CN108573696A - 一种语音识别方法、装置及设备 - Google Patents
一种语音识别方法、装置及设备 Download PDFInfo
- Publication number
- CN108573696A CN108573696A CN201710142458.4A CN201710142458A CN108573696A CN 108573696 A CN108573696 A CN 108573696A CN 201710142458 A CN201710142458 A CN 201710142458A CN 108573696 A CN108573696 A CN 108573696A
- Authority
- CN
- China
- Prior art keywords
- mars
- language model
- characters
- language
- voice
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012549 training Methods 0.000 claims description 56
- 238000006243 chemical reaction Methods 0.000 claims description 46
- 239000002131 composite material Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 229910052713 technetium Inorganic materials 0.000 description 1
- GKLVYJBZJHMRIY-UHFFFAOYSA-N technetium atom Chemical compound [Tc] GKLVYJBZJHMRIY-UHFFFAOYSA-N 0.000 description 1
- 230000001052 transient effect Effects 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
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
- G10L15/197—Probabilistic grammars, e.g. word n-grams
-
- 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
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及人机交互领域，公开了一种语音识别方法、装置及设备，以解决现有技术中将语音信息识别为火星文的效率低的技术问题。该方法包括：获得待识别语音；基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。达到了提高将待识别语音识别为火星文的效率的技术效果。
Description
技术领域
本发明涉及人机交互领域，尤其涉及一种语音识别方法、装置及设备。
背景技术
随着科学技术的不断发展，电子技术也得到了飞速的发展，电子产品的种类也越来越多，人们也享受到了科技发展带来的各种便利。现在人们可以通过各种类型的电子设备，享受随着科技发展带来的舒适生活。例如，智能手表、智能手机、平板电脑等电子设备已经成为人们生活中一个重要的组成部分，其可以包含各种功能。
通常情况下，电子设备都具备语音识别功能，可以基于语音识别功能识别出用户所输入的语音信息，例如：可以将用户所输入的语音信息转换为火星文输出，其中，在将用户所输入的语音信息识别为火星文输出时，需要先将语音信息转换为标准汉字，然后通过标准汉字与火星文的映射表，将标准汉字映射为火星文，故而存在着将语音信息识别为火星文的速度较慢的技术问题。
发明内容
本发明提供一种语音识别方法、装置及设备，以解决现有技术中将语音信息识别为火星文的效率低的技术问题。
第一方面，本发明实施例提供一种语音识别方法，包括：
获得待识别语音；
基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
结合第一方面，在第一种可选的实施例中，所述第一语言模型通过以下方式确定：
获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
结合第一方面的第一种可选的实施例，在第二种可选的实施例中，所述将所述第二语言模型中的预设类别的字符替换为对应的火星文，包括：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
结合第一方面，在第三种可选的实施例中，所述第一语言模型通过以下方式确定：
获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
结合第一方面或第一方面的第一至三种可选的实施例中的任意一种可选的实施例，在第四种可选的实施例中，所述基于第一语言模型从所述待识别语音中识别出第一火星文，包括：
从所述待识别语音中确定出至少一条火星文候选项；
将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
结合第一方面的第四种可选的实施例，在第五种可选的实施例中，所述基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文，包括：
基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
结合第一方面的第五种可选的实施例，在第六种可选的实施例中，所述确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文，包括：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
第二方面，本发明实施例提供一种语音识别装置，包括：
第一获得模块，用于获得待识别语音；
识别模块，用于基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
结合第二方面，在第一种可选的实施例中，所述装置还包括：
第二获得模块，用于获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
第三获得模块，用于获得所述预设类别的字符与所述火星文的转换关系表；
第一替换模块，用于基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
结合第二方面的第一种可选的实施例，在第二种可选的实施例中，所述第一替换模块，用于：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
结合第二方面，在第三种可选的实施例中，所述装置还包括：
第四获得模块，用于获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
第五获得模块，用于获得所述预设类别的字符与所述火星文的转换关系表；
第二替换模块，用于基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
训练模块，用于基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
结合第二方面或第二方面的第一至三种可选的实施例中的任意一种可选的实施例，在第四种可选的实施例中，所述识别模块，包括：
第一确定单元，用于从所述待识别语音中确定出至少一条火星文候选项；
划分单元，用于将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
第二确定单元，用于基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
第三确定单元，用于基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
结合第二方面的第四种可选的实施例，在第五种可选的实施例中，所述第三确定单元，包括：
第一确定子单元，用于基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
第二确定子单元，用于确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
结合第二方面的第五种可选的实施例，在第六种可选的实施例中，所述第二确定子单元，用于：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
第三方面，本发明实施例提供一种设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得待识别语音；
基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
结合第三方面，在第一种可选的实施例中，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
结合第三方面的第一种可选的实施例，在第二种可选的实施例中，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
结合第三方面，在第三种可选的实施例中，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
结合第三方面或第三方面的第一至三种可选的实施例中的任意一种可选的实施例，在第四种可选的实施例中，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
从所述待识别语音中确定出至少一条火星文候选项；
将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
结合第三方面的第四种可选的实施例，在第五种可选的实施例中，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
结合第三方面的第五种可选的实施例，在第六种可选的实施例中，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
本发明有益效果如下：
由于在本发明实施例中，在获得待识别语音之后，可以基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型，而不需要首先将待识别语音识别为标准汉字，然后进行转换，从而减少了将待识别语音识别为火星文的流程，由此达到了提高将待识别语音识别为火星文的效率的技术效果。
附图说明
图1为本发明实施例的语音识别方法的流程图；
图2为本发明实施例的语音识别装置的结构图；
图3为本发明实施例中实施语音识别方法的电子设备的结构图；
图4为本发明实施例中实施语音识别方法的服务器的结构图。
具体实施方式
本发明提供一种语音识别方法、装置及设备，以解决现有技术中将语音信息识别为火星文的效率低的技术问题。
本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：
在获得待识别语音之后，可以基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型，而不需要首先将待识别语音识别为标准汉字，然后进行转换，从而减少了将待识别语音识别为火星文的流程，由此达到了提高将待识别语音识别为火星文的效率的技术效果。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
第一方面，本发明实施例提供一种语音识别方法，请参考图1，包括：
步骤S101：获得待识别语音；
步骤S102:基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
举例来说，该方案可以应用于位于客户端的电子设备，例如：手机、平板电脑、笔记本电脑、一体机、台式机等等；该方案也可以应用于服务器，本发明实施例不作限制。
火星文指的是由符号、繁体字、日文、韩文、冷僻字或汉字拆分后的部分等非正规化文字符号组合而成，用来代替正常的句子。
步骤S101中，如果该方案应用于位于客户端的电子设备，可以由电子设备的麦克风接收用户产生的待识别语音；如果该方案应用于服务器，则可以先由位于客户端的电子设备通过麦克风接收待识别语音，然后由电子设备将待识别语音上传至服务器，服务器接收电子设备上传的待识别语音。
步骤S102中，第一语言模型可以通过多种方式获得，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。
第一种，所述第一语言模型通过以下方式确定：获得第二语言识别模型语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；获得所述预设类别的字符与所述火星文的转换关系表；基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
举例来说，预设类别的字符指的是与火星文的表达方式不同的字符，其例如为：标准汉字、英文等等，第二语言模型例如为：n-gram模型，当然还可以为其他语言模型，本发明实施例不作限制。其中，可以直接获取已有的第二语言模型，也可以获得用于训练第二语言模型的第二训练样本，然后通过语言模型训练，从而获得第二语言模型。第二语言模型中既包含单个字的词，又包含多个字的词，所以词与词之间可能出现包含关系，单个字的词会多次出现，例如：我、我的、我们、我是、我想、我会、我去都可能出现在第二语言模型的一元文法中。
在具体实施过程中，在获得转换关系表时，可以首先建立字对字的转换关系表，以预设类别的字符为标准汉字为例，则是先建立将标准汉字映射为火星文的转换关系表，其中，在该转换关系表中一个标准汉字可能会存在多个不同的火星文映射，例如：我→(涐，皒，硪，蛾)，的→(の，白勺，锝，ㄖㄅ)等。
然后通过字对字的转换关系表，建立词对词的转换关系表，基于第二语言模型的不同，则词对词的转换关系表所包含的内容也不同，例如：如果第二语言模型为一元识别模型，则可以分别确定与第二语言模型中的一元文法对应的火星文，从而建立词对词的对应关系表，如果第二语言模型为二元识别模型，则可以分别确定与第二语言模型的一元文法、二元文法都对应的火星文，从而建立词对词的对应关系表，例如：
例如：字对字的转换关系表包含：我→涐、的→の
则词对词的转换关系表中可以包含：我的→皒ㄖㄅ
其中，第二语言模型例如为：
1-grams：
-2.522091我-0.4599362
-3.616682的-0.2710813
-5.888154我的
……
2-grams:
-2.841684我的
……
3-grams:
-0.7579774我的心
……
对第二语言模型中的预设类别的字符进行替换，获得的第一语言模型例如为：
1-grams:
-2.522091涐-0.4599362
-3.616682の-0.2710813
-5.888154皒ㄖㄅ
……
2-grams:
-2.841684涐の
……
3-grams:
-0.7579774涐の吢
作为一种可选的实施例，所述将所述第二语言模型中的预设类别的字符替换为对应的火星文，包括：如果任意预设类别的字符存在对应的至少两个火星文；从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
举例来说，针对标准汉字“我”，其对应的火星文例如包括“涐”、“皒”等等，则可以在第二语言模型中的字符中包含“我”时，通过“我”所对应的任一火星文对其进行替换；其中，可以在建立词对词的转换关系表时，如果某一个词中所包含的字符对应多种火星文，就通过随机选择一火星文映射该字符，例如：针对词“我的”中的“我”可以通过“涐”进行替换，针对词“我们”中的“我”可以通过“皒”进行替换；在建立词对词的转换关系表时，如果某一个词中包含的字符对应多种火星文，则可以将多种火星文都映射到该字符，例如针对词“我的”，其可以映射以下几种火星文“涐の”、“皒の”、“皒ㄖ”、“皒の”等等等；在基于该转换关系表对第二语言模型中的字符进行替换时，才随机选择一火星文进行替换，例如：针对第二语言模型中的“我的”，可以从“涐の”、“皒の”、“皒ㄖ”、“皒の”中随机选择一词进行替换。
通过上述方案，能够增加词与词之间的映射关系的多样性，从而所输出的提高语音识别结果的多样性。
第二种，所述第一语言模型通过以下方式确定：获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；获得所述预设类别的字符与所述火星文的转换关系表；基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
通常情况下，第一语言模型为较为生僻的语言模型，故而很难获得用于训练第一语言模型的第一训练样本，通过上述方案，可以基于第二训练样本获得第一训练样本，从而直接通过训练方式获得第一语言模型。其中，将第二训练样本中的预设类别的字符替换为火星文的方式，与将第二语言模型中的预设类别的字符替换为火星文的方式类似，故而在此不再赘述。
步骤S102中，所述基于第一语言模型，从所述待识别语音中识别出第一火星文，包括：从所述待识别语音中确定出至少一条火星文候选项；将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
在具体实施过程中，可以通过多种方式确定出至少一条火星文候选项，例如：
第一种，可以通过解码器对待识别语音进行解码生成至少一条解码路径，每一条解码路径则相当于一个火星文候选项，每一条解码路径还包含有各个词节点。
第二种，可以提取出所述待识别语音的声波特征，通过声波特征确定出匹配的拼音串；然后基于预存的拼音串与火星文的匹配关系，确定出与该字符串匹配的所有火星文语句作为至少一条火星文候选项。
在具体实施过程中，针对火星文候选项中的第1个词，由于其前面并不存在词，故而其条件概率等于该词本身的出现概率，例如：可以通过该词的总统计次数除以所有词的总统计次数，故而获得该词本身的出现概率。针对其他词，可以通过n-gram语言模型确定各个词的条件概率，假设针对某一条火星文候选项，其由以下词W1，W2，…，Wn组成，假设前预设个词为前1个词(也即：n-gram模型中的n等于2，当然，n也可以为其他值，例如：3、4等等，本发明实施例不作限制)的话，则可以通过以下公式计算出某词的条件概率：
p(Wk|Wk-1)＝count(Wk-1Wk)/count(Wk)………………………………[1]
其中，p(Wk|Wk-1)表示在第k-1个词出现的情况下，第k个词出现的条件概率，k为2～l的整数，l表示该条火星文候选项所包含的词的总数量；
count(Wk-1Wk)表示语言片段：Wk-1Wk的总统计次数；
count(Wk)表示表示词Wk单独出现的总统计次数。
则如果k＝2，其所对应的第2个词的条件概率为：
p(W2|W1)＝count(W1W2)/count(W1)………………………………[2]
在具体实施过程中，在通过上述公式计算p(Wk|Wk-1)时，可以先从第一语言模型中查询该词Wk的第一总统计次数count(Wk)、以及该词Wk所对应的语言片段Wk-1Wk的第二总统计次数count(Wk-1Wk)，然后通过count(Wk-1Wk)除以第一总统计次数count(Wk)，从而获得第k个词的条件概率。
在获得每条火星文候选项中各个词的条件概率之后，可以基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。在具体实施过程中，可以通过将某条火星文候选项的条件概率相乘就可以获得该条火星文候选项的综合评分值，进一步的，还可以基于声学模型对该火星文候选项进行打分，然后综合第一语言模型和声学模型的打分结果，共同确定出各个火星文候选项的综合评分值。而在确定出各条火星文候选项的综合评分值之后，可以基于多种原则从至少一条火星文候选项中筛选出第一火星文，例如：①确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文，该预设值可以根据实际需求设定，例如0.2、0.3等等。②对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文，例如：获取排序位于第一位、前两位的火星文候选项作为第一火星文等等。
其中，如果该方案应用于位于客户端的电子设备，则在基于步骤S102获得第一火星文之后，可以直接通过电子设备输出第一火星文；如果该方案应用于服务器，则可以通过服务器将第一火星文发送至位于客户端的电子设备，然后由该电子设备输出第一火星文。
第二方面，基于同一发明构思，本发明实施例提供一种语音识别装置，请参考图2，包括：
第一获得模块20，用于获得待识别语音；
识别模块21，用于基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
可选的，所述装置还包括：
第二获得模块，用于获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
第三获得模块，用于获得所述预设类别的字符与所述火星文的转换关系表；
第一替换模块，用于基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
可选的，所述第一替换模块，用于：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
可选的，所述装置还包括：
第四获得模块，用于获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
第五获得模块，用于获得所述预设类别的字符与所述火星文的转换关系表；
第二替换模块，用于基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
训练模块，用于基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
可选的，所述识别模块21，包括：
第一确定单元，用于从所述待识别语音中确定出至少一条火星文候选项；
划分单元，用于将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
第二确定单元，用于基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
第三确定单元，用于基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
可选的，所述第三确定单元，包括：
第一确定子单元，用于基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
第二确定子单元，用于确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
可选的，所述第二确定子单元，用于：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
由于本发明第二方面所介绍的装置，为实施本发明实施例第一方面所介绍的语音识别方法所采用的装置，基于本发明实施例第一方面所介绍的语音识别方法，本领域所属技术人员能够了解本发明实施例第二方面所介绍的装置的具体结构及变形，故而在此不再赘述，凡是实施本发明实施例第一方面所介绍的语音识别方法所采用的装置都属于本发明所欲保护的范围。
第三方面，基于同一发明构思，本发明实施例提供一种设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得待识别语音；
基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
举例来说，该设备可以为位于客户端的电子设备，也可以为服务器，本发明实施例不作限制。
可选的，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
可选的，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
可选的，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
可选的，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
从所述待识别语音中确定出至少一条火星文候选项；
将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
可选的，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
可选的，所述设备还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
由于本发明第三方面所介绍的设备，为实施本发明实施例第一方面所介绍的语音识别方法所采用的设备，基于本发明实施例第一方面所介绍的语音识别方法，本领域所属技术人员能够了解本发明实施例第三方面所介绍的设备的具体结构及变形，故而在此不再赘述，凡是实施本发明实施例第一方面所介绍的语音识别方法所采用的设备都属于本发明所欲保护的范围。
图3是根据一示例性实施例示出的一种实施语音识别方法的电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图3，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件806为电子设备800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图4是本发明实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作系统1941，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由设备(位于客户端的电子设备或者服务器)的处理器(电子设备的处理器820、或者服务器的中央处理器1922)执行时，使得设备能够执行一种语音识别方法，所述方法包括：
获得待识别语音；
基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
可选的，所述可读存储介质还经配置以由所述处理器执行进行以下操作的指令：
获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
可选的，所述可读存储介质还经配置以由所述处理器执行进行以下操作的指令：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
可选的，所述可读存储介质还经配置以由所述处理器执行进行以下操作的指令：
获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
可选的，所述可读存储介质还经配置以由所述处理器执行进行以下操作的指令：
从所述待识别语音中确定出至少一条火星文候选项；
将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
可选的，所述可读存储介质还经配置以由所述处理器执行进行以下操作的指令：
基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
可选的，所述可读存储介质还经配置以由所述处理器执行进行以下操作的指令：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
本发明一个或多个实施例，至少具有以下有益效果：
由于在本发明实施例中，在获得待识别语音之后，可以基于第一语言模型，从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型，而不需要首先将待识别语音识别为标准汉字，然后进行转换，从而减少了将待识别语音识别为火星文的流程，由此达到了提高将待识别语音识别为火星文的效率的技术效果。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种语音识别方法，其特征在于，包括：
获得待识别语音；
基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
2.如权利要求1所述的方法，其特征在于，所述第一语言模型通过以下方式确定：
获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
3.如权利要求2所述的方法，其特征在于，所述将所述第二语言模型中的预设类别的字符替换为对应的火星文，包括：
如果任意预设类别的字符存在对应的至少两个火星文，从所述至少两个火星文中随机选择一火星文替代对应的预设类别的字符。
4.如权利要求1所述的方法，其特征在于，所述第一语言模型通过以下方式确定：
获得用于训练第二语言模型的第二训练样本，所述第二语言模型为用于识别出预设类别的字符的语言模型；
获得所述预设类别的字符与所述火星文的转换关系表；
基于所述转换关系表，将所述第二训练样本中的预设类别的字符替换为对应的火星文，从而获得第一训练样本；
基于所述第一训练样本进行语言模型训练，从而获得所述第一语言模型。
5.如权利要求1-4任一所述的方法，其特征在于，所述基于第一语言模型从所述待识别语音中识别出第一火星文，包括：
从所述待识别语音中确定出至少一条火星文候选项；
将所述至少一条火星文候选项中的每条火星文候选项划分为至少一个词；
基于所述第一语言模型，确定出在每个词的前预设个词出现的情况下，对应词出现的条件概率；
基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文。
6.如权利要求5所述的方法，其特征在于，所述基于每条火星文候选项中各个词出现的条件概率，确定出所述第一火星文，包括：
基于所述至少一条火星文候选项中各个词的所述条件概率，确定出所述至少一条火星文候选项中每条火星文候选项的综合评分值；
确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文。
7.如权利要求6所述的方法，其特征在于，所述确定出所述综合评分值满足预设条件的火星文候选项作为所述第一火星文，包括：
确定出所述综合评分值大于预设值的火星文候选项作为所述第一火星文；或者，
对所述综合评分值按照从高到低顺序进行排序；获取排序位于前预设位的火星文候选项作为所述第一火星文。
8.一种语音识别装置，其特征在于，包括：
第一获得模块，用于获得待识别语音；
识别模块，用于基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
9.如权利要求8所述的装置，其特征在于，所述装置还包括：
第二获得模块，用于获得第二语言模型，所述第二语言模型为用于识别出预设类别的字符的语言模型，所述预设类别的字符与火星文不同；
第三获得模块，用于获得所述预设类别的字符与所述火星文的转换关系表；
第一替换模块，用于基于所述转换关系表，将所述第二语言模型中的预设类别的字符替换为对应的火星文，从而获得所述第一语言模型。
10.一种设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获得待识别语音；
基于第一语言模型从所述待识别语音中识别出第一火星文，其中，所述第一语言模型为用于将语音转换为火星文的模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710142458.4A CN108573696B (zh) | 2017-03-10 | 2017-03-10 | 一种语音识别方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710142458.4A CN108573696B (zh) | 2017-03-10 | 2017-03-10 | 一种语音识别方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108573696A true CN108573696A (zh) | 2018-09-25 |
| CN108573696B CN108573696B (zh) | 2021-03-30 |
Family
ID=63577249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710142458.4A Active CN108573696B (zh) | 2017-03-10 | 2017-03-10 | 一种语音识别方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108573696B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1492394A (zh) * | 2002-09-18 | 2004-04-28 | �ձ������ȷ湫˾ | 语音识别装置以及语音识别方法 |
| TW200923702A (en) * | 2007-11-16 | 2009-06-01 | Inventec Corp | Dynamic adjusting and expanding thesaurus system of input method and method thereof |
| CN102982011A (zh) * | 2011-09-07 | 2013-03-20 | 百度在线网络技术（北京）有限公司 | 一种用于识别失序文本的方法与设备 |
| CN102999533A (zh) * | 2011-09-19 | 2013-03-27 | 腾讯科技（深圳）有限公司 | 一种火星文识别方法和系统 |
| TWM463877U (zh) * | 2013-03-01 | 2013-10-21 | Univ Southern Taiwan Sci & Tec | 以辨識火星文之觸控式快速撥號系統 |
| CN103794212A (zh) * | 2012-10-29 | 2014-05-14 | 三星电子株式会社 | 语音识别设备及其语音识别方法 |
| CN104346337A (zh) * | 2013-07-24 | 2015-02-11 | 腾讯科技（深圳）有限公司 | 一种拦截垃圾信息的方法和装置 |
| US20160147745A1 (en) * | 2014-11-26 | 2016-05-26 | Naver Corporation | Content participation translation apparatus and method |
| CN105657535A (zh) * | 2015-12-29 | 2016-06-08 | 北京搜狗科技发展有限公司 | 一种音频识别方法和装置 |
| CN105760359A (zh) * | 2014-11-21 | 2016-07-13 | 财团法人工业技术研究院 | 问句处理系统及其方法 |
| CN105957518A (zh) * | 2016-06-16 | 2016-09-21 | 内蒙古大学 | 一种蒙古语大词汇量连续语音识别的方法 |
-
2017
- 2017-03-10 CN CN201710142458.4A patent/CN108573696B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1492394A (zh) * | 2002-09-18 | 2004-04-28 | �ձ������ȷ湫˾ | 语音识别装置以及语音识别方法 |
| TW200923702A (en) * | 2007-11-16 | 2009-06-01 | Inventec Corp | Dynamic adjusting and expanding thesaurus system of input method and method thereof |
| CN102982011A (zh) * | 2011-09-07 | 2013-03-20 | 百度在线网络技术（北京）有限公司 | 一种用于识别失序文本的方法与设备 |
| CN102999533A (zh) * | 2011-09-19 | 2013-03-27 | 腾讯科技（深圳）有限公司 | 一种火星文识别方法和系统 |
| CN103794212A (zh) * | 2012-10-29 | 2014-05-14 | 三星电子株式会社 | 语音识别设备及其语音识别方法 |
| TWM463877U (zh) * | 2013-03-01 | 2013-10-21 | Univ Southern Taiwan Sci & Tec | 以辨識火星文之觸控式快速撥號系統 |
| CN104346337A (zh) * | 2013-07-24 | 2015-02-11 | 腾讯科技（深圳）有限公司 | 一种拦截垃圾信息的方法和装置 |
| CN105760359A (zh) * | 2014-11-21 | 2016-07-13 | 财团法人工业技术研究院 | 问句处理系统及其方法 |
| US20160147745A1 (en) * | 2014-11-26 | 2016-05-26 | Naver Corporation | Content participation translation apparatus and method |
| CN105657535A (zh) * | 2015-12-29 | 2016-06-08 | 北京搜狗科技发展有限公司 | 一种音频识别方法和装置 |
| CN105957518A (zh) * | 2016-06-16 | 2016-09-21 | 内蒙古大学 | 一种蒙古语大词汇量连续语音识别的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杜振雷: ""面向微博短文本的情感分析研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王永根: ""跨语言词语语义相似词抽取方法研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108573696B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107291690B (zh) | 标点添加方法和装置、用于标点添加的装置 | |
| CN107102746B (zh) | 候选词生成方法、装置以及用于候选词生成的装置 | |
| WO2021128880A1 (zh) | 一种语音识别方法、装置和用于语音识别的装置 | |
| CN107621886B (zh) | 一种输入推荐方法、装置及电子设备 | |
| CN107564526B (zh) | 处理方法、装置和机器可读介质 | |
| CN107291704B (zh) | 处理方法和装置、用于处理的装置 | |
| CN111831806B (zh) | 语义完整性确定方法、装置、电子设备和存储介质 | |
| CN107291260B (zh) | 一种信息输入方法和装置、及用于信息输入的装置 | |
| CN108628813B (zh) | 处理方法和装置、用于处理的装置 | |
| CN111369978B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
| CN110069624B (zh) | 文本处理方法及装置 | |
| CN110069143B (zh) | 一种信息防误纠方法、装置和电子设备 | |
| CN108573706B (zh) | 一种语音识别方法、装置及设备 | |
| US20230267282A1 (en) | Poetry generation | |
| CN109887492B (zh) | 一种数据处理方法、装置和电子设备 | |
| CN110780749B (zh) | 一种字符串纠错方法和装置 | |
| CN111381685B (zh) | 一种句联想方法和装置 | |
| CN109979435B (zh) | 数据处理方法和装置、用于数据处理的装置 | |
| CN110858099B (zh) | 候选词生成方法及装置 | |
| CN113589954B (zh) | 一种数据处理方法、装置和电子设备 | |
| CN108073294B (zh) | 一种智能组词方法和装置、一种用于智能组词的装置 | |
| CN108573696B (zh) | 一种语音识别方法、装置及设备 | |
| CN108345590B (zh) | 一种翻译方法、装置、电子设备以及存储介质 | |
| CN108073566B (zh) | 分词方法和装置、用于分词的装置 | |
| CN107765884B (zh) | 一种滑行输入方法、装置及电子设备 |
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 |