CN109036425B - 用于操作智能终端的方法和装置 - Google Patents

用于操作智能终端的方法和装置 Download PDF

Info

Publication number
CN109036425B
CN109036425B CN201811053045.XA CN201811053045A CN109036425B CN 109036425 B CN109036425 B CN 109036425B CN 201811053045 A CN201811053045 A CN 201811053045A CN 109036425 B CN109036425 B CN 109036425B
Authority
CN
China
Prior art keywords
instruction
historical
user
text instruction
record
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
Application number
CN201811053045.XA
Other languages
English (en)
Other versions
CN109036425A (zh
Inventor
熊芩
程高飞
高磊磊
王飞
刘悦
董文林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811053045.XA priority Critical patent/CN109036425B/zh
Publication of CN109036425A publication Critical patent/CN109036425A/zh
Priority to US16/505,667 priority patent/US11308942B2/en
Priority to JP2019129431A priority patent/JP2020042784A/ja
Application granted granted Critical
Publication of CN109036425B publication Critical patent/CN109036425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G10L15/22—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
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/083—Recognition networks
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • 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
    • G10L15/04—Segmentation; Word boundary detection
    • G10L15/05—Word boundary detection
    • 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
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L2015/088—Word spotting
    • 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
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Transfer Between Computers (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了用于操作智能终端的方法和装置。该用于操作智能终端的方法包括：将当前输入的用户语音指令解析为当前文本指令；从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；解析查询到的历史文本指令记录，得到用户意图；向资源库发送基于用户意图生成的用户请求；基于资源库返回的响应和用户意图，指令动作组件动作。该方法应用到语音智能设备后，降低了用户使用成本。完善智能设备用户体验，提升智能语音的体验口碑，促进AI技术的产品化落地。

Description

用于操作智能终端的方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及计算机网络技术领域，尤其涉及用于操作智能终端的方法和装置。
背景技术
随着语音智能设备的不断增长，语音交互如何更好的满足用户需求成为了一个难题。
目前的语音操作依然停留在所说即所得的阶段，资源库服务器完全根据用户此次说出的指令进行解析，并将最终对应解析结果的执行指令返回到智能设备端，由智能设备端根据执行指令执行操作。
然而，目前有些媒体资源的名称晦涩难懂，有些媒体资源的名称很长，若用户想看电视剧《为了你我愿意XXXXXX》，那么用户在每次追剧时都需要对着智能设备端说：“我想看为了你我愿意XXXXXX”，智能设备端才能正确的响应。这给用户带来了不便。
发明内容
本申请实施例提供了用于操作智能终端的方法和装置。
第一方面，本申请实施例提供了一种用于操作智能终端的方法，包括：将当前输入的用户语音指令解析为当前文本指令；从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；解析查询到的历史文本指令记录，得到用户意图；向资源库发送基于用户意图生成的用户请求；基于资源库返回的响应和用户意图，指令动作组件动作。
在一些实施例中，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录包括：对当前文本指令进行分词，得到当前文本指令对应的词序列；计算词序列与历史用户语音指令集合对应的历史文本指令记录集合中各个历史文本指令记录的相似度；根据相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录。
在一些实施例中，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录包括：从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配当前文本指令的历史文本指令记录。
在一些实施例中，历史用户语音指令为预定历史时间内存储的用户语音指令。
在一些实施例中，基于资源库返回的响应和用户意图，指令动作组件动作包括：若资源库返回的响应指示未能解析出正确的指令，向用户提示未能解析出正确的指令；若资源库返回的响应指示已解析出正确的指令，则根据解析出的正确的指令，向用户呈现用户意图所指示的操作。
第二方面，本申请实施例提供了一种用于操作智能终端的装置，包括：文本解析单元，被配置成将当前输入的用户语音指令解析为当前文本指令；记录查询单元，被配置成从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；意图解析单元，被配置成解析查询到的历史文本指令记录，得到用户意图；请求发送单元，被配置成向资源库发送基于用户意图生成的用户请求；动作执行单元，被配置成基于资源库返回的响应和用户意图，指令动作组件动作。
在一些实施例中，记录查询单元进一步被配置成：对当前文本指令进行分词，得到当前文本指令对应的词序列；计算词序列与历史用户语音指令集合对应的历史文本指令记录集合中各个历史文本指令记录的相似度；根据相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录。
在一些实施例中，记录查询单元进一步被配置成：从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配当前文本指令的历史文本指令记录。
在一些实施例中，记录查询单元中的历史用户语音指令为预定历史时间内存储的用户语音指令。
在一些实施例中，动作执行单元进一步被配置成：若资源库返回的响应指示未能解析出正确的指令，向用户提示未能解析出正确的指令；若资源库返回的响应指示已解析出正确的指令，则根据解析出的正确的指令，向用户呈现用户意图所指示的操作。
第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任一实施例所述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一实施例所述的方法。
本申请实施例提供的用于操作智能终端的方法和装置，首先，将当前输入的用户语音指令解析为当前文本指令；之后，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；之后，解析查询到的历史文本指令记录，得到用户意图；之后，向资源库发送基于用户意图生成的用户请求；最后，基于资源库返回的响应，指令动作组件完成用户意图所指示的操作。在这一过程中，无需用户输入完整的语音指令即可智能补全用户指令，进而根据补全后的用户指令的云端最新解析结果，向用户推送信息，降低了用户使用语音智能设备的成本，可以完善智能设备的用户体验，提升智能语音的体验口碑，促进人工智能(AI)技术的产品化落地。
附图说明
通过阅读参照以下附图所作的对非限制性实施例详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请实施例的用于操作智能终端的方法的一个实施例的流程示意图；
图3是根据本申请实施例的用于操作智能终端的方法的一个应用场景示意图；
图4是根据本申请实施例的用于操作智能终端的方法的又一个实施例的流程示意图；
图5是根据本申请实施例的用于操作智能终端的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105、106交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频采集类应用、视频播放类应用、即时通信工具、邮箱客户端、社交平台软件、搜索引擎类应用、购物类应用等。
终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105、106可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对终端提交的数据进行分析、存储或计算等处理，并将分析、存储或计算结果推送给终端设备。
需要说明的是，在实践中，本申请实施例所提供的用于操作智能终端的方法一般由服务器105、106执行，相应地，用于操作智能终端的装置一般设置于服务器105、106中。然而，当终端设备的性能可以满足该方法的执行条件或该设备的设置条件时，本申请实施例所提供的用于操作智能终端的方法也可以由终端设备101、102、103执行，用于操作智能终端的装置也可以设置于终端设备101、102、103中。
应该理解，图1中的终端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络和服务器。
继续参考图2，示出了根据本申请的用于操作智能终端的方法的一个实施例的流程200。该用于操作智能终端的方法，包括以下步骤：
步骤201，将当前输入的用户语音指令解析为当前文本指令。
在本实施例中，上述用于操作智能终端的方法运行于其上的电子设备(例如图1所示的服务器或终端)可以通过麦克风阵列获取远场语音，或者通过麦克风获取近场语音，从而获取用户输入的用户语音指令，之后，可以将用户语音交互指令转化为当前文本指令，并对一些已知错误进行纠错调整。
在一个具体的示例中，当前输入的用户语音指令可以为“我想看为了你”，那么，可以将该用户语音指令解析为当前文本指令“我想看为了你”。
在本实施例的一些可选的实现方式中，历史用户语音指令为预定历史时间内存储的用户语音指令。
在本实现方式中，可以将当前输入的用户语音指令存入历史文本指令记录集合中。该历史文本指令记录集合中可以存储预定历史时间内输入的用户语音指令。例如，可以存储一个月、一周或一日内输入的用户语音指令。
步骤202，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录。
在本实施例中，可以将步骤201中得到的当前文本指令作为输入，通过匹配算法，从历史用户语音指令集合所对应的历史文本指令记录集合中，查询出最为匹配的语音补全后的历史文本指令记录。
在一个具体的示例中，当前文本指令为“我想看为了你”，历史用户语音指令集合中所对应的历史文本指令记录集合中查出的最为匹配的语音补全后的历史文本指令记录为“我想看为了你我愿意XXXXXX”。
在本实施例的一个可选实现方式中，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录包括：对当前文本指令进行分词，得到当前文本指令对应的词序列；计算词序列与历史用户语音指令集合对应的历史文本指令记录集合中各个历史文本指令记录的相似度；根据相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录。
在本实现方式中，分词是将当前文本指令切分成一个个单独的词，得到词序列。对于历史用户语音指令记录集合对应的历史文本指令记录集合，可以比对词序列与每一个历史文本指令记录的相似度，并按照相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录。
步骤203，解析查询到的历史文本指令记录，得到用户意图。
在本实施例中，可以对补全后的历史文本指令记录进行解析，从而得到用户意图。进行解析这一操作可以在本地或云端服务器完成。例如，可以将补全后的指令发送至解析服务器进行解析，从而得到解析服务器返回的最新的解析结果。
在进行解析时，可以对语音补全后的历史文本指令记录进行切词以及语义理解等处理，准确捕获用户想要表达的意图以及用户想要识别的主体。
在一个具体的示例中，对查询到的历史文本指令记录“我想看为了你我愿意XXXXXX”，可以进行切词以及语义理解，得到用户想要表达的意图中的主语“我”、意愿词“想”、动作“看”和对象名称“为了你我愿意XXXXXX”。
应当理解，这里的解析结果为最新的解析结果。由于解析时所采用的解析数据库或解析词典在持续的更新中，因此对于同一历史文本指令记录，对于同一历史文本指令记录的解析，可能得到不同的解析结果。例如，对于正在更新的电影，我想看XXX，可以指想看新上映的XXX2。
步骤204，向资源库发送基于用户意图生成的用户请求。
在本实施例中，在步骤203中解析出用户意图之后，可以向资源库发送基于用户意图生成的用户请求。应当理解，该资源库也可以位于云端或位于本地。若该资源库和运行上述解析操作的模块均位于云端，那么该资源库和运行上述解析操作的模块可以位于同一服务器或位于不同的服务器。
在一个具体的示例中，可以向资源库发送基于用户意图“我想看为了你我愿意XXXXXX”生成的用于获取“我愿意XXXXXX”的请求。
步骤205，基于资源库返回的响应和用户意图，指令动作组件动作。
在本实施例中，可以根据资源库返回的响应是否解析出正确的指令，确定下一步的操作：若未解析出正确的指令，那么可以向用户提示未能解析出正确的指令，若已经解析出正确的指令，那么此时响应所返回的资源为用户所请求的资源，那么可以向用户呈现用户意图所指示的操作。
在一个具体的示例中，在获得资源库返回的响应“我愿意XXXXXX”的最新资源后，可以根据用户意图中的“我”“想”“看”“我愿意XXXXXX”，播放该最新资源“我愿意XXXXXX”。
本申请上述实施例的用于操作智能终端的方法，首先，将当前输入的用户语音指令解析为当前文本指令；之后，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；之后，解析查询到的历史文本指令记录，得到用户意图；之后，向资源库发送基于用户意图生成的用户请求；最后，基于资源库返回的响应，指令动作组件完成用户意图所指示的操作。在这一过程中，无需用户输入完整的语音指令即可智能补全用户指令，进而根据补全后的用户指令的最新解析结果，向用户推送信息，降低了用户使用语音智能设备的成本，可以完善智能设备的用户体验，提升智能语音的体验口碑，促进AI技术的产品化落地。
继续参考图3，描述本申请的用于操作智能终端的方法的示例性应用场景。
如图3所示，图3示出了根据本申请的用于操作智能终端的方法的一个应用场景的示意性流程图。
如图3所示，用于操作智能终端的方法300运行于电子设备310中，可以包括：
首先，将当前输入的用户语音指令301解析为当前文本指令302；
之后，从历史用户语音指令303对应的历史文本指令记录304中，查询匹配当前文本指令302的历史文本指令记录305；
之后，解析查询到的历史文本指令记录305，得到用户意图306；
之后，向资源库发送基于用户意图生成的用户请求307；
最后，基于资源库返回的响应308，指令动作组件完成用户意图所指示的操作309。
应当理解，上述图3中所示出的用于操作智能终端的方法的应用场景，仅为对于用于操作智能终端的方法的示例性描述，并不代表对该方法的限定。例如，上述图3中示出的各个步骤，可以进一步采用更为细节的实现方法。
进一步参考图4，其示出了根据本申请的用于操作智能终端的方法的一个实施例的流程。
如图4所示，该用于操作智能终端的方法400，包括以下步骤：
步骤401，将当前输入的用户语音指令解析为当前文本指令。
在本实施例中，上述用于操作智能终端的方法运行于其上的电子设备(例如图1所示的服务器或终端)可以通过麦克风阵列获取远场语音，或者通过麦克风获取近场语音，从而获取用户输入的用户语音指令，之后，可以将用户语音交互指令转化为当前文本指令，并对一些已知错误进行纠错调整。
在一个具体的示例中，当前输入的用户语音指令可以为“我想看为了你”，那么，可以将该用户语音指令解析为当前文本指令“我想看为了你”。
在本实施例的一些可选的实现方式中，历史用户语音指令为预定历史时间内存储的用户语音指令。
在本实现方式中，可以将当前输入的用户语音指令存入历史文本指令记录集合中。该历史文本指令记录集合中可以存储预定历史时间内输入的用户语音指令。例如，可以存储一个月、一周或一日内输入的用户语音指令。
步骤402，从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配当前文本指令的历史文本指令记录。
在本实施例中，可以将步骤401中得到的当前文本指令作为输入，通过最大匹配算法，从历史用户语音指令集合所对应的历史文本指令记录集合中，查询出最为匹配的语音补全后的历史文本指令记录。
这里的最大匹配算法，主要包括正向最大匹配算法、逆向最大匹配算法、双向匹配算法等。其主要原理都是切分出单字串，然后和词库进行比对，如果是一个词就记录下来，否则通过增加或减少一个单字，继续比较，直至还剩下一个单字则终止，如果该单字串无法切分，则作为未登录处理。最大匹配原则就是在词库中找到最长匹配字符串作为一个单词。例如，“我出生在ABCDEFG”，以最大匹配原则进行分词则分词结果为“我”、“出生”、“在”、“ABCDEFG”，而不是“我”、“出生”、“在”、“AB”、“CD”、“EFG”。
在一个具体的示例中，当前文本指令为“我想看为了你”，采用最大匹配算法，从历史用户语音指令集合中所对应的历史文本指令记录集合中查出的最为匹配的语音补全后的历史文本指令记录为“我想看为了你我愿意XXXXXX”。
步骤403，解析查询到的历史文本指令记录，得到用户意图。
在本实施例中，可以对补全后的历史文本指令记录进行解析，从而得到用户意图。进行解析这一操作可以在本地或云端服务器完成。例如，可以将补全后的指令发送至解析服务器进行解析，从而得到解析服务器返回的最新的解析结果。
在进行解析时，可以对语音补全后的历史文本指令记录进行切词以及语义理解等处理，准确捕获用户想要表达的意图以及用户想要识别的主体。
在一个具体的示例中，对查询到的历史文本指令记录“我想看为了你我愿意XXXXXX”，可以进行切词以及语义理解，得到用户想要表达的意图中的主语“我”、意愿词“想”、动作“看”和对象名称“为了你我愿意XXXXXX”。
应当理解，这里的解析结果为最新的解析结果。由于解析时所采用的解析数据库或解析词典在持续的更新中，因此对于同一历史文本指令记录，对于同一历史文本指令记录的解析，可能得到不同的解析结果。例如，对于正在更新的电影，我想看XXX，可以指想看新上映的XXX2。
步骤404，向资源库发送基于用户意图生成的用户请求。
在本实施例中，在步骤403中解析出用户意图之后，可以向资源库发送基于用户意图生成的用户请求。应当理解，该资源库也可以位于云端或位于本地。若该资源库和运行上述解析操作的模块均位于云端，那么该资源库和运行上述解析操作的模块可以位于同一服务器或位于不同的服务器。
在一个具体的示例中，可以向资源库发送基于用户意图“我想看为了你我愿意XXXXXX”生成的用于获取“我愿意XXXXXX”的请求。
步骤405，基于资源库返回的响应和用户意图，指令动作组件动作。
在本实施例中，可以根据资源库返回的响应是否解析出正确的指令，确定下一步的操作：若未解析出正确的指令，那么可以向用户提示未能解析出正确的指令，若已经解析出正确的指令，那么此时响应所返回的资源为用户所请求的资源，那么可以向用户呈现用户意图所指示的操作。
在一个具体的示例中，在获得资源库返回的响应“我愿意XXXXXX”的最新资源后，可以根据用户意图中的“我”“想”“看”“我愿意XXXXXX”，播放该最新资源“我愿意XXXXXX”。
本申请上述实施例的用于操作智能终端的方法，首先，将当前输入的用户语音指令解析为当前文本指令；之后，从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配当前文本指令的历史文本指令记录；之后，解析查询到的历史文本指令记录，得到用户意图；之后，向资源库发送基于用户意图生成的用户请求；最后，基于资源库返回的响应，指令动作组件完成用户意图所指示的操作。在这一过程中，无需用户输入完整的语音指令即可采用最大匹配算法智能补全用户指令，提高补全的用户指令的完整性。进而根据补全后的用户指令的最新解析结果，向用户推送信息，降低了用户使用语音智能设备的成本，可以完善智能设备的用户体验，提升智能语音的体验口碑，促进AI技术的产品化落地。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于操作智能终端的装置的一个实施例，该装置实施例与图1-图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于操作智能终端的装置500可以包括：文本解析单元510，被配置成将当前输入的用户语音指令解析为当前文本指令；记录查询单元520，被配置成从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；意图解析单元530，被配置成解析查询到的历史文本指令记录，得到用户意图；请求发送单元540，被配置成向资源库发送基于用户意图生成的用户请求；动作执行单元550，被配置成基于资源库返回的响应和用户意图，指令动作组件动作。
在本实施例的一些可选实现方式中，记录查询单元520进一步被配置成：对当前文本指令进行分词，得到当前文本指令对应的词序列；计算词序列与历史用户语音指令集合对应的历史文本指令记录集合中各个历史文本指令记录的相似度；根据相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录。
在本实施例的一些可选实现方式中，记录查询单元520进一步被配置成：从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配当前文本指令的历史文本指令记录。
在本实施例的一些可选实现方式中，记录查询单元520中的历史用户语音指令为预定历史时间内存储的用户语音指令。
在本实施例的一些可选实现方式中，动作执行单元550进一步被配置成：若资源库返回的响应指示未能解析出正确的指令，向用户提示未能解析出正确的指令；若资源库返回的响应指示已解析出正确的指令，则根据解析出的正确的指令，向用户呈现用户意图所指示的操作。
应当理解，装置500中记载的诸单元可以与参考图1-图4描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括文本解析单元、记录查询单元、意图解析单元、请求发送单元和动作执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，文本解析单元还可以被描述为“将当前输入的用户语音指令解析为当前文本指令的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：将当前输入的用户语音指令解析为当前文本指令；从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配当前文本指令的历史文本指令记录；解析查询到的历史文本指令记录，得到用户意图；向资源库发送基于用户意图生成的用户请求；基于资源库返回的响应和用户意图，指令动作组件动作。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于操作智能终端的方法，包括：
将当前输入的用户语音指令解析为当前文本指令；
从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配所述当前文本指令的历史文本指令记录，包括：对所述当前文本指令进行分词，得到当前文本指令对应的词序列；计算所述词序列与历史用户语音指令集合对应的历史文本指令记录集合中各个历史文本指令记录的相似度；根据相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录；
解析查询到的历史文本指令记录，得到用户意图；
向资源库发送基于所述用户意图生成的用户请求；
基于所述资源库返回的响应和所述用户意图，指令动作组件动作。
2.根据权利要求1所述的方法，其中，从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配所述当前文本指令的历史文本指令记录包括：
从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配所述当前文本指令的历史文本指令记录。
3.根据权利要求1所述的方法，其中，所述历史用户语音指令为预定历史时间内存储的用户语音指令。
4.根据权利要求1至3任意一项所述的方法，其中，所述基于所述资源库返回的响应和所述用户意图，指令动作组件动作包括：
若所述资源库返回的响应指示未能解析出正确的指令，向用户提示未能解析出正确的指令；
若所述资源库返回的响应指示已解析出正确的指令，则根据解析出的正确的指令，向用户呈现所述用户意图所指示的操作。
5.一种用于操作智能终端的装置，包括：
文本解析单元，被配置成将当前输入的用户语音指令解析为当前文本指令；
记录查询单元，被配置成从历史用户语音指令集合对应的历史文本指令记录集合中，查询匹配所述当前文本指令的历史文本指令记录，包括：对所述当前文本指令进行分词，得到当前文本指令对应的词序列；计算所述词序列与历史用户语音指令集合对应的历史文本指令记录集合中各个历史文本指令记录的相似度；根据相似度从高至低，获取相似度最高的历史文本指令记录作为查询到的历史文本指令记录；
意图解析单元，被配置成解析查询到的历史文本指令记录，得到用户意图；
请求发送单元，被配置成向资源库发送基于所述用户意图生成的用户请求；
动作执行单元，被配置成基于所述资源库返回的响应和所述用户意图，指令动作组件动作。
6.根据权利要求5所述的装置，其中，所述记录查询单元进一步被配置成：
从历史用户语音指令集合对应的历史文本指令记录集合中，采用最大匹配算法查询匹配所述当前文本指令的历史文本指令记录。
7.根据权利要求5所述的装置，其中，所述记录查询单元中的所述历史用户语音指令为预定历史时间内存储的用户语音指令。
8.根据权利要求5至7任意一项所述的装置，其中，所述动作执行单元进一步被配置成：
若所述资源库返回的响应指示未能解析出正确的指令，向用户提示未能解析出正确的指令；
若所述资源库返回的响应指示已解析出正确的指令，则根据解析出的正确的指令，向用户呈现所述用户意图所指示的操作。
9.一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201811053045.XA 2018-09-10 2018-09-10 用于操作智能终端的方法和装置 Active CN109036425B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811053045.XA CN109036425B (zh) 2018-09-10 2018-09-10 用于操作智能终端的方法和装置
US16/505,667 US11308942B2 (en) 2018-09-10 2019-07-08 Method and apparatus for operating smart terminal
JP2019129431A JP2020042784A (ja) 2018-09-10 2019-07-11 インテリジェント端末操作用の方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811053045.XA CN109036425B (zh) 2018-09-10 2018-09-10 用于操作智能终端的方法和装置

Publications (2)

Publication Number Publication Date
CN109036425A CN109036425A (zh) 2018-12-18
CN109036425B true CN109036425B (zh) 2019-12-24

Family

ID=64621108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811053045.XA Active CN109036425B (zh) 2018-09-10 2018-09-10 用于操作智能终端的方法和装置

Country Status (3)

Country Link
US (1) US11308942B2 (zh)
JP (1) JP2020042784A (zh)
CN (1) CN109036425B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111866609B (zh) * 2019-04-08 2022-12-13 百度（美国）有限责任公司 用于生成视频的方法和装置
CN113110819B (zh) * 2019-04-15 2024-04-19 创新先进技术有限公司 语音播报方法及装置
US10990939B2 (en) 2019-04-15 2021-04-27 Advanced New Technologies Co., Ltd. Method and device for voice broadcast
CN110334242B (zh) * 2019-07-10 2022-03-04 北京奇艺世纪科技有限公司 一种语音指令建议信息的生成方法、装置及电子设备
EP4002087A4 (en) * 2019-07-19 2023-04-12 LG Electronics Inc. DISPLAY DEVICE AND ARTIFICIAL INTELLIGENCE SERVER CAPABLE OF CONTROLLING A HOME APPLIANCE VIA A USER'S VOICE
CN110619874B (zh) * 2019-08-30 2020-10-23 珠海格力电器股份有限公司 语音控制方法、装置、计算机设备和存储介质
CN110784384B (zh) * 2019-10-16 2021-11-02 杭州九阳小家电有限公司 一种家电语音技能的生成方法及智能家电
CN111147905A (zh) * 2019-12-31 2020-05-12 深圳Tcl数字技术有限公司 媒体资源查找方法、电视机、存储介质及装置
CN111310059B (zh) * 2020-04-01 2023-11-21 东软睿驰汽车技术（沈阳）有限公司 基于聚合资源的用户意图定位方法和装置
CN111694813A (zh) * 2020-05-08 2020-09-22 北京明略软件系统有限公司 一种数据源管理方法和装置
CN111581623B (zh) * 2020-05-09 2023-12-19 深圳物控智联科技有限公司 智能数据交互方法、装置、电子设备及存储介质
CN111986676A (zh) * 2020-08-24 2020-11-24 北京中亦安图科技股份有限公司 智能流程控制方法、装置、电子设备及存储介质
CN113407771B (zh) * 2021-05-14 2024-05-17 深圳市广电信义科技有限公司 监控调度方法、系统、装置及存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362223A (ja) * 2003-06-04 2004-12-24 Hitachi Ltd 情報マイニングシステム
JP4781631B2 (ja) * 2004-02-19 2011-09-28 日本電信電話株式会社 リソース情報検索方法および装置
WO2008011454A2 (en) * 2006-07-18 2008-01-24 Chacha Search, Inc. Anonymous search system using human searchers
CN101398835B (zh) * 2007-09-30 2012-08-29 日电（中国）有限公司 基于自然语言的服务选择系统与方法以及服务查询系统与方法
US9229946B2 (en) * 2010-08-23 2016-01-05 Nokia Technologies Oy Method and apparatus for processing search request for a partitioned index
US9767807B2 (en) * 2011-03-30 2017-09-19 Ack3 Bionetics Pte Limited Digital voice signature of transactions
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
JP5835197B2 (ja) * 2012-11-29 2015-12-24 トヨタ自動車株式会社 情報処理システム
US9342626B1 (en) * 2013-06-22 2016-05-17 Google Inc. Query suggestions based on entity collections of one or more past queries
JP6162009B2 (ja) * 2013-09-18 2017-07-12 株式会社Ｎｔｔドコモ ユーザのデータ入力に応じて情報提供を行うためのサーバ装置、プログラム、システムおよび方法
JP2015138147A (ja) * 2014-01-22 2015-07-30 シャープ株式会社 サーバ、対話装置、対話システム、対話方法および対話プログラム
US20160140232A1 (en) * 2014-11-18 2016-05-19 Radialpoint Safecare Inc. System and Method of Expanding a Search Query
CN105094315B (zh) * 2015-06-25 2018-03-06 百度在线网络技术（北京）有限公司 基于人工智能的人机智能聊天的方法和装置
US10108702B2 (en) * 2015-08-24 2018-10-23 International Business Machines Corporation Topic shift detector
JP2019507417A (ja) * 2016-01-12 2019-03-14 ヴェリトーン， インコーポレイテッド 多変数検索のためのユーザインターフェース
WO2017138777A1 (en) * 2016-02-12 2017-08-17 Samsung Electronics Co., Ltd. Method and electronic device for performing voice based actions
CN107589826B (zh) * 2016-07-07 2019-11-05 苏州狗尾草智能科技有限公司 基于知识图谱的人机交互方法及系统
CN106250369B (zh) * 2016-07-28 2019-08-06 海信集团有限公司 语音交互方法、装置和终端
US10546066B2 (en) * 2016-08-31 2020-01-28 Microsoft Technology Licensing, Llc End-to-end learning of dialogue agents for information access
US11170005B2 (en) * 2016-10-04 2021-11-09 Verizon Media Inc. Online ranking of queries for sponsored search
US10991037B1 (en) * 2018-02-13 2021-04-27 Facebook, Inc. Analyzing tracking requests generated by client devices based on metadata describing web page of a third party website
US10874947B2 (en) * 2018-03-23 2020-12-29 Sony Interactive Entertainment LLC Connecting a player to expert help in real-time during game play of a gaming application
CN110661896B (zh) * 2018-06-29 2021-06-22 网宿科技股份有限公司 一种确定数据流的映射地址的方法及服务器

Also Published As

Publication number Publication date
JP2020042784A (ja) 2020-03-19
US20200082814A1 (en) 2020-03-12
US11308942B2 (en) 2022-04-19
CN109036425A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109036425B (zh) 用于操作智能终端的方法和装置
US10795939B2 (en) Query method and apparatus
US10587920B2 (en) Cognitive digital video filtering based on user preferences
CN107679211B (zh) 用于推送信息的方法和装置
CN107943877B (zh) 待播放多媒体内容的生成方法和装置
US11127399B2 (en) Method and apparatus for pushing information
US11758088B2 (en) Method and apparatus for aligning paragraph and video
CN111061881A (zh) 文本分类方法、设备及存储介质
CN110321544B (zh) 用于生成信息的方法和装置
CN109582825B (zh) 用于生成信息的方法和装置
CN110717337A (zh) 信息处理方法、装置、计算设备和存储介质
US10474706B2 (en) Organizing speech search results
CN107844587B (zh) 用于更新多媒体播放列表的方法和装置
CN110738056B (zh) 用于生成信息的方法和装置
CN111078849B (zh) 用于输出信息的方法和装置
CN112861529A (zh) 错误码管理的方法和装置
US9747891B1 (en) Name pronunciation recommendation
KR102382421B1 (ko) 음성 언어 이해에서의 분석 오류 정보를 출력하는 방법과 장치
CN110675865B (zh) 用于训练混合语言识别模型的方法和装置
CN110971983B (zh) 一种视频答疑方法、设备和存储介质
CN112652329B (zh) 文本重对齐方法、装置、电子设备和存储介质
CN113852835A (zh) 直播音频处理方法、装置、电子设备以及存储介质
US11395051B2 (en) Video content relationship mapping
CN115543925B (zh) 文件处理方法、装置、电子设备和计算机可读介质
US11934439B1 (en) Similar cases retrieval in real time for call center agents

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
TR01 Transfer of patent right

Effective date of registration: 20210508

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

Patentee after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right