CN104699676A - 基于语音识别的信息搜索方法和系统 - Google Patents

Abstract

本发明公开一种基于语音识别的信息搜索方法和系统。其中前端感知设备在获得用户语音信息后，将用户语音信息发送给前端服务器，前端服务器对用户语音信息进行识别以提取出用户指示信息；前端服务器获取前端感知设备当前呈现给用户的页面信息，从页面信息中提取出关键词组以生成语义集合，判断在语义集合中是否存在与用户指示信息相关联的匹配信息，若在语义集合中存在匹配信息，则向业务服务器发送呈现信息标识；业务服务器在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。从而实现结合视觉场景的自然语言搜索和自动控制，提高了用户体验。

Description

基于语音识别的信息搜索方法和系统

技术领域

本发明涉及通信领域，特别涉及一种基于语音识别的信息搜索方法和系统。

背景技术

语音识别技术是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。首先通过特征提取技术、模式匹配技术，识别出特定的声学模型；然后通过模型训练形成一定的语言模型。在实现过程中，在声学模型和语言模型组成的空间进行快速寻优，实现对语音信号的文字转变。

语义理解技术，即对文本形式的信息表达进行针对的理解，理解以文本表达信息的准确含义，相应的系统可以根据理解结果进行后续动作操作执行。

在自然语言理解过程中，获得用户信息需求的场景，并把这个场景的特征元素结合到系统需要的自然语言理解系统中，完成智能理解及设备控制是需要解决的问题。

发明内容

本发明实施例提供一种基于语音识别的信息搜索方法和系统。当用户提出以自然语言表达的控制命令时，通过判断用户提问时的视觉场景，从而实现结合视觉场景的自然语言搜索和自动控制。

根据本发明的一个方面，提供一种基于语音识别的信息搜索方法，包括：

前端感知设备在获得用户语音信息后，将用户语音信息发送给前端服务器；

前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息；

前端服务器获取前端感知设备当前呈现给用户的页面信息；

前端服务器从所述页面信息中提取出关键词组，以生成语义集合；

前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值；

若在语义集合中存在匹配信息，则前端服务器向业务服务器发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识；

业务服务器在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。

优选的，前端服务器向业务服务器发送呈现信息标识的步骤后，还包括：

前端服务器还将匹配列表信息发送给前端感知设备，其中匹配列表信息中包括全部匹配信息，以便前端感知设备将全部匹配信息呈现给用户；

当用户在呈现的全部匹配信息中选择一个匹配信息时，前端感知设备向业务服务器发送切换信息标识，其中切换信息标识是与用户选择的匹配信息相对应的信息标识；

业务服务器在接收到切换信息标识后，将与切换信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与切换信息标识相对应的信息内容呈现给用户。

优选的，若在语义集合中不存在匹配信息，则前端服务器判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息；

若能够从数据库中查询到与用户指示信息相关联的匹配信息，则前端服务器执行向业务服务器发送呈现信息标识的步骤。

优选的，若不能从数据库中查询到与用户指示信息相关联的匹配信息，则前端服务器将预先设定的推荐信息标识作为呈现信息标识发送给业务服务器。

根据本发明的另一方面，提供一种基于语音识别的信息搜索系统，包括前端感知设备、前端服务器和业务服务器，其中：

前端感知设备，用于在获得用户语音信息后，将用户语音信息发送给前端服务器；

前端服务器，用于在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息；获取前端感知设备当前呈现给用户的页面信息；从所述页面信息中提取出关键词组，以生成语义集合；判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值；若在语义集合中存在匹配信息，则向业务服务器发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识；

业务服务器，用于在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。

优选的，前端服务器还用于在向业务服务器发送呈现信息标识后，将匹配列表信息发送给前端感知设备，其中匹配列表信息中包括全部匹配信息，以便前端感知设备将全部匹配信息呈现给用户；

前端感知设备还用于当用户在呈现的全部匹配信息中选择一个匹配信息时，向业务服务器发送切换信息标识，其中切换信息标识是与用户选择的匹配信息相对应的信息标识；

业务服务器还用于在接收到切换信息标识后，将与切换信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与切换信息标识相对应的信息内容呈现给用户。

优选的，前端服务器还用于在语义集合中不存在匹配信息时，判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息；若能够从数据库中查询到与用户指示信息相关联的匹配信息，则执行向业务服务器发送呈现信息标识的操作。

优选的，前端服务器还用于在不能从数据库中查询到与用户指示信息相关联的匹配信息时，将预先设定的推荐信息标识作为呈现信息标识发送给业务服务器。

本发明通过前端感知设备在获得用户语音信息后，将用户语音信息发送给前端服务器，前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息，前端服务器获取前端感知设备当前呈现给用户的页面信息，从所述页面信息中提取出关键词组以生成语义集合。前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，若在语义集合中存在匹配信息，则前端服务器向业务服务器发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识。业务服务器在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。从而实现结合视觉场景的自然语言搜索和自动控制，提高了用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明信息搜索方法一个实施例的示意图。

图2为本发明信息搜索方法另一实施例的示意图。

图3为本发明信息搜索系统一个实施例的示意图。

图4为本发明基于机顶盒的信息搜索一个实施例的示意图。

图5为本发明基于机顶盒的信息搜索另一实施例的示意图。

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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1为本发明信息搜索方法一个实施例的示意图。如图1所示，本实施例的方法步骤如下：

步骤101，前端感知设备在获得用户语音信息后，将用户语音信息发送给前端服务器。

步骤102，前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息。

步骤103，前端服务器获取前端感知设备当前呈现给用户的页面信息。

步骤104，前端服务器从所述页面信息中提取出关键词组，以生成语义集合。

步骤105，前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值。

步骤106，若在语义集合中存在匹配信息，则前端服务器向业务服务器发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识。

步骤107，业务服务器在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。

基于本发明上述实施例提供的信息搜索方法，当用户提出以自然语言表达的控制命令时，通过判断用户提问时的视觉场景，从而实现结合视觉场景的自然语言搜索和自动控制。

优选的，上述前端服务器向业务服务器发送呈现信息标识的步骤后，还可包括：

前端服务器还将匹配列表信息发送给前端感知设备，其中匹配列表信息中包括全部匹配信息，以便前端感知设备将全部匹配信息呈现给用户。

当用户在呈现的全部匹配信息中选择一个匹配信息时，前端感知设备向业务服务器发送切换信息标识，其中切换信息标识是与用户选择的匹配信息相对应的信息标识。

业务服务器在接收到切换信息标识后，将与切换信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与切换信息标识相对应的信息内容呈现给用户。

在该实施例中，在将与用户指示信息相关度最大的内容信息呈现给用户的同时，还可将相关度大于预定阈值的匹配信息提供给用户，以便用户进行个性化选择，若用户进行选择后，可将用户选择的内容提供给用户。

在另一实施例中，也可不呈现与用户指示信息相关度最大的内容信息，仅由用户进行个性化选择。

图2为本发明信息搜索方法另一实施例的示意图。与图1所示实施例相比，在图2所示实施例中，前端服务器还进一步对没有在语义集合中存在匹配信息时进行相应的处理。

步骤201，前端感知设备在获得用户语音信息后，将用户语音信息发送给前端服务器。

步骤202，前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息。

步骤203，前端服务器获取前端感知设备当前呈现给用户的页面信息。

步骤204，前端服务器从所述页面信息中提取出关键词组，以生成语义集合。

步骤205，前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值。若存在与用户指示信息相关联的匹配信息，则执行步骤206；否则执行步骤207。

步骤206，播放相关度最大的信息，并以列表形式展示其它相关信息。之后，不再执行本实施例的其它步骤。

该步骤可按上述实施例进行处理。例如，前端服务器可指示业务服务器将相关度最大的信息提供给前端感知设备，以便前端感知设备将相关度最大的信息内容呈现给用户。此外，还可在播放该内容时叠加一个列表，以便用户在相关的列表中进行个性化选择。当然，也可仅给用户提供进行选择的列表。

步骤207，若在语义集合中不存在匹配信息，则前端服务器判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息。若能够从数据库中查询到与用户指示信息相关联的匹配信息，则执行步骤206；否则执行步骤208。

步骤208，若不能从数据库中查询到与用户指示信息相关联的匹配信息，则前端服务器将预先设定的推荐信息标识作为呈现信息标识发送给业务服务器。

步骤209，业务服务器将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将该信息内容呈现给用户。

图3为本发明信息搜索系统一个实施例的示意图。如图3所示，信息搜索系统包括前端感知设备301、前端服务器302和业务服务器303，其中：

前端感知设备301，用于在获得用户语音信息后，将用户语音信息发送给前端服务器。

前端服务器302，用于在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息；获取前端感知设备当前呈现给用户的页面信息；从所述页面信息中提取出关键词组，以生成语义集合；判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值；若在语义集合中存在匹配信息，则向业务服务器303发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识。

业务服务器303，用于在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备301，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。

基于本发明上述实施例提供的信息搜索系统，当用户提出以自然语言表达的控制命令时，通过判断用户提问时的视觉场景，从而实现结合视觉场景的自然语言搜索和自动控制。

优选的，前端服务器302还用于在向业务服务器303发送呈现信息标识后，将匹配列表信息发送给前端感知设备，其中匹配列表信息中包括全部匹配信息，以便前端感知设备将全部匹配信息呈现给用户。

前端感知设备301还用于当用户在呈现的全部匹配信息中选择一个匹配信息时，向业务服务器303发送切换信息标识，其中切换信息标识是与用户选择的匹配信息相对应的信息标识。

业务服务器303还用于在接收到切换信息标识后，将与切换信息标识相对应的信息内容提供给前端感知设备301，以便前端感知设备将与切换信息标识相对应的信息内容呈现给用户。

优选的，前端服务器302还用于在语义集合中不存在匹配信息时，判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息；若能够从数据库中查询到与用户指示信息相关联的匹配信息，则执行向业务服务器303发送呈现信息标识的操作。

优选的，前端服务器302还用于在不能从数据库中查询到与用户指示信息相关联的匹配信息时，将预先设定的推荐信息标识作为呈现信息标识发送给业务服务器303。

优选的，前端感知设备可以为机顶盒，也可以为其它感知或接入设备。图4以机顶盒为例对本发明进行描述。本领域技术人员可以了解的是，机顶盒仅作为一个示例，本发明涉及的范围不限于此。

图4为本发明基于机顶盒的信息搜索一个实施例的示意图。在该实施例中，呈现给用户的信息为视频节目。

步骤401，机顶盒采集用户语音信息。

用户在观看视频节目时，可以自然语言表达的方式进行信息搜索和控制。

例如，用户可通过诸如遥控器、手机等移动设备将语音信息提供给机顶盒，当然机顶盒也可直接采集用户语音信息。

步骤402，机顶盒在获得用户语音信息后，将用户语音信息发送给前端服务器。

步骤403，前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息。

也就是说，机顶盒仅对语音信息进行必要的处理，例如编解码、压缩等，而相关的语音识别、语义理解、智能匹配功能由前端服务器来执行。本领域技术人员可以了解的是，与语音识别相关的功能也可以由其它网络设备来执行。

步骤404，前端服务器获取机顶盒当前呈现给用户的页面信息。

即，获取用户进行语音指示时的视觉场景。

步骤405，前端服务器从所述页面信息中提取出关键词组，以生成语义集合。

步骤406，前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值。

步骤407，若在语义集合中存在匹配信息，前端服务器向业务服务器发送呈现节目标识，其中呈现节目标识是与具有最大相关度的匹配信息相对应的节目标识。

步骤408，前端服务器还将匹配列表信息发送给机顶盒，其中匹配列表信息中包括全部匹配信息，以便机顶盒将全部匹配信息呈现给用户。

步骤409，业务服务器在接收到呈现节目标识后，将与呈现节目标识相对应的节目内容提供给机顶盒，以便机顶盒将与呈现节目标识相对应的节目内容呈现给用户。

此时，用户可观看到相关度最大的节目信息，同时还可在叠加的匹配列表中进行个性化选择。

步骤410，当用户在呈现的全部匹配信息中选择一个匹配信息时，机顶盒向业务服务器发送切换节目标识，其中切换节目标识是与用户选择的匹配信息相对应的节目标识。

步骤411，业务服务器在接收到切换节目标识后，将与切换节目标识相对应的节目内容提供给机顶盒，以便机顶盒将与切换节目标识相对应的节目内容呈现给用户。

此时，用户可观看到自主选择的节目内容。

图5为本发明基于机顶盒的信息搜索另一实施例的示意图。相比于图4所示的实施例，在图5所示实施例中，具体描述了在语义集合中不存在匹配信息时的处理。

步骤501，机顶盒采集用户语音信息。

步骤502，机顶盒在获得用户语音信息后，将用户语音信息发送给前端服务器。

步骤503，前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息。

步骤504，前端服务器获取机顶盒当前呈现给用户的页面信息。

即，获取用户进行语音指示时的视觉场景。

步骤505，前端服务器从所述页面信息中提取出关键词组，以生成语义集合。

步骤506，前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值。

步骤507，若在语义集合中不存在匹配信息，则前端服务器判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息。若能够从数据库中查询到与用户指示信息相关联的匹配信息，则执行步骤508；否则执行步骤511。

步骤508，前端服务器向业务服务器发送呈现节目标识，其中呈现节目标识是与具有最大相关度的匹配信息相对应的节目标识。

步骤509，前端服务器还将匹配列表信息发送给机顶盒，其中匹配列表信息中包括全部匹配信息，以便机顶盒将全部匹配信息呈现给用户。

步骤510，业务服务器在接收到呈现节目标识后，将与呈现节目标识相对应的节目内容提供给机顶盒，以便机顶盒将与呈现节目标识相对应的节目内容呈现给用户。

此时，用户可观看到相关度最大的节目信息，同时还可在叠加的匹配列表中进行个性化选择。相关处理可如图4所示。

步骤511，若不能从数据库中查询到与用户指示信息相关联的匹配信息，则前端服务器将预先设定的推荐节目标识作为呈现节目标识发送给业务服务器。

步骤512，业务服务器将与呈现节目标识相对应的节目内容提供给机顶盒，以便机顶盒将该节目内容提供给用户。

从而在没有检索到匹配信息时，为用户提供预先设定的节目内容。

本发明通过结合用户的视觉场景进行智能控制，可应用于视觉搜索与自然语言理解技术相结合的信息服务产品中。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (8)

1.一种基于语音识别的信息搜索方法，其特征在于，包括：

前端感知设备在获得用户语音信息后，将用户语音信息发送给前端服务器；

前端服务器在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息；

前端服务器获取前端感知设备当前呈现给用户的页面信息；

前端服务器从所述页面信息中提取出关键词组，以生成语义集合；

前端服务器判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值；

若在语义集合中存在匹配信息，则前端服务器向业务服务器发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识；

业务服务器在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。

2.根据权利要求1所述的方法，其特征在于，

前端服务器向业务服务器发送呈现信息标识的步骤后，还包括：

前端服务器还将匹配列表信息发送给前端感知设备，其中匹配列表信息中包括全部匹配信息，以便前端感知设备将全部匹配信息呈现给用户；

当用户在呈现的全部匹配信息中选择一个匹配信息时，前端感知设备向业务服务器发送切换信息标识，其中切换信息标识是与用户选择的匹配信息相对应的信息标识；

业务服务器在接收到切换信息标识后，将与切换信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与切换信息标识相对应的信息内容呈现给用户。

3.根据权利要求1所述的方法，其特征在于，

若在语义集合中不存在匹配信息，则前端服务器判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息；

若能够从数据库中查询到与用户指示信息相关联的匹配信息，则前端服务器执行向业务服务器发送呈现信息标识的步骤。

4.根据权利要求3所述的方法，其特征在于，

若不能从数据库中查询到与用户指示信息相关联的匹配信息，则前端服务器将预先设定的推荐信息标识作为呈现信息标识发送给业务服务器。

5.一种基于语音识别的信息搜索系统，其特征在于，包括前端感知设备、前端服务器和业务服务器，其中：

前端感知设备，用于在获得用户语音信息后，将用户语音信息发送给前端服务器；

前端服务器，用于在接收到用户语音信息后，对用户语音信息进行识别以提取出用户指示信息；获取前端感知设备当前呈现给用户的页面信息；从所述页面信息中提取出关键词组，以生成语义集合；判断在语义集合中是否存在与用户指示信息相关联的匹配信息，其中匹配信息与用户指示信息之间的相关度大于预定阈值；若在语义集合中存在匹配信息，则向业务服务器发送呈现信息标识，其中呈现信息标识是与具有最大相关度的匹配信息相对应的信息标识；

业务服务器，用于在接收到呈现信息标识后，将与呈现信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与呈现信息标识相对应的信息内容呈现给用户。

6.根据权利要求5所述的系统，其特征在于，

前端服务器还用于在向业务服务器发送呈现信息标识后，将匹配列表信息发送给前端感知设备，其中匹配列表信息中包括全部匹配信息，以便前端感知设备将全部匹配信息呈现给用户；

前端感知设备还用于当用户在呈现的全部匹配信息中选择一个匹配信息时，向业务服务器发送切换信息标识，其中切换信息标识是与用户选择的匹配信息相对应的信息标识；

业务服务器还用于在接收到切换信息标识后，将与切换信息标识相对应的信息内容提供给前端感知设备，以便前端感知设备将与切换信息标识相对应的信息内容呈现给用户。

7.根据权利要求5所述的系统，其特征在于，

前端服务器还用于在语义集合中不存在匹配信息时，判断是否能够从数据库中查询到与用户指示信息相关联的匹配信息；若能够从数据库中查询到与用户指示信息相关联的匹配信息，则执行向业务服务器发送呈现信息标识的操作。

8.根据权利要求7所述的系统，其特征在于，

前端服务器还用于在不能从数据库中查询到与用户指示信息相关联的匹配信息时，将预先设定的推荐信息标识作为呈现信息标识发送给业务服务器。