CN108417227B - 基于语音的资源配置方法及系统 - Google Patents
基于语音的资源配置方法及系统 Download PDFInfo
- Publication number
- CN108417227B CN108417227B CN201810145892.2A CN201810145892A CN108417227B CN 108417227 B CN108417227 B CN 108417227B CN 201810145892 A CN201810145892 A CN 201810145892A CN 108417227 B CN108417227 B CN 108417227B
- Authority
- CN
- China
- Prior art keywords
- information
- type
- resource distribution
- voice input
- input content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013468 resource allocation Methods 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 226
- 230000008451 emotion Effects 0.000 claims abstract description 165
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 17
- 230000001755 vocal effect Effects 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 20
- 230000008901 benefit Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 241001201614 Prays Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000035824 paresthesia Diseases 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0208—Trade or exchange of goods or services in exchange for incentives or rewards
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Child & Adolescent Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于语音的资源配置方法及系统,涉及电子信息领域,该方法包括:接收并分析用于资源配置活动的语音输入内容;根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型;根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率;根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。根据该方法,能够充分地结合用户输入的语音内容的情感语意来为用户分配资源,从而丰富了资源配置活动的配置方式,活跃了资源配置时的气氛,用户体验较高。
Description
技术领域
本发明涉及电子信息领域,具体涉及一种基于语音的资源配置方法及系统。
背景技术
随着科技的发展,出现了许多类似于抽奖领红包等资源配置活动。在抽奖领红包的业务场景中,为了提升娱乐性,用户可以通过如下方式抽取语音红包:首先,由红包发起者提供具有文字形式的语音口令的语音红包;然后,抽奖用户在手机等客户端输入与该语音口令相对应的语音内容;最后,通过分析抽奖用户输入的语音内容是否与语音口令匹配来确定该抽奖用户是否能够领取红包。例如,在分析过程中,直接对用户输入的语音内容进行文字识别,并根据文字识别结果和语音口令是否匹配来决定抽奖用户是否能够领取红包。
但是,发明人在实现本发明的过程中,发现在现有技术中至少存在如下问题:现有的语音红包仅根据用户输入的语音内容所对应的文字识别结果确定抽奖用户能否领取红包,而并未考虑其他因素,因此,红包领取方式较为单调,无法更好地区分各类用户,导致用户体验也不高。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于语音的资源配置方法及系统。
根据本发明的一个方面,提供了一种基于语音的资源配置方法,包括:接收并分析用于资源配置活动的语音输入内容;根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型;根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率;根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。
可选地,所述根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型的步骤具体包括:
根据分析结果确定所述语音输入内容的语调特征和/或所述语音输入内容中包含的类型特征词;
根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型。
可选地,所述根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型的步骤具体包括:
根据预设的与各种信息类型相对应的类型特征词库确定与所述语音输入内容相对应的情感语意信息的信息类型;和/或,
根据预设的机器学习模型确定与所述语音输入内容相对应的情感语意信息的信息类型。
可选地,所述情感语意信息的信息类型包括:情感维度信息类型和/或语意维度信息类型;
其中,所述情感维度信息类型包括以下中的至少一个:激动类型、平淡类型、沮丧类型、以及气愤类型;所述语意维度信息类型包括以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
可选地,所述预设的资源配置活动的匹配规则包括:根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
可选地,所述预设的资源配置活动的匹配规则包括:
根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
可选地,所述根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型的步骤具体包括:
结合与所述语音输入内容相对应的用户属性信息,确定与所述语音输入内容相对应的情感语意信息的信息类型;
其中,所述用户属性信息包括以下中的至少一个:与所述语音输入内容相对应的分贝属性、时长属性、声纹属性、语义属性、地理位置属性、账户属性、时间属性、以及生理特征属性。
可选地,所述与所述语音输入内容相对应的用户属性信息包括:预设属性信息和/或自定义属性信息;
其中,所述预设属性信息包括:预先确定的与资源配置概率相关的用户属性信息;所述自定义属性信息包括:根据接收到的自定义设置请求确定的用户属性信息。
可选地,所述接收并分析用于抽奖的语音输入内容的步骤之前,进一步包括:根据接收到的资源配置人数设置请求确定资源配置人数;
其中,当资源配置人数为多个时,所述根据所述中奖概率确定与所述语音输入内容相对应的用户是否中奖的步骤具体包括:
当确定与所述语音输入内容相对应的用户中奖时,进一步确定该用户的资源配置金额和/或资源配置比例;
其中,该用户的中奖金额和/或中奖比例根据随机分配规则、平均分配规则和/或由所述资源配置活动的匹配规则得到的资源配置概率确定。
根据本发明的另一方面,提供了一种基于语音的资源配置系统,包括:接收模块,适于接收并分析用于资源配置活动的语音输入内容;第一确定模块,适于根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型;第二确定模块,根据预设的资源配置活动的匹配规则,确定与所述情感语意信息的信息类型相对应的资源配置概率;第三确定模块,适于根据资源配置概率确定是否为所述语音输入内容相对应的用户配置资源。
可选地,所述第一确定模块具体适于:
根据分析结果确定所述语音输入内容的语调特征和/或所述语音输入内容中包含的类型特征词;
根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型。
可选地,所述第一确定模块具体适于:
根据预设的与各种信息类型相对应的类型特征词库确定与所述语音输入内容相对应的情感语意信息的信息类型;和/或,
根据预设的机器学习模型确定与所述语音输入内容相对应的情感语意信息的信息类型。
可选地,所述情感语意信息的信息类型包括:情感维度信息类型和/或语意维度信息类型;
其中,所述情感维度信息类型包括以下中的至少一个:激动类型、平淡类型、沮丧类型、以及气愤类型;所述语意维度信息类型包括以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
可选地,所述预设的资源配置活动的匹配规则包括:根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
可选地,所述预设的资源配置活动的匹配规则包括:
根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
可选地,所述第一确定模块具体适于:
结合与所述语音输入内容相对应的用户属性信息,确定与所述语音输入内容相对应的情感语意信息的信息类型;
其中,所述用户属性信息包括以下中的至少一个:与所述语音输入内容相对应的分贝属性、时长属性、声纹属性、语义属性、地理位置属性、账户属性、时间属性、以及生理特征属性。
可选地,所述与所述语音输入内容相对应的用户属性信息包括:预设属性信息和/或自定义属性信息;
其中,所述预设属性信息包括:预先确定的与资源配置概率相关的用户属性信息;所述自定义属性信息包括:根据接收到的自定义设置请求确定的用户属性信息。
可选地,所述系统进一步包括第四确定模块,适于根据接收到的资源配置人数设置请求确定资源配置人数;
其中,当资源配置人数为多个时,所述第三确定模块具体适于:
当确定与所述语音输入内容相对应的用户中奖时,进一步确定该用户的资源配置金额和/或资源配置比例;
其中,该用户的中奖金额和/或中奖比例根据随机分配规则、平均分配规则和/或由所述资源配置活动的匹配规则得到的资源配置概率确定。
依据本发明的再一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上述的基于语音的资源配置方法对应的操作。
依据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述的基于语音的资源配置方法对应的操作。
根据本发明提供的基于语音的资源配置方法及系统,通过接收并分析用于资源配置活动的语音输入内容,根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型,然后根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率,最后根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。根据该方法,能够充分地结合用户输入的语音内容的情感语意来为用户分配资源,而不是简单地根据用户输入的语音和预设的文字的匹配程度来确定是否为其分配资源,从而丰富了资源配置活动的配置方式,能够更好地区分各类用户,活跃了资源配置时的气氛,用户体验较高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例一提供的一种基于语音的资源配置方法的流程图;
图2示出了本发明实施例二提供的一种基于语音的资源配置方法的流程图;
图3示出了本发明实施例三提供的一种基于语音的资源配置系统的结构图;
图4示出了本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的一种基于语音的资源配置方法的流程图。如图1所示,该方法包括:
步骤S110:接收并分析用于资源配置活动的语音输入内容。
其中,资源配置活动所配置的资源可以为优惠券、现金、电子券、商品兑换码等各种资源。当进行资源配置时,可以针对该资源配置活动设置关键词,然后用户根据上述关键词输入语音来抽取配置的资源。当用户输入与关键词相关的语音之后,接收并分析用于资源配置活动的语音输入内容。
步骤S120:根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型。
其中,情感语意信息的类型包括但不限于以下中的一种:情感维度信息类型和/或语意维度信息类型。进一步地,情感维度信息类型包括但不限于以下中的一种:激动类型、平淡类型、沮丧类型、以及气愤类型;语意维度信息类型包括但不限于以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
具体地,可以通过提取用于资源配置活动的语音输入内容中的语调特征或者类型特征词,并对其进行分析来确定与语音输入内容相对应的情感语意信息的信息类型;还可以运用机器学习模型来确定与语音输入内容相对应的情感语意信息的信息类型。除了上述方式外,还可以根据其它的方式来确定与语音输入内容相对应的情感语意信息的信息类型。在根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型时,还可以结合与上述语音输入内容相对应的用户属性,比如分贝属性、声纹属性、生理特征属性来更加综合并精确地确定与语音输入内容相对应的情感语意信息的信息类型。
步骤S130:根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率。
具体地,上述匹配规则可以为根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系;或者可以根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。另外,还可以根据情感语意信息的每种信息类型与资源配置结果之间的关联关系设置资源活动的匹配规则,除了上述匹配规则外,还可以根据其它预设的资源配置活动的匹配规则,来确定与情感语意信息的信息类型相对应的资源配置概率。
步骤S140:根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。
其中,根据资源配置概率确定是否为语音输入内容相对应的用户配置资源实质上就是根据资源配置概率确定与语音输入内容相对应的用户是否中奖。具体地,在确定是否为语音输入内容相对应的用户配置资源时,可以根据奖品的数量和类型优先筛选资源配置概率高的用户为中奖用户并为其分配资源,然后再根据所分配资源的数量依次筛选资源配置概率低的用户为中奖用户并为其分配资源,还可以根据其它的方法来根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。
根据本实施例提供的基于语音的资源配置方法,通过接收并分析用于资源配置活动的语音输入内容,根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型,然后根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率,最后根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。根据该方法,能够充分地结合用户输入的语音内容的情感语意来为用户分配资源,而不是简单地根据用户输入的语音和预设的文字的匹配程度来确定是否为其分配资源,从而丰富了资源配置活动的配置方式,能够更好地区分各类用户,活跃了资源配置时的气氛,用户体验较高。
图2示出了本发明实施例二提供的一种基于语音的资源配置方法的流程图。如图2所示,该方法包括:
步骤S210:根据接收到的资源配置人数设置请求确定资源配置人数。
具体地,可以根据资源配置活动所提供的资源数量来确定资源配置人数,可以为1个也可以为多个。资源配置活动举办者可以通过预设的资源配置人数设置请求入口发送资源配置人数设置请求,在发送上述请求之后,接收该请求并根据接收到的资源配置人数设置请求确定资源配置人数。
另外,在本步骤中,除了预先确定资源配置人数外,还可以进一步确定资源配置类型以及资源配置总量等相关信息。其中,资源配置类型可以包括:优惠券、现金、代金券等多种类型。
步骤S220:接收并分析用于资源配置活动的语音输入内容。
其中,资源配置活动所配置的资源可以为优惠券、现金、电子券、商品兑换码等各种资源。当进行资源配置时,可以针对该资源配置活动设置关键词,然后用户根据上述关键词输入语音来获取配置的资源。当用户输入与关键词相关的语音之后,接收并分析用于资源配置活动的语音输入内容。
在接收并分析用于资源配置活动的语音输入内容之后,根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型。具体地,可以通过执行步骤S230~步骤S240中的内容来实现。
步骤S230:根据分析结果确定语音输入内容的语调特征和/或语音输入内容中包含的类型特征词。
其中,上述语调特征可以为根据发音特征以及声调特征来确定的比如为升调、降调、平调等语调特征。上述语音输入内容中包含的类型特征词可以为类似于“吗”“呀”“啊”等表示语气的特征词或者为“真的”“很”“非常”等表示程度的特征词,或者为“不”“不可能”等表示否定类型的特征词,还可以为“请”“能不能”等表示祈求类型的特征词等,在此不一一类述。
步骤S240:根据语调特征和/或类型特征词确定与语音输入内容相对应的情感语意信息的信息类型。
其中,情感语意信息的类型包括:情感维度信息类型和/或语意维度信息类型。进一步地,情感维度信息类型包括但不限于以下中的一种:激动类型、平淡类型、沮丧类型、以及气愤类型;语意维度信息类型包括但不限于以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
根据语调特征来确定与语音输入内容相对应的情感语意信息的信息类型时,可以根据语言的发音规律来确定与语音输入内容相对应的情感语意信息的信息类型,比如当发出的语音的语调较高时,通常为情感维度信息中的激动类型、气愤类型或者为语义维度类型中的疑问句型,当输入的语音的语调较低时,通常为情感维度属性信息中的沮丧类型或者语意维度属性信息中的否定类型。除了上述示例性的根据语调来确定与语音输入内容相对应的情感语意信息的信息类型外,还可以根据其它的语调来确定与语音输入内容相对应的情感语意信息的信息类型,在此不再一一类述。
根据类型特征词确定与上述语音输入内容相对应的情感语意信息类型时,可以根据预设的与各种信息类型相对应的类型特征词库确定与语音输入内容相对应的情感语意信息的信息类型。其中预设的类型特征词库用于储存与各种信息类型相对应的类型特征词,该类型特征词库可以设置为表格的形式,还可以设置为其它的形式。通过查询类型特征词库,然后根据类型特征词与情感语意信息的信息类型之间的对应关系,确定与语音输入内容相对应的情感语意信息的信息类型。比如如果用户输入的语音内容包含类似“吗”这样的类型特征词,通过查询类型特征词库可以确定与该语音输入内容相对应的情感语意信息的信息类型为语意维度信息类型中的疑问类型,如果用户输入的语音内容包含“呀”“啊”“啦”“呢”等类型特征词,则可以通过查询类型特征词库,并根据类型特征词与情感语意信息的信息类型之间的对应关系可以确定与语音输入内容相对应的情感语意信息的信息类型为语意维度信息类型中的“感叹类型”,又如如果用户输入的语音内容包含“真的”“很”“太”“激动”等类型特征词,则可以通过查询类型特征词库,并根据类型特征词与情感语意信息的信息类型之间的对应关系确定与语音输入内容相对应的情感语意信息的信息类型为情感维度信息类型中的“激动类型”,关于根据用户输入的语音内容包含的其它的“类型特征词”并根据预设的与各种信息类型相对应的类型特征词库确定与语音输入内容相对应的其它的情感语意信息的信息类型的方式类似,在此不再一一类述。
另外,根据语调特征和/或类型特征词确定与语音输入内容相对应的情感语意信息的信息类型还可以根据预设的机器学习模型确定与语音输入内容相对应的情感语意信息的信息类型。具体地,可以预先根据多个语音输入内容样本采集到的情感语意信息的信息类型数据训练信息类型识别模型,然后在资源配置活动中,将接收到的各个语音输入内容提供给信息类型识别模型;并根据信息类型识别模型输出的结果确定与各个语音输入内容相对应的情感语意信息的信息类型。
除了根据上述方式来根据分析结果确定与上述语音输入内容相对应的情感语意信息的信息类型外,还可以结合与语音输入内容相对应的用户属性信息,来确定与语音输入内容相对应的情感语意信息的信息类型;其中,上述用户属性信息包括以下中的至少一个:与语音输入内容相对应的分贝属性、时长属性、声纹属性、语义属性、地理位置属性、账户属性、时间属性、以及生理特征属性。比如结合用户属性信息中的生理特征属性中的心跳属性,呼吸属性、血压属性、以及脑波属性,当与语音输入内容相对应的心跳较快、呼吸较急促和/或脑波较活跃时,则可以确定与上述语音输入内容相对应的情感语意信息的信息类型为情感维度信息类型中的“激动类型”。
进一步地,上述与语音输入内容相对应的用户属性信息包括:预设属性信息和/或自定义属性信息;
其中,所述预设属性信息包括:预先确定的与资源配置概率相关的用户属性信息;上述自定义属性信息包括:根据接收到的自定义设置请求确定的用户属性信息。可以根据预设属性设置规则,将与资源配置概率相关的第一类用户属性确定为预设属性信息,或者将接收到的自定义设置请求中包含的第二类用户属性确定为自定义属性信息。具体地,上述第一类用户属性是指预先设定的通用于所有资源配置过程中的用户属性信息,比如可以包括:分贝属性、情感属性、生理特征属性等;第二类用户属性指可以根据商家的业务需要或者自己的自身需求以及兴趣偏好来自定义设置的用户属性信息,比如针对地理位置属性等,可以根据业务需要或者其它的理由指定特定地区的人抽奖的概率大一些;针对声纹属性,可以根据自己的爱好指定用户声纹像某个明星的声纹,比如像刘德华的声纹的用户的中奖的概率高一些;针对其它的某用户属性,也可以根据业务需要和自己的偏好来设置中奖率高的该用户属性的具体类型。当进行抽奖时,如果需要设置自定义属性信息,可以通过资源配置活动的设置页面所包含的自定义设置入口发送。
在一个具体示例中,可以预先设置地理位置属性以及时间属性与情感语意信息的信息类型之间的对应关系:例如,基于东北人民较为奔放,而南方人民较为含蓄等特点,可以假设东北地区的用户对应的情感语意信息的信息类型为“激动类型”的概率高于南方地区的用户对应的情感语意信息的信息类型为“激动类型”的概率。又如,基于上午时段精力较为充沛,而下午晚上时段较为疲惫的特点,可以假设上午的用户对应的情感语意信息的信息类型为“激动类型”的概率高于下午的用户对应的情感语意信息的信息类型为“激动类型”的概率。具体实施时,可以在信息类型识别模型中增加与上述用户属性信息相关的识别规则,例如,可以分别针对各个用户属性信息设置对应的权重值,以便使较为重要的用户属性信息的分类效果更强。
步骤S250:根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率。
在根据语调特征和/或类型特征词确定与语音输入内容相对应的情感语意信息的信息类型之后,根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率。具体地,上述预设的资源配置活动的匹配规则包括:根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。上述的匹配规则更适用于实时进行资源配置的场景。其中,业务属性是指结合业务目标、业务类型、业务时间等确定的与资源配置活动有关的业务属性信息。业务属性比如可以为愚人节期间的恶搞类业务、情人节期间的表白类业务、儿童节期间的童真类业务等。在本实施例中以恶搞类业务、情人节期间的表白类业务等业务属性为示例来说明根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系的具体步骤。比如当为愚人节的恶搞类业务,可以根据业务属性设置当输入的语音声音越大或者越激动、越活跃,该语音输入内容相对应的用户的资源配置概率越大;根据上述设置则可以确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。比如针对情感维度信息类型中的激动类型,可以确定激动类型所对应的资源配置概率较大,并且越激动其资源配置概率越大;针对平淡类型所对应的资源配置概率,可以确定平淡类型所对应的资源配置概率较小,并且越平淡其资源配置概率越小;针对语意维度信息类型中的肯定类型,可以确定肯定类型所对应的资源配置概率较大,另外还可结合用户属性信息中的分贝属性、生理特征属性等来确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率的映射关系。当为情人节的表白类业务时,可以根据业务属性设置当输入的语音越深情,感情越饱满,越肯定该语音输入内容相对应的用户的资源配置概率越大;根据上述设置则可以确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。比如针对语义维度信息类型中的“肯定类型”,可以确定肯定类型所对应的资源配置概率较大,并且越肯定其资源配置概率越大;比如预先设置的资源配置活动的语音关键词为“小红我爱你”,则语音输入内容为“小红我真的真的很爱你啊”时的资源配置的概率大于“小红我爱你”时的资源配置概率;针对语义维度信息类型中的否定类型可以确定其所对应的资源配置概率较小,并且越否定,其资源配置概率越小,比如语音输入内容为“小红我真的不爱你啊”所对应的资源配置概率小于语音输入内容为“小红我不爱你”“小红我爱你”所对应的资源配置概率。除了上述根据示例性的业务属性确定示例性的信息类型与该种信息类型所对应的资源配置概率之间的映射关系外,还可以根据其它的业务属性确定其它的信息类型与该种信息类型所对应的资源配置概率之间的映射关系,在此不再一一叙述。
可选地,上述预设的资源配置活动的匹配规则还可以包括:根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。其中,情感语意信息的每种信息类型所对应的用户分布情况可以指情感语意信息的每种信息类型所对应的用户的人数或者占总的用户数量的百分比。该预设的资源配置活动的匹配规则更加适用于延时性或者定时性的资源配置活动。比如,固定在每天的11点钟举办某种资源配置活动,然后在11点分配资源时,可以预先统计每种信息类型的用户所占的比例,然后根据该资源配置活动所设置的资源配置人数以及资源配置比例来动态地确定每种信息类型所对应的中奖概率。比如在分配资源时,如果统计出来激动类型所对应的用户、感叹类型所对应的用户在所有用户中所占的百分比最少,并且该资源配置活动所设置的奖品较少并且比较贵重,则可以更多地在激动类型或者感叹类型里所对应的用户里选择为其配置资源的用户;这样可以将激动类型或者感叹类型所对应的资源配置概率设置的大一些;又如如果统计出来各种信息类型所对应的用户分布比较均匀,并且该资源配置活动所设置的配置人数比较多,则可以根据信息类型的总数均匀地设置每种信息类型与该种信息类型所对应的资源配置概率。根据上述方式来设置资源配置活动的匹配规则,能够根据各种信息类型所对应的用户的数量、占比以及资源配置活动所设置的资源配置人数以及资源配置比例来动态地确定每种信息类型所对应的中奖概率,更加的灵活。
另外,除了上述类型的匹配规则外,还可以根据情感语意信息的每种信息类型与资源配置结果之间的关联关系设置资源活动的匹配规则。
步骤S260:根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。
具体地,可以根据情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率,以及每种信息类型所占的权重值确定各个用户的语音输入内容的情感语意信息相对应的总概率值,然后根据上述总概率值确定是否为所述语音输入内容相对应的用户是配置资源。可选地,还可以根据上述资源匹配规则,对上述情感语意信息的每种信息类型与该种信息类型的属性值进行加权,得到总分值;并根据上述总分值确定与上述各种信息类型的属性值相对应的资源配置匹配结果,最后根据上述资源配置匹配结果确定是否为语音输入内容相对应的用户是配置资源。
另外,当在步骤S210中确认资源配置人数为1个时,可以直接为语音输入内容的情感语意信息相对应的总概率值最大的用户分配所有资源。如果步骤S210中确认资源配置人数为多个,可以根据奖品的数量和类型优先筛选总概率值高的用户为中奖用户并为其分配资源,然后再根据所分配资源的数量依次筛选总概率值低的用户为中奖用户并为其分配资源。具体分配资源时,进一步确定该用户的资源配置金额和/或资源配置比例;其中该用户的中奖金额和/或中奖比例可以根据随机分配规则、平均分配规则和/或由所述资源配置活动的匹配规则得到的资源配置概率确定。当上述中奖金额和/或中奖比例由资源配置概率确定时,中奖金额和/或中奖比例可以与资源配置概率成正比,也可以根据其它的计算方式来确定。
根据本实施例提供的基于语音的资源配置方法,首先根据接收到的资源配置人数设置请求确定资源配置人数,接收并分析用于资源配置活动的语音输入内容,然后根据分析结果确定语音输入内容的语调特征和/或语音输入内容中包含的类型特征词,并且根据语调特征和/或类型特征词确定与语音输入内容相对应的情感语意信息的信息类型;然后根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率,最后根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。根据该方法,能够充分地结合用户输入的语音内容的情感语意来为用户分配资源,而不是简单地根据用户输入的语音和预设的文字的匹配程度来确定是否为其分配资源,从而丰富了资源配置活动的配置方式,活跃了资源配置时的气氛,用户体验较高。
另外,在本实施例中,当情感语意信息的信息类型进一步包括情感维度信息类型以及语意维度信息类型两种时,可以分别配置与每种情感维度信息类型以及每种语意维度信息类型相对应的资源配置概率,以便将情感维度信息类型与语意维度信息类型分别考虑。例如,有些语音输入内容适于分析情感维度信息类型的分析结果,则通过情感维度信息类型所对应的资源配置概率为其分配资源;有些语音输入内容适于分析语意维度信息类型的分析结果,则通过语意维度信息类型所对应的资源配置概率为其分配资源。或者,也可以额外配置与各种情感维度信息类型以及各种语意维度信息类型的组合关系相对应的资源配置概率,以便将情感维度信息类型与语意维度信息类型结合考虑。例如,针对情感维度信息类型为“激动”类型且语意维度信息类型“感叹”类型的组合关系设置对应的第一资源配置概率;针对情感维度信息类型为“沮丧”类型且语意维度信息类型“疑问”类型的组合关系设置对应的第二资源配置概率等。除此之外,还可以为情感维度信息类型和语意维度信息类型设置不同的类型权重,从而根据加权结果确定语音输入内容的综合得分,并根据综合得分的区间范围确定对应的资源配置概率。总之,本发明不限定信息类型与资源配置概率之间的具体对应关系。
实施例三
图3示出了本发明实施例三提供的一种基于语音的资源配置系统的结构示意图,该系统包括:
接收模块32,适于接收并分析用于资源配置活动的语音输入内容;
第一确定模块33,适于根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型;
第二确定模块34,根据预设的资源配置活动的匹配规则,确定与所述情感语意信息的信息类型相对应的资源配置概率;
第三确定模块35,适于根据资源配置概率确定是否为所述语音输入内容相对应的用户配置资源。
可选地,其中,所述第一确定模块33具体适于:
根据分析结果确定所述语音输入内容的语调特征和/或所述语音输入内容中包含的类型特征词;
根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型。
可选地,其中,所述第一确定模块33具体适于:
根据预设的与各种信息类型相对应的类型特征词库确定与所述语音输入内容相对应的情感语意信息的信息类型;和/或,
根据预设的机器学习模型确定与所述语音输入内容相对应的情感语意信息的信息类型。
可选地,其中,所述情感语意信息的信息类型包括:情感维度信息类型和/或语意维度信息类型;
其中,所述情感维度信息类型包括以下中的至少一个:激动类型、平淡类型、沮丧类型、以及气愤类型;所述语意维度信息类型包括以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
可选地,其中,所述预设的资源配置活动的匹配规则包括:根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
可选地,其中,所述预设的资源配置活动的匹配规则包括:
根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
可选地,其中,所述第一确定模块33具体适于:
结合与所述语音输入内容相对应的用户属性信息,确定与所述语音输入内容相对应的情感语意信息的信息类型;
其中,所述用户属性信息包括以下中的至少一个:与所述语音输入内容相对应的分贝属性、时长属性、声纹属性、语义属性、地理位置属性、账户属性、时间属性、以及生理特征属性。
可选地,其中,所述与所述语音输入内容相对应的用户属性信息包括:预设属性信息和/或自定义属性信息;
其中,所述预设属性信息包括:预先确定的与资源配置概率相关的用户属性信息;所述自定义属性信息包括:根据接收到的自定义设置请求确定的用户属性信息。
可选地,其中,所述系统进一步包括第四确定模块31,适于根据接收到的资源配置人数设置请求确定资源配置人数;
其中,当资源配置人数为多个时,所述第三确定模块35具体适于:
当确定与所述语音输入内容相对应的用户中奖时,进一步确定该用户的资源配置金额和/或资源配置比例;
其中,该用户的中奖金额和/或中奖比例根据随机分配规则、平均分配规则和/或由所述资源配置活动的匹配规则得到的资源配置概率确定。
关于上述各个模块的具体结构和工作原理可参照方法实施例中相应部分的描述,此处不再赘述。
实施例四
本申请实施例四提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于语音的资源配置方法。
可执行指令具体可以用于使得处理器执行以下操作:
接收并分析用于资源配置活动的语音输入内容;
根据分析结果确定与语音输入内容相对应的情感语意信息的信息类型;
根据预设的资源配置活动的匹配规则,确定与情感语意信息的信息类型相对应的资源配置概率;
根据资源配置概率确定是否为语音输入内容相对应的用户配置资源。
实施例五
图4示出了根据本发明实施例五的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示,该电子设备可以包括:处理器(processor)402、通信接口(Communications Interface)406、存储器(memory)404、以及通信总线408。
其中:
处理器402、通信接口406、以及存储器404通过通信总线408完成相互间的通信。
通信接口406,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述基于语音的资源配置方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器404,用于存放程序410。存储器404可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:
接收并分析用于资源配置活动的语音输入内容;
根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型;
根据预设的资源配置活动的匹配规则,确定与所述情感语意信息的信息类型相对应的资源配置概率;
根据资源配置概率确定是否为所述语音输入内容相对应的用户配置资源。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于语音输入信息的抽奖系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (18)
1.一种基于语音的资源配置方法,包括:
接收并分析用于资源配置活动的语音输入内容;
根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型;其中,所述情感语意信息的信息类型包括情感维度信息类型以及语意维度信息类型,配置与各种情感维度信息类型以及各种语意维度信息类型的组合关系相对应的资源配置概率,以将情感维度信息类型与语意维度信息类型结合考虑;
根据预设的资源配置活动的匹配规则,确定与所述情感语意信息的信息类型相对应的资源配置概率;其中,所述预设的资源配置活动的匹配规则包括:根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系;
根据资源配置概率确定是否为所述语音输入内容相对应的用户配置资源。
2.根据权利要求1所述的方法,其中,所述根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型的步骤具体包括:
根据分析结果确定所述语音输入内容的语调特征和/或所述语音输入内容中包含的类型特征词;
根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型。
3.根据权利要求2所述的方法,其中,所述根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型的步骤具体包括:
根据预设的与各种信息类型相对应的类型特征词库确定与所述语音输入内容相对应的情感语意信息的信息类型;和/或,
根据预设的机器学习模型确定与所述语音输入内容相对应的情感语意信息的信息类型。
4.根据权利要求1所述的方法,其中,所述情感维度信息类型包括以下中的至少一个:激动类型、平淡类型、沮丧类型、以及气愤类型;所述语意维度信息类型包括以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
5.根据权利要求1所述的方法,其中,所述预设的资源配置活动的匹配规则包括:根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
6.根据权利要求1所述的方法,其中,所述根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型的步骤具体包括:
结合与所述语音输入内容相对应的用户属性信息,确定与所述语音输入内容相对应的情感语意信息的信息类型;
其中,所述用户属性信息包括以下中的至少一个:与所述语音输入内容相对应的分贝属性、时长属性、声纹属性、语义属性、地理位置属性、账户属性、时间属性、以及生理特征属性。
7.根据权利要求6所述的方法,其中,所述与所述语音输入内容相对应的用户属性信息包括:预设属性信息和/或自定义属性信息;
其中,所述预设属性信息包括:预先确定的与资源配置概率相关的用户属性信息;所述自定义属性信息包括:根据接收到的自定义设置请求确定的用户属性信息。
8.根据权利要求1-7任一所述的方法,其中,所述接收并分析用于抽奖的语音输入内容的步骤之前,进一步包括:根据接收到的资源配置人数设置请求确定资源配置人数;
其中,当资源配置人数为多个时,所述根据资源配置概率确定是否为所述语音输入内容相对应的用户配置资源的步骤具体包括:
当确定与所述语音输入内容相对应的用户中奖时,进一步确定该用户的资源配置金额和/或资源配置比例;
其中,该用户的中奖金额和/或中奖比例根据随机分配规则、平均分配规则和/或由所述资源配置活动的匹配规则得到的资源配置概率确定。
9.一种基于语音的资源配置系统,包括:
接收模块,适于接收并分析用于资源配置活动的语音输入内容;
第一确定模块,适于根据分析结果确定与所述语音输入内容相对应的情感语意信息的信息类型;其中,所述情感语意信息的信息类型包括情感维度信息类型以及语意维度信息类型,配置与各种情感维度信息类型以及各种语意维度信息类型的组合关系相对应的资源配置概率,以将情感维度信息类型与语意维度信息类型结合考虑;
第二确定模块,根据预设的资源配置活动的匹配规则,确定与所述情感语意信息的信息类型相对应的资源配置概率;其中,所述预设的资源配置活动的匹配规则包括:根据情感语意信息的每种信息类型所对应的用户分布情况动态确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系;
第三确定模块,适于根据资源配置概率确定是否为所述语音输入内容相对应的用户配置资源。
10.根据权利要求9所述的系统,其中,所述第一确定模块具体适于:
根据分析结果确定所述语音输入内容的语调特征和/或所述语音输入内容中包含的类型特征词;
根据所述语调特征和/或类型特征词确定与所述语音输入内容相对应的情感语意信息的信息类型。
11.根据权利要求10所述的系统,其中,所述第一确定模块具体适于:
根据预设的与各种信息类型相对应的类型特征词库确定与所述语音输入内容相对应的情感语意信息的信息类型;和/或,
根据预设的机器学习模型确定与所述语音输入内容相对应的情感语意信息的信息类型。
12.根据权利要求9所述的系统,其中,所述情感维度信息类型包括以下中的至少一个:激动类型、平淡类型、沮丧类型、以及气愤类型;所述语意维度信息类型包括以下中的至少一个:疑问类型、肯定类型、否定类型、感叹类型、以及祈使类型。
13.根据权利要求9所述的系统,其中,所述预设的资源配置活动的匹配规则包括:根据业务属性预先确定情感语意信息的每种信息类型与该种信息类型所对应的资源配置概率之间的映射关系。
14.根据权利要求9所述的系统,其中,所述第一确定模块具体适于:
结合与所述语音输入内容相对应的用户属性信息,确定与所述语音输入内容相对应的情感语意信息的信息类型;
其中,所述用户属性信息包括以下中的至少一个:与所述语音输入内容相对应的分贝属性、时长属性、声纹属性、语义属性、地理位置属性、账户属性、时间属性、以及生理特征属性。
15.根据权利要求14所述的系统,其中,所述与所述语音输入内容相对应的用户属性信息包括:预设属性信息和/或自定义属性信息;
其中,所述预设属性信息包括:预先确定的与资源配置概率相关的用户属性信息;所述自定义属性信息包括:根据接收到的自定义设置请求确定的用户属性信息。
16.根据权利要求9-15任一所述的系统,其中,所述系统进一步包括第四确定模块,适于根据接收到的资源配置人数设置请求确定资源配置人数;
其中,当资源配置人数为多个时,所述第三确定模块具体适于:
当确定与所述语音输入内容相对应的用户中奖时,进一步确定该用户的资源配置金额和/或资源配置比例;
其中,该用户的中奖金额和/或中奖比例根据随机分配规则、平均分配规则和/或由所述资源配置活动的匹配规则得到的资源配置概率确定。
17.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-8中任一项所述的基于语音的资源配置方法对应的操作。
18.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-8中任一项所述的基于语音的资源配置方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810145892.2A CN108417227B (zh) | 2018-02-12 | 2018-02-12 | 基于语音的资源配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810145892.2A CN108417227B (zh) | 2018-02-12 | 2018-02-12 | 基于语音的资源配置方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108417227A CN108417227A (zh) | 2018-08-17 |
CN108417227B true CN108417227B (zh) | 2019-10-25 |
Family
ID=63128610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810145892.2A Active CN108417227B (zh) | 2018-02-12 | 2018-02-12 | 基于语音的资源配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108417227B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112312150B (zh) * | 2020-10-21 | 2022-07-29 | 深圳市声扬科技有限公司 | 直播信息处理方法、直播信息处理装置及电子设备 |
CN112652307A (zh) * | 2020-12-02 | 2021-04-13 | 北京博瑞彤芸科技股份有限公司 | 一种语音触发抽奖的方法、系统及电子设备 |
CN117892735A (zh) * | 2024-03-14 | 2024-04-16 | 中电科大数据研究院有限公司 | 一种基于深度学习的自然语言处理方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003016345A (ja) * | 2001-06-29 | 2003-01-17 | Nec Corp | ユーザの属性に応じた情報提供方法、情報提供システム及び情報提供プログラム |
US8460090B1 (en) * | 2012-01-20 | 2013-06-11 | Igt | Gaming system, gaming device, and method providing an estimated emotional state of a player based on the occurrence of one or more designated events |
CN103942247B (zh) * | 2014-02-25 | 2017-11-24 | 华为技术有限公司 | 多媒体资源的信息提供方法及装置 |
CN106874265B (zh) * | 2015-12-10 | 2021-11-26 | 深圳新创客电子科技有限公司 | 一种与用户情绪匹配的内容输出方法、电子设备及服务器 |
CN106534598A (zh) * | 2016-10-28 | 2017-03-22 | 广东亿迅科技有限公司 | 一种基于情感识别的呼叫平台排队系统及其实现方法 |
CN106683672B (zh) * | 2016-12-21 | 2020-04-03 | 竹间智能科技(上海)有限公司 | 一种基于情感和语义的智能对话方法及系统 |
CN106920092A (zh) * | 2016-12-23 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种虚拟资源分配方法、客户端及服务器 |
CN107393529A (zh) * | 2017-07-13 | 2017-11-24 | 珠海市魅族科技有限公司 | 语音识别方法、装置、终端及计算机可读存储介质 |
-
2018
- 2018-02-12 CN CN201810145892.2A patent/CN108417227B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108417227A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108551766B (zh) | 用于与服务提供者的会话建立的自然语言处理 | |
CN109360550B (zh) | 语音交互系统的测试方法、装置、设备和存储介质 | |
US7841940B2 (en) | Human test based on human conceptual capabilities | |
KR102100976B1 (ko) | 스택 데이터 구조 백그라운드의 디지털 어시스턴트 프로세싱 | |
CN108417227B (zh) | 基于语音的资源配置方法及系统 | |
JP6704937B2 (ja) | パケット化されたオーディオ信号の変調 | |
US20120079576A1 (en) | Authentication Method and Apparatus | |
US11935029B2 (en) | Classification by natural language grammar slots across domains | |
WO2015187584A1 (en) | Virtual assistant teams | |
CN107943914A (zh) | 语音信息处理方法和装置 | |
CN109767757A (zh) | 一种会议记录生成方法和装置 | |
CN106897896A (zh) | 一种优化广告投放和效果的方法及系统 | |
CN110544469A (zh) | 语音识别模型的训练方法及装置、存储介质、电子装置 | |
CN110428825A (zh) | 忽略流式媒体内容中的触发词 | |
CN108574850A (zh) | 一种直播资源分配方法、装置、电子设备及存储介质 | |
CN116560970A (zh) | 用于基于数字助理的应用的沉浸式基于web的模拟器 | |
US20220308987A1 (en) | Debugging applications for delivery via an application delivery server | |
McMillan et al. | Repurposing conversation: Experiments with the continuous speech stream | |
CN111356999B (zh) | 经由音频信号识别网络源 | |
CN107491991A (zh) | 基于晃动的人机识别方法及应用其的广告投放方法和系统 | |
CN113420213A (zh) | 儿童英语绘本的阅读推荐方法、设备及存储介质 | |
Zhao et al. | Association rules analysis between brand post characteristics and consumer engagement on social media | |
CN106600237A (zh) | 一种辅助记忆中医药书籍的方法和装置 | |
US10561947B1 (en) | Online trivia game system | |
CN109960807A (zh) | 一种基于上下文关联的智能语义匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |