果输出显示，显示的个数可以为固定数值，也可以由用户自己设定。用户根据显示的结果确认要储存的姓名和号码。

210、手机根据用户确认的结果创建联系人。

其中，在用户根据显示的结果确认出要储存的姓名和号码后，手机将姓名和号码存储，建立联系人信息。

可选的，在步骤209中得到验证结果之后，还可以包括步骤211。

211、手机根据验证结果调整姓名语言模型和号码语法库。

其中，手机根据验证结果反馈至模型训练和语法提取的过程，调整模型中的姓名和号码语法库中号码的权重，以便在下次创建联系人时，更容易的得出正确结果，提高识别的正确率。

需要说明的是，用户在创建联系人的语音指令中，只包含姓名和号码中的一项，则手机只对用户语音指令中提到的内容进行操作。

可选的，在创建联系人时，用户有可能需要存储联系人的其他信息，例如单位信息等，则可以根据关系数据库中已存联系人的单位信息，在模型训练中给出不同的权重，以便提高识别的正确率。

需要说明的是，用于建立关系数据库的联系人项为预定范围内多个用户的联系人项，例如，用户属于同一个单位或集团等。

现有技术中，手动输入虽然可以的记录联系人的信息，但是需要用户将联系人信息逐项的手动输入，不但耗费时间，还给用户带来不便。与现有技术中的问题相比，本发明实施例中用户将已存联系人信息和个人信息上传云端，服务器统计各用户上传的联系人信息，建立联系人关系数据库，得出针对用户的姓名语言模型和号码语法库；手机接收用户的语音输入，语音识别引擎对语音进行，识别过程中，姓名和号码可以相互识别；识别完成后，姓名和号码经过交叉验证，输出显示，并将交叉验证后的结果反馈至姓名语言模型和号码语法库。解决了现有技术中用户在需要创建联系人项时，不能方便、快速的建立联系人的问题。通过解决上述技术问题，能够使用户方便、快速的创建联系人项。

本发明又一实施例提供一种电子设备30，如图4所示，所述电子设备30包括：

语音输入获得单元301，用于获得语音输入；所述语音输入用于指示创建联系人项；

识别单元302，用于基于所述语音识别引擎对所述语音输入获得单元301获得的所述语音输入进行识别；

识别结果获得单元303，用于获得识别结果；

其中，所述识别结果包括新建联系人项的新建指令以及执行所述新建指令所对应的数据对象；

创建单元304，用于根据所述识别结果获得单元303获取的所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项；

其中，所述语音识别引擎基于关系数据库匹配从而获得的所述识别结果；所述关系数据库包括基于M个标识对应M个用户各自所对应的联系人项；所述数据对象至少包括所述新建联系人项的姓名和号码。

进一步的，如图5所示，所述电子设备30还包括：

建立单元305，用于基于所述关系数据库建立姓名语言模型和号码语法库；

选择单元306，用于基于所述电子设备所属用户的标识，选择对应的姓名语言模型和对应的号码语法库。

进一步的，如图5所示，所述识别单元302包括：

识别子单元3021，用于基于所述语音识别引擎使用通用语言模型识别所述新建指令；

所述识别子单元3021还用于基于所述语音识别引擎使用所述建立单元305建立的所述姓名语言模型识别所述新建联系人项的姓名；

所述识别子单元3021还用于基于所述语音识别引擎使用所述建立单元305建立的所述号码语法库识别所述新建联系人项的号码。

进一步的，如图5所示，所述识别单元302还包括：

确定子单元3022，用于如果基于所述语音识别引擎使用所述建立单元305建立的所述姓名语言模型识别出所述新建联系人项的姓名之前，基于所述语音识别引擎使用所述建立单元305建立的所述号码语法库识别出所述新建联系人项的号码，则在所述关系数据库中确定与所述新建联系人项的号码对应的所述新建联系人项的姓名；

加权子单元3023，用于增加所述确定子单元3022确定的所述联系人的姓名的识别权重；或者，

所述确定子单元3022还用于如果在基于所述语音识别引擎使用所述建立单元305建立的所述号码语法库识别出所述新建联系人项的号码之前，基于所述语音识别引擎使用所述建立单元305建立的所述姓名语言模型识别出所述新建联系人项的姓名，则在所述关系数据库中确定与所述新建联系人项的姓名对应的所述新建联系人项的号码；

所述加权子单元3023还用于增加所述确定子单元3022确定的所述联系人的号码的识别权重。

进一步的，如图5所示，所述电子设备30还包括：

确定单元307，用于基于所述关系数据库中所述M个用户各自所对应的联系人项确定每一个所述联系人项的潜在联系人，所述潜在联系人和所述联系人项均与至少一个指定联系人项有存储关系；

加权单元308，用于增加所述潜在联系人对应的新建联系人项的姓名的识别权重。

进一步的，如图5所示，所述电子设备30还包括：

排序单元309，用于将识别出的所述新建联系人项的姓名的置信度得分和所述新建联系人项的号码的置信度得分分别按照由高到低的顺序进行排序，所述置信度得分与所述识别权重成正比。

进一步的，如图5所示，所述电子设备30还包括：

匹配单元310，用于基于所述关系数据库中的所述联系人项，将所述新建联系人项的姓名和所述新建联系人项的号码配对；

计算单元311，用于计算每一组配对结果的置信度总值，所述置信度总值为所述配对结果中所述新建联系人项的姓名的置信度得分和所述新建联系人项号码的置信度得分之和。

进一步的，如图5所示，所述创建单元304具体用于：

基于所述置信度总值由高到低的顺序输出所述配对结果作为所述识别结果，使用置信度总值最高的识别结果创建所述联系人项。

进一步的，如图5所示，所述电子设备30还包括：

调整单元312，用于根据所述识别结果调整所述姓名语言模型和所述号码语法库。

可选的，在创建联系人时，用户有可能需要存储联系人的其他信息，例如单位信息等，则可以根据关系数据库中已存联系人的单位信息，在模型训练中给出不同的权重，以便提高识别的正确率。

现有技术中，手动输入虽然可以的记录联系人的信息，但是需要用户将联系人信息逐项的手动输入，不但耗费时间，还给用户带来不便。与现有技术中的问题相比，本发明实施例中用户将已存联系人信息和个人信息上传云端，服务器统计各用户上传的联系人信息，建立联系人关系数据库，得出针对用户的姓名语言模型和号码语法库；电子设备30接收用户的语音输入，语音识别引擎对语音进行，识别过程中，姓名和号码可以相互识别；识别完成后，姓名和号码经过交叉验证，输出显示，并将交叉验证后的结果反馈至姓名语言模型和号码语法库。解决了现有技术中用户在需要创建联系人项时，不能方便、快速的建立联系人的问题。通过解决上述技术问题，能够使用户方便、快速的创建联系人项。

本发明实施例提供的一种访问使用语音创建联系人项的电子设备可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。本发明实施例提供的一种使用语音创建联系人项的方法及电子设备可以适用于电子设备，但不仅限于此。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序--来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (20)

1.一种使用语音创建联系人项的方法，所述方法应用于电子设备中，所述电子设备包括语音识别引擎；包括：

获得语音输入；所述语音输入用于指示创建联系人项；

基于所述语音识别引擎对所述语音输入进行识别，获得识别结果；所述识别结果包括新建联系人项的新建指令以及执行所述新建指令所对应的数据对象；

根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项；

其中，所述语音识别引擎基于关系数据库匹配从而获得的所述识别结果；所述关系数据库包括基于M个标识对应M个用户各自所对应的联系人项；所述数据对象至少包括所述新建联系人项的姓名和号码。

2.根据权利要求1所述的方法，其特征在于，在所述基于所述语音识别引擎对所述语音输入进行识别，获得识别结果之前，所述方法还包括：

基于所述关系数据库建立姓名语言模型和号码语法库；

基于所述电子设备所属用户的标识，选择对应的姓名语言模型和对应的号码语法库。

3.根据权利要求2所述的方法，其特征在于，所述基于所述语音识别引擎对所述语音输入进行识别包括：

基于所述语音识别引擎使用通用语言模型识别所述新建指令；基于所述语音识别引擎使用所述姓名语言模型识别所述新建联系人项的姓名；基于所述语音识别引擎使用所述号码语法库识别所述新建联系人项的号码。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

如果基于所述语音识别引擎使用所述姓名语言模型识别出所述新建联系人项的姓名之前，基于所述语音识别引擎使用所述号码语法库识别出所述新建联系人项的号码，则在所述关系数据库中确定与所述新建联系人项的号码对应的所述新建联系人项的姓名；

增加所述新建联系人项的姓名的识别权重；或者，

如果在基于所述语音识别引擎使用所述号码语法库识别出所述新建联系人项的号码之前，基于所述语音识别引擎使用所述姓名语言模型识别出所述新建联系人项的姓名，则在所述关系数据库中确定与所述新建联系人项的姓名对应的所述新建联系人项的号码；

增加所述新建联系人项的号码的识别权重。

5.根据权利要求1所述的方法，其特征在于，在所述基于所述语音识别引擎对所述语音输入进行识别之前，所述方法还包括：

基于所述关系数据库中所述M个用户各自所对应的联系人项确定每一个所述联系人项的潜在联系人，所述潜在联系人和所述联系人项均与至少一个指定联系人项有存储关系；

增加所述潜在联系人对应的新建联系人项的姓名的识别权重。

6.根据权利要求4或5所述的方法，其特征在于，在所述根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项之前，所述方法还包括：

将识别出的所述新建联系人项的姓名的置信度得分和所述新建联系人项的号码的置信度得分分别按照由高到低的顺序进行排序，所述置信度得分与所述识别权重成正比。

7.根据权利要求6所述的方法，其特征在于，在所述将识别出的所述新建联系人项的姓名的置信度得分和所述新建联系人项的号码的置信度得分分别按照由高到低的顺序进行排序之后，所述方法还包括：

基于所述关系数据库中的所述联系人项，将所述新建联系人项的姓名和所述新建联系人项的号码配对；

计算每一组配对结果的置信度总值，所述置信度总值为所述配对结果中所述新建联系人项的姓名的置信度得分和所述新建联系人项号码的置信度得分之和。

8.根据权利要求7所述的方法，其特征在于，所述根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项包括：

基于所述置信度总值由高到低的顺序输出所述配对结果作为所述识别结果，使用置信度总值最高的识别结果创建所述联系人项。

9.根据权利要求8所述的方法，其特征在于，在所述根据所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项之后，所述方法还包括：根据所述识别结果调整所述姓名语言模型和所述号码语法库。

10.根据权利要求1-9任一项所述的方法，其特征在于，所述关系数据库中的所述联系人项为预定范围内多个用户的联系人项。

11.一种电子设备，其特征在于，包括：

语音输入获得单元，用于获得语音输入；所述语音输入用于指示创建联系人项；

识别单元，用于基于所述语音识别引擎对所述语音输入获得单元获得的所述语音输入进行识别；

识别结果获取单元，用于获得识别结果；所述识别结果包括新建联系人项的新建指令以及执行所述新建指令所对应的数据对象；

创建单元，用于根据所述获取单元获取的所述识别结果，响应所述新建指令，并基于所述数据对象创建所述联系人项；

其中，所述语音识别引擎基于关系数据库匹配从而获得的所述识别结果；所述关系数据库包括基于M个标识对应M个用户各自所对应的联系人项；所述数据对象至少包括所述新建联系人项的姓名和号码。

12.根据权利要求11所述的电子设备，其特征在于，所述电子设备还包括：

建立单元，用于基于所述关系数据库建立姓名语言模型和号码语法库；

选择单元，用于基于所述电子设备所属用户的标识，选择对应的姓名语言模型和对应的号码语法库。

13.根据权利要求12所述的电子设备，其特征在于，所述识别单元包括：

识别子单元，用于基于所述语音识别引擎使用通用语言模型识别所述新建指令；

所述识别子单元还用于基于所述语音识别引擎使用所述建立单元建立的所述姓名语言模型识别所述新建联系人项的姓名；

所述识别子单元还用于基于所述语音识别引擎使用所述建立单元建立的所述号码语法库识别所述新建联系人项的号码。

14.根据权利要求13所述的电子设备，其特征在于，所述识别单元还包括：

确定子单元，用于如果基于所述语音识别引擎使用所述建立单元建立的所述姓名语言模型识别出所述新建联系人项的姓名之前，基于所述语音识别引擎使用所述建立单元建立的所述号码语法库识别出所述新建联系人项的号码，则在所述关系数据库中确定与所述新建联系人项的号码对应的所述新建联系人项的姓名；

加权子单元，用于增加所述确定子单元确定的所述新建联系人项的姓名的识别权重；或者，

所述确定子单元还用于如果在基于所述语音识别引擎使用所述建立单元建立的所述号码语法库识别出所述新建联系人项的号码之前，基于所述语音识别引擎使用所述建立单元建立的所述姓名语言模型识别出所述新建联系人项的姓名，则在所述关系数据库中确定与所述新建联系人项的姓名对应的所述新建联系人项的号码；

所述加权子单元还用于增加所述确定子单元确定的所述新建联系人项的号码的识别权重。

15.根据权利要求11所述的电子设备，其特征在于，所述电子设备还包括：

确定单元，用于基于所述关系数据库中所述M个用户各自所对应的联系人项确定每一个所述联系人项的潜在联系人，所述潜在联系人和所述联系人项均与至少一个指定联系人项有存储关系；

加权单元，用于增加所述潜在联系人对应的新建联系人项的姓名的识别权重。

16.根据权利要求14或15所述的电子设备，其特征在于，所述电子设备还包括：

排序单元，用于将识别出的所述新建联系人项的姓名的置信度得分和所述新建联系人项的号码的置信度得分分别按照由高到低的顺序进行排序，所述置信度得分与所述识别权重成正比。

17.根据权利要求16所述的电子设备，其特征在于，所述电子设备还包括：

匹配单元，用于基于所述关系数据库中的所述联系人项，将所述新建联系人项的姓名和所述新建联系人项的号码配对；

计算单元，用于计算每一组配对结果的置信度总值，所述置信度总值为所述配对结果中所述新建联系人项的姓名的置信度得分和所述新建联系人项号码的置信度得分之和。

18.根据权利要求17所述的电子设备，其特征在于，所述创建单元具体用于：

基于所述置信度总值由高到低的顺序输出所述配对结果作为所述识别结果，使用置信度总值最高的识别结果创建所述联系人项。

19.根据权利要求18所述的电子设备，其特征在于，所述电子设备还包括：

调整单元，用于根据所述识别结果调整所述姓名语言模型和所述号码语法库。

20.根据权利要求11-19任一项所述的电子设备，其特征在于所述关系数据库中的所述联系人项为预定范围内多个用户的联系人项。