CN109559748B - 一种语义识别方法、装置、智能设备及存储介质 - Google Patents
一种语义识别方法、装置、智能设备及存储介质 Download PDFInfo
- Publication number
- CN109559748B CN109559748B CN201811574678.5A CN201811574678A CN109559748B CN 109559748 B CN109559748 B CN 109559748B CN 201811574678 A CN201811574678 A CN 201811574678A CN 109559748 B CN109559748 B CN 109559748B
- Authority
- CN
- China
- Prior art keywords
- voice messaging
- semantic actions
- analyzer
- user
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009471 action Effects 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007787 long-term memory Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000010411 cooking Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 235000013550 pizza Nutrition 0.000 description 1
- 238000012546 transfer 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
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
-
- 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)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例涉及数据处理技术领域，具体公开了一种语义识别方法、装置、智能设备及存储介质，该方法包括：采集用户当前提供的第一语音信息；对第一语音信息进行预处理，获取与第一语音信息对应的词序列；利用预建立的分析器联合模型对词序列进行预测，获取与第一语音信息对应的语义动作解析结果，预建立的分析器联合模型为利用用户提供的样本语音信息对分析器进行训练后获取的最优训练模型。经过训练过的分析器联合模型可以精确的识别出语义动作，便于智能设备顺利的精准识别用户的语义动作，并执行相应的任务，从而大大提升用户体验度。
Description
技术领域
本发明实施例涉及数据处理技术领域，具体涉及一种语义识别方法、装置、智能设备及存储介质。
背景技术
随着科学技术的不断发展，越来越多的公司将注意力移动到智能产品上。甚至在智能产品的对话智能设备中引入了语义动作(语义动作在对话系统中扮演着重要角色，用来帮助理解用户真实意图)的识别功能。
但是，基于现有的方式识别用户的语义动作，准确率比较低。语义动作不能够正确识别间接导致智能设备不能顺利执行用户语音指示的“任务”，或者用户需要经过多次重复说明，智能设备才可以正确识别，并执行相应任务。
而上述操作必然使得用户的体验度大大降低，那么如何才能保证智能设备可以顺利的精准识别用户的语义动作，并执行相应的任务，从而大大提升用户体验度成为本申请所要解决的技术问题。
发明内容
为此，本发明实施例提供一种语义识别方法、装置、智能设备及存储介质，以解决现有技术中由于智能设备对用户的语义动作识别不准确或者不顺利，使得用户语音指示的“任务”不能顺利执行，而导致的用户体验度大大降低的问题。
为了实现上述目的，本发明的实施方式提供如下技术方案：
在本发明的实施方式的第一方面中，提供了一种语义识别方法，包括：采集用户当前提供的第一语音信息；
对第一语音信息进行预处理，获取与第一语音信息对应的词序列；
利用预建立的分析器联合模型对词序列进行预测，获取与第一语音信息对应的语义动作解析结果，预建立的分析器联合模型为利用用户提供的样本语音信息对分析器进行训练后获取的最优训练模型。
在本发明的一个实施例中，对第一语音信息进行预处理，获取与第一语音信息对应的词序列，具体包括：
对语音信息进行语音识别和语音分析转换后，生成文本数据；
对文本数据依次进行切词处理和信息槽标注处理，获取与文本数据对应的词序列。
在本发明的另一实施例中，当第一语音信息不是用户提供的第一条语音信息时，利用预建立的分析器联合模型对词序列进行预测，获取与第一语音信息对应的语义动作解析结果之前，方法还包括：
提取与用户提供的第二语音信息对应的语义动作，第二语音信息为用户在提供第一语音信息之前提供的前一条语音信息；
将第二语音信息对应的语义动作和词序列共同输入至预建立的分析器联合模型，以便利用预建立的分析器联合模型，对词序列和第二语音信息对应的语义动作结合进行预测，获取与第一语音信息对应的语义动作解析结果。
在本发明的又一个实施例中，语义动作解析结果包括：与第一语音信息中的信息槽对应的第一类语义动作；或者与第一语音信息整体句式对应的第二类语义动作；或者，第一类语义动作和第二类语义动作的整合。
在本发明的实施方式的第二方面中，提供了一种语义识别装置，包括：采集单元，用于采集用户当前提供的第一语音信息；
处理单元，用于对第一语音信息进行预处理，获取与第一语音信息对应的词序列；
预测单元，用于利用预建立的分析器联合模型对词序列进行预测，获取与第一语音信息对应的语义动作解析结果，预建立的分析器联合模型为利用用户提供的样本语音信息对分析器进行训练后获取的最优训练模型。
在本发明的一个实施例中，处理单元具体用于，对语音信息进行语音识别和语音分析转换后，生成文本数据；
对文本数据依次进行切词处理和信息槽标注处理，获取与文本数据对应的词序列。
在本发明的另一实施例中，当第一语音信息不是用户提供的第一条语音信息时，装置包括：
提取单元，提取与用户提供的第二语音信息对应的语义动作，第二语音信息为用户在提供第一语音信息之前提供的前一条语音信息；
将第二语音信息对应的语义动作和词序列共同输入至预建立的分析器联合模型，以便预测单元利用预建立的分析器联合模型，对词序列和第二语音信息对应的语义动作结合进行预测，获取与第一语音信息对应的语义动作解析结果。
在本发明的又一个实施例中，语义动作解析结果包括：与第一语音信息中的信息槽对应的第一类语义动作；或者与第一语音信息整体句式对应的第二类语义动作；或者，第一类语义动作和第二类语义动作的整合。
在本发明的实施方式的第三方面中，提供了一种智能设备，包括：
语音采集器、存储器以及处理器；
语音采集器，用于采集用户当前提供的第一语音信息；
存储器，用于存储一个或多个程序指令；一个或多个程序指令被处理器运行，用以执行如上所述的一种语义识别方法中任一方法步骤。。
在本发明的实施方式的第四方面中，提供了一种计算机存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被一种智能设备执行如上一种语义识别方法中的任一方法步骤。
根据本发明的实施方式，具有如下优点：采集第一语音信息后，对第一语音信息进行预处理，获取与第一语音信息对应的词序列。然后利用预建立的分析器联合模型对词序列进行预测，从而获取与第一语音信息对应的语义动作解析结果。经过训练过的分析器联合模型可以精确的识别出语义动作，便于智能设备顺利的精准识别用户的语义动作，并执行相应的任务，从而大大提升用户体验度。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明的一实施例提供的一种语义识别方法流程示意图；
图2示出了分析器联合模型对词序列进行分析的信号流向示意图。
图3为本发明的另一实施例提供的一种语义识别装置结构示意图；
图4为本发明的另一实施例提供的一种智能设备结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
本发明实施例1提供了一种语义识别方法，具体如图1所示，
步骤110，采集用户当前提供的第一语音信息。
步骤120，对第一语音信息进行预处理，获取与第一语音信息对应的词序列。
具体的，采集用户当前提供的第一语音信息后，首先需要将其进行预处理。
例如，对第一语音数据进行语音识别和语音分析转换处理，将其转换为对应的文本数据。
然后，对文本数据进行切词和信息槽标注等处理，从而得到处理后的数据。这个处理后的数据实际就是与第一语音数据对应的词序列。
步骤130，利用预建立的分析器联合模型对词序列进行预测，获取与第一语音信息对应的语义动作解析结果。
具体的，语义动作指的是预先定义好的语义动作。分析器联合模型则是通过用户输入的历史语音数据作为样本语音数据对分析器进行训练后获取的最优训练模型。
其训练过程是采用深度神经网络的方法对分析器进行训练。
可选的，语音动作解析结果可以包括：与第一语音信息中的信息槽对应的第一类语义动作；例如一句语音信息为“我想去天安门”，这里的想去是与天安门相关的语义动作，“天安门”是信息槽。第一类语义动作可以包括：肯定、否定、选择和证实等相关释义的词汇。而另一句语音信息为“该怎么走呢”，与语音信息整体句式对应的第二类语义动作就是“该怎么走呢”。即，第二类语义动作是与语音信息整体句式对应的语义动作，可以是请求、重复、否定、肯定、无所谓、谢谢、对不起或者问好等句式对应的语义动作。或者，语音动作解析结果还可以是第一类语义动作和第二类语义动作的整合。语义动作全面，从而使得该方法灵活性较高，保证了智能设备识别语义动作时能够更加准确，不具有局限性。
在一个具体的例子中，分析器是一个基于注意力(Attention)机制的联合训练第一类语义动作和第二类语义动作的循环神经网络(Recurrent Neural Network，简称RNN)模型。其分析器联合模型输入部分就是词序列，而输出部分则可以是第一类语义动作或者第二类语义动作，又或者是第一类语义动作和第二类语义动作共同输出。具体输出是什么，则需要根据用户实际输入的语音进行判定。
此外，输出的第一类语义动作可以是一个也可以是多个，即输出的是第一类语义动作序列。例如，用户输入的语音数据是“我想吃炒菜，不想吃披萨”。那么，第一类语义动作则可以包括：想吃，和不想吃。一个是肯定的语义动作，另一个是否定的语义动作。而系统识别时，根据语音动作所在的位置进行匹配，确定哪个位置是肯定的，哪个位置是否定的。在具体执行过程中，如图2所示，图2示出了分析器联合模型对词序列进行分析的信号流向示意图。分析器联合模型中包含了输入端、双向长短期记忆网络、第一类语义动作attention机制和第二类语义动作attention机制、第一类语义动作输出端和第二类语义动作输出端等部分。
其中，输入端x1、x2至xn输入的是词序列，具体n的数值与词序列的个数相同。输入的词序列经过双向长短期记忆网络处理后输出结果h1～hn。其中，hn表示经过长短期记忆网络处理后对应的第n个隐含层输出值。h1～hn经过第二类语义动作attention机制后输出结果和h1～hn相结合构成第二类语义动作。
而h1～hn进入第一类语义动作attention机制后，输出的结果将和h1～hn，以及第二类语义动作共同作为输入，得到第一类语义动作输出结果y1～yn。而第一类语义动作的输出结果将和字序列的个数对应，且xn的位置和yn的位置一一对应。通过该种方式，则可以确定第一类语义动作中每一个语义动作所在的位置。
上述具体的实现过程均是现有技术，因此这里仅概述其原理，具体的实现细节不做过多披露。
当然，一个语音信息中并非一定包含第一类语义动作和第二类语义动作，当不包含时，则输出为预定义字段，该预定义字段用于指示该位置没有语义动作输出。
通过上述方式，可以得到与第一语音信息对应的语义动作解析结果。
可选的，当第一语音信息不是用户提供的第一条语音信息时，则该方法还可以包括：提取与用户提供的第二语音信息对应的语义动作。其中，第二语音信息为用户在提供第一语音信息之前提供的前一条语音信息。
用户提供的语音信息如果不是智能设备采集到的第一条语音信息，那么当前所提供的语音信息很可能还上一条语音信息之间有着密不可分的关系，而这对于智能设备识别出当前语音信息中的语义动作至关重要。
例如，如果用户上一条语音信息是“我想去天安门”，而第二条语音信息是“该怎么走呢”。如果没有识别当前一条语音的语义动作，那么第二条语义动作将很难识别出来。那么，系统无法顺利执行用户的语音指示任务。因此，需要调取第二语音信息对应的语义动作，然后将其和上文中所介绍的词序列共同作为输入，加入到预建立的分析器联合模型中，便于分析器联合模型对词序列和第二语音信息对应的语义动作结合进行预测，获取与第一语音信息对应的语义动作解析结果。
具体执行过程和上文说的类似，这里不做过多赘述。通过上述方式，智能设备可以轻易的联系用户所提供的前后语音信息，进入准确识别语义动作，准确执行相应的语义动作。不会造成智能设备执行的语义动作和用户实际的语音指示相偏离的情况发生，大大提高准确度，保证用户的体验度。
本发明实施例提供的一种语义识别方法，采集第一语音信息后，对第一语音信息进行预处理，获取与第一语音信息对应的词序列。然后利用预建立的分析器联合模型对词序列进行预测，从而获取与第一语音信息对应的语义动作解析结果。经过训练过的分析器联合模型可以精确的识别出语义动作，便于智能设备顺利的精准识别用户的语义动作，并执行相应的任务，从而大大提升用户体验度。
与上述实施例对应的，本发明实施例还提供了一种语义识别装置，具体如图3所示，该装置包括：采集单元301和处理单元302。
具体的，采集单元301，用于采集用户当前提供的第一语音信息；
处理单元302，用于对第一语音信息进行预处理，获取与第一语音信息对应的词序列；
预测单元，用于利用预建立的分析器联合模型对词序列进行预测，获取与第一语音信息对应的语义动作解析结果，预建立的分析器联合模型为利用用户提供的样本语音信息对分析器进行训练后获取的最优训练模型。
可选的，处理单元302具体用于，对语音信息进行语音识别和语音分析转换后，生成文本数据；
对文本数据依次进行切词处理和信息槽标注处理，获取与文本数据对应的词序列。
可选的，当第一语音信息不是用户提供的第一条语音信息时，装置还包括：
提取单元303，提取与用户提供的第二语音信息对应的语义动作，第二语音信息为用户在提供第一语音信息之前提供的前一条语音信息；
将第二语音信息对应的语义动作和词序列共同输入至预建立的分析器联合模型，以便预测单元利用预建立的分析器联合模型，对词序列和第二语音信息对应的语义动作结合进行预测，获取与第一语音信息对应的语义动作解析结果。
可选的，语义动作解析结果包括：与第一语音信息中的信息槽对应的第一类语义动作；或者与第一语音信息整体句式对应的第二类语义动作；或者，第一类语义动作和第二类语义动作的整合。
本发明实施例提供的一种语义识别装置中各部件所执行的功能均已在上述实施例1中做了详细介绍，因此这里不做过多赘述。
本发明实施例提供的一种语义识别装置，采集第一语音信息后，对第一语音信息进行预处理，获取与第一语音信息对应的词序列。然后利用预建立的分析器联合模型对词序列进行预测，从而获取与第一语音信息对应的语义动作解析结果。经过训练过的分析器联合模型可以精确的识别出语义动作，便于智能设备顺利的精准识别用户的语义动作，并执行相应的任务，从而大大提升用户体验度。
与上述实施例相对应的，本发明实施例还提供了一种智能设备，具体如图4所示，该智能设备包括：语音采集器401、处理器402以及存储器403。
语音采集器401，用于采集用户当前提供的第一语音信息；
存储器403，用于存储一个或多个程序指令；一个或多个程序指令被处理器402运行，用以执行如前述实施例所述的一种语义识别方法中任一的方法步骤。
本发明实施例提供的一种智能设备中各部件所执行的功能均已在上述实施例1中做了详细介绍，因此这里不做过多赘述。
本发明实施例提供的一种智能设备，采集第一语音信息后，对第一语音信息进行预处理，获取与第一语音信息对应的词序列。然后利用预建立的分析器联合模型对词序列进行预测，从而获取与第一语音信息对应的语义动作解析结果。经过训练过的分析器联合模型可以精确的识别出语义动作，便于智能设备顺利的精准识别用户的语义动作，并执行相应的任务，从而大大提升用户体验度。
与上述实施例相对应的，本发明实施例还提供了一种计算机存储介质，该计算机存储介质中包含一个或多个程序指令。其中，一个或多个程序指令用于被一种智能设备执行如上所介绍的一种语义识别方法。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (8)
1.一种语义识别方法，其特征在于，所述方法包括：
采集用户当前提供的第一语音信息；
对所述第一语音信息进行预处理，获取与所述第一语音信息对应的词序列；
利用预建立的分析器联合模型对所述词序列进行预测，获取与所述第一语音信息对应的语义动作解析结果，所述预建立的分析器联合模型为利用用户提供的样本语音信息对分析器进行训练后获取的最优训练模型；
所述语义动作解析结果包括：与所述第一语音信息中的信息槽对应的第一类语义动作；或者与所述第一语音信息整体句式对应的第二类语义动作；或者，所述第一类语义动作和所述第二类语义动作的整合；第一类语义动作包括：肯定、否定、选择和证实的词汇。
2.根据权利要求1所述的方法，其特征在于，对所述第一语音信息进行预处理，获取与所述第一语音信息对应的词序列，具体包括：
对所述语音信息进行语音识别和语音分析转换后，生成文本数据；
对所述文本数据依次进行切词处理和信息槽标注处理，获取与所述文本数据对应的词序列。
3.根据权利要求1所述的方法，其特征在于，当所述第一语音信息不是用户提供的第一条语音信息时，所述利用预建立的分析器联合模型对所述词序列进行预测，获取与所述第一语音信息对应的语义动作解析结果之前，所述方法还包括：
提取与所述用户提供的第二语音信息对应的语义动作，所述第二语音信息为所述用户在提供所述第一语音信息之前提供的前一条语音信息；
将所述第二语音信息对应的语义动作和所述词序列共同输入至所述预建立的分析器联合模型，以便利用所述预建立的分析器联合模型，对所述词序列和所述第二语音信息对应的语义动作结合进行预测，获取与所述第一语音信息对应的语义动作解析结果。
4.一种语义识别装置，其特征在于，所述装置包括：
采集单元，用于采集用户当前提供的第一语音信息；
处理单元，用于对所述第一语音信息进行预处理，获取与所述第一语音信息对应的词序列；
预测单元，用于利用预建立的分析器联合模型对所述词序列进行预测，获取与所述第一语音信息对应的语义动作解析结果，所述预建立的分析器联合模型为利用用户提供的样本语音信息对分析器进行训练后获取的最优训练模型；
所述语义动作解析结果包括：与所述第一语音信息中的信息槽对应的第一类语义动作；或者与所述第一语音信息整体句式对应的第二类语义动作；或者，所述第一类语义动作和所述第二类语义动作的整合；第一类语义动作包括：肯定、否定、选择和证实的词汇。
5.根据权利要求4所述的装置，其特征在于，所述处理单元具体用于，对所述语音信息进行语音识别和语音分析转换后，生成文本数据；
对所述文本数据依次进行切词处理和信息槽标注处理，获取与所述文本数据对应的词序列。
6.根据权利要求4所述的装置，其特征在于，当所述第一语音信息不是用户提供的第一条语音信息时，所述装置包括：
提取单元，提取与所述用户提供的第二语音信息对应的语义动作，所述第二语音信息为所述用户在提供所述第一语音信息之前提供的前一条语音信息；
将所述第二语音信息对应的语义动作和所述词序列共同输入至所述预建立的分析器联合模型，以便所述预测单元利用所述预建立的分析器联合模型，对所述词序列和所述第二语音信息对应的语义动作结合进行预测，获取与所述第一语音信息对应的语义动作解析结果。
7.一种智能设备，其特征在于，所述智能设备包括：语音采集器、存储器以及处理器；
所述语音采集器，用于采集用户当前提供的第一语音信息；
所述存储器，用于存储一个或多个程序指令；所述一个或多个程序指令被所述处理器运行，用以执行如权利要求1-3任一项所述的方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种智能设备执行如权利要求1-3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574678.5A CN109559748B (zh) | 2018-12-21 | 2018-12-21 | 一种语义识别方法、装置、智能设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574678.5A CN109559748B (zh) | 2018-12-21 | 2018-12-21 | 一种语义识别方法、装置、智能设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109559748A CN109559748A (zh) | 2019-04-02 |
| CN109559748B true CN109559748B (zh) | 2019-09-24 |
Family
ID=65870815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811574678.5A Active CN109559748B (zh) | 2018-12-21 | 2018-12-21 | 一种语义识别方法、装置、智能设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109559748B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160016B (zh) * | 2019-04-15 | 2022-05-03 | 深圳碳云智能数字生命健康管理有限公司 | 语义识别方法、装置、计算机可读存储介质和计算机设备 |
| CN112305927A (zh) * | 2019-07-31 | 2021-02-02 | 深圳市云海物联科技有限公司 | 设备的控制方法及装置 |
| CN110459224B (zh) * | 2019-07-31 | 2022-02-25 | 北京百度网讯科技有限公司 | 语音识别结果处理方法、装置、计算机设备及存储介质 |
| CN110853626B (zh) * | 2019-10-21 | 2021-04-20 | 成都信息工程大学 | 基于双向注意力神经网络的对话理解方法、装置及设备 |
| CN113742460B (zh) * | 2020-05-28 | 2024-03-29 | 华为技术有限公司 | 生成虚拟角色的方法及装置 |
| CN111736481B (zh) * | 2020-07-14 | 2023-06-23 | 北京自如信息科技有限公司 | 基于用户行为特征的模型训练、智能家居控制方法及装置 |
| CN111883112B (zh) * | 2020-07-27 | 2022-03-18 | 中国平安人寿保险股份有限公司 | 基于多模式标识的语义识别方法、装置和计算机设备 |
| CN111933174A (zh) * | 2020-08-16 | 2020-11-13 | 云知声智能科技股份有限公司 | 语音处理方法、装置、设备和系统 |
| CN112102840B (zh) * | 2020-09-09 | 2024-05-03 | 中移（杭州）信息技术有限公司 | 语义识别方法、装置、终端及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05225229A (ja) * | 1992-02-13 | 1993-09-03 | Nec Corp | 自然言語における程度表現の処理方式 |
| CN101751431A (zh) * | 2008-12-15 | 2010-06-23 | 北京大学 | 中文评论褒贬分析方法及装置 |
| WO2014086101A1 (zh) * | 2012-12-07 | 2014-06-12 | Wan Jihua | 将自然语言翻译成计算机语言的方法、语义分析器及人机对话系统 |
| JP6617053B2 (ja) * | 2016-02-29 | 2019-12-04 | Ｋｄｄｉ株式会社 | 感情分類によって文脈意味の理解精度を高める発話意味分析プログラム、装置及び方法 |
| CN106980652B (zh) * | 2017-03-03 | 2020-09-08 | 竹间智能科技（上海）有限公司 | 智能问答方法及系统 |
| CN108388638B (zh) * | 2018-02-26 | 2020-09-18 | 出门问问信息科技有限公司 | 语义解析方法、装置、设备及存储介质 |
-
2018
- 2018-12-21 CN CN201811574678.5A patent/CN109559748B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109559748A (zh) | 2019-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109559748B (zh) | 一种语义识别方法、装置、智能设备及存储介质 | |
| US10152971B2 (en) | System and method for advanced turn-taking for interactive spoken dialog systems | |
| CN111062217B (zh) | 语言信息的处理方法、装置、存储介质及电子设备 | |
| CN108710704B (zh) | 对话状态的确定方法、装置、电子设备及存储介质 | |
| CN108806671B (zh) | 语义分析方法、装置及电子设备 | |
| KR102316063B1 (ko) | 오디오 중의 키 프레이즈를 인식하기 위한 방법과 장치, 기기 및 매체 | |
| US20230080671A1 (en) | User intention recognition method and apparatus based on statement context relationship prediction | |
| CN112699686B (zh) | 基于任务型对话系统的语义理解方法、装置、设备及介质 | |
| CN110222184A (zh) | 一种文本的情感信息识别方法及相关装置 | |
| WO2022048194A1 (zh) | 事件主体识别模型优化方法、装置、设备及可读存储介质 | |
| CN109119070A (zh) | 一种语音端点检测方法、装置、设备及存储介质 | |
| CN109492085B (zh) | 基于数据处理的答案确定方法、装置、终端及存储介质 | |
| CN110610698A (zh) | 一种语音标注方法及装置 | |
| CN112669842A (zh) | 人机对话控制方法、装置、计算机设备及存储介质 | |
| CN116821290A (zh) | 面向多任务对话的大语言模型训练方法和交互方法 | |
| CN113220854B (zh) | 机器阅读理解的智能对话方法及装置 | |
| CN112036186A (zh) | 语料标注方法、装置、计算机存储介质及电子设备 | |
| CN111400340A (zh) | 一种自然语言处理方法、装置、计算机设备和存储介质 | |
| CN116665674A (zh) | 基于语音和预训练模型的互联网智能化招聘发布方法 | |
| CN114564967B (zh) | 一种面向情感语义的语义标注及语义依存分析方法及装置 | |
| CN114171016B (zh) | 语音交互的方法、装置、电子设备及存储介质 | |
| CN113689851B (zh) | 调度专业语言理解系统及方法 | |
| Liu et al. | Intention detection based on Bert-Bilstm in taskoriented dialogue system | |
| CN115114453A (zh) | 基于知识图谱的智能客服实现方法和装置 | |
| Sartiukova et al. | Remote Voice Control of Computer Based on Convolutional Neural Network |
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 |