CN109710733A - 一种基于智能语音识别的数据交互方法和系统 - Google Patents

Abstract

本发明涉及一种基于智能语音识别的数据交互方法和系统，所述交互方法包括步骤：采集语音信号；针对接收到的语音信号进行语音识别分析，将语音信号识别为文本；对识别得到的文本进行信息提取和类型匹配，并根据提取的信息及类型构建搜索条件和/或展现条件；基于搜索条件，完成数据搜索，并根据展现条件展现相应图表报告，实现数据交互。本方法和系统解决现有商业智能系统中报告生成、调取需要较高的时间成本、人力成本和记忆成本的问题，能实现快速报告生成、并根据用户需求实现快速、精准的响应，提高用户体验，增强易用性。

Description

一种基于智能语音识别的数据交互方法和系统

技术领域

本发明涉及商业智能(BI)领域，尤其涉及一种商业智能系统中数据交互方法和系统。

背景技术

目前，大数据的智能分析在企业中已有较为广泛的应用，通常业务人员会根据业务需要制作各类报告进行商业分析。敏捷BI(商业智能)虽然能够方便的实现业务需求的快速响应、灵活计算和数据分析，并提供可视化展示报告。但是，报告的准备、生成、调取仍需要工作人员的操作和管理，例如工作人员需要熟记数据所在位置、数据字段命名、报告所在位置，通过找到数据位置、报告位置才能进一步进行分析；还有些报告需要通过手工输入点选参数才能得到报告内容。故现有技术需要人工操作、手动点选的程度非常高，且记忆成本高，对工作人员的数据熟悉程度有较高要求，尤其在数据量大、数据维度高、数据类目众多的情况下，准确记住位置并快速找到才能完成相应的数据计算和分析，这导致了较高的时间成本和人力成本。并且，对于新进工作人员、以及需要实时交互的场合并不友好。对于刚接触不久的工作人员来说，需要通过一定时间来学习、记忆和练习，才能熟练运用。在需要实时交互的场合，例如会议、展示、演讲，则因繁琐的操作，而给实时交互带来不好的体验，影响使用感受。

具体到应用场景，一工作人员在众多报告资源中，需要通过鼠标键盘等人机操作交互在系统中寻找想要的报告，当找到报告后点击打开时还需要填写相应参数来计算报告内容。这一系列的操作会增加很多工作上的额外消耗。为解决上述问题，当系统能够支持智能语音识别并支持自动传入参数后，那么业务人员再找到相应的报告就简单多了，只需对系统说出相关信息，一张报告就可以快速打开。如我需要打开“全国门店销售统计”的“第三季度”的报告，系统能够帮我找到“全国门店销售统计”报告并将参数“第三季度”传入报告中，此时就能得到相应的业绩报告了。

鉴于以上，有必要提供一种更加智能、高效的数据交互方法，解决现有商业智能系统中报告查询的人力成本和时间成本高的问题，提供一种基于智能语音识别获取用户需求、进而精准响应的交互方式，以提高用户体验，增强易用性。

发明内容

鉴于上述的分析，本发明旨在提供一种基于智能语音识别的数据交互方法和系统，用以解决现有商业智能系统中报告生成、调取需要较高的时间成本、人力成本和记忆成本、并且交互体验不佳的问题。

本发明的目的主要是通过以下技术方案实现的：

商业智能系统中数据交互方法，包括步骤：

采集语音信号；

针对接收到的语音信号进行语音识别分析，将语音信号识别为文本；

对识别得到的文本进行信息提取和类型匹配，并根据提取的信息及类型构建搜索条件和/或展现条件；

基于搜索条件，完成数据搜索，并根据展现条件展现相应图表报告，实现数据交互。

其中，所述语音识别分析进一步包括语音预处理步骤。

所述预处理中还包括：根据语音信号判断用户是否处于嘈杂的环境中；根据判断结果提示用户提高输入音频信息的音量和/或采用降低后的电压幅值重新采集语音信息。

所述信息提取包括文本分词步骤。所述分词步骤采用基于词典的最长词匹配，或机器学习模型进行分词。优选的，采用隐马尔可夫模型。

所述文本分词步骤之前，还包括对话理解步骤，将针对同一检索需求的多次对话，归集为一个集合处理。

所述类型匹配采用预先定义的词典、或采用机器学习模型。

进一步的，在分词和类型匹配均采用机器学习模型的情况下，将分词和类型匹配两个过程集成到一个模型中实现。

采用上述数据交互方法的数据交互系统，具体包括：语音输入单元、语音识别单元、信息挖掘单元、搜索单元和展现单元。

其中，所述语音输入单元用于获取语音信号；所述语音识别单元接收语音输入单元传输过来的语音信号，并对语音信号进行语音识别分析，将语音信号识别为文本；所述信息挖掘单元用于接收语言识别单元的识别结果，对识别得到的文本进行信息提取和类型匹配，并基于提取的信息及类型构建搜索条件和/或展现条件；所述搜索单元根据信息挖掘单元构建的搜索条件，完成数据搜索；并由所述展示单元结合展示条件反馈相应的图表报告。

本发明有益效果如下：

本发明涉及的数据交互，能实现快速报告生成、并根据用户需求实现快速、精准的响应，提高用户体验，增强易用性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为基于智能语音识别的数据交互方法的流程图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

本发明的一个具体实施例，公开了一种商业智能系统中数据交互方法(图1)，包括以下步骤：

S1.通过语音输入单元采集语音信号；所述语音输入单元用于接收用户的语音，所述语音输入单元可以是话筒等语音接收设备，部署在移动终端、台式计算机等具有运算能力的计算设备上、或者与移动终端、台式计算机等具有运算能力的计算设备相连接。

S2.语音识别单元针对接收到的语音信号进行语音识别分析，将语音信号识别为文本。

优选的，为提高语音识别结果，语音识别单元包括语音预处理单元和语音转换单元。在进行语音识别之前，语音预处理单元包括以下步骤至少之一：

语音输入单元将接收到的用户语音传输到语音预处理单元，由语音预处理单元将接收到的语音信号转变为电信号，即将模拟信号转变为数字信号，然后进行预处理，包括环境背景噪音消除、滤波、预加重、加窗函数及端点检测等，得到经过预处理的语音信号。

进一步的，语音预处理单元还可以根据语音信号判断用户是否处于嘈杂的环境中；

当判断用户处于嘈杂的环境中，所述语音信号包括环境嘈杂音频信息与用户音频信息，进一步判断所述语音输入单元采集语音信息时，所述语音信息的输入音量是否达到最大可接收音量；

当所述语音信息的输入音量未达到最大可接收音量时，提示用户提高输入音频信息的音量；以及进一步可以控制所述语音输入单元降低采集音频信息的电压幅值，并采用降低后的电压幅值采集语音信息，并控制语音输入单元准备启动下一次语音输入过程。

优选的，当判断用户处于嘈杂环境中时，还可以在采集语音信息时，根据语音信息的输入音量、以及采集音频信息的电压幅值，确定下一次采集音频信息的条件，并控制语音输入单元准备启动下一次语音识别过程。上述条件针对当前的用户环境状况而设置的，即可以根据用户环境自适应调节语音信息采集的音量和电压幅值。

语音转换单元接收经过语音预处理单元预处理的语音信息，并将该语音信息识别为文本，该文本即为识别结果。

S3.信息挖掘单元接收语言识别单元的识别结果，对识别得到的文本进行信息提取和类型匹配，基于提取的信息及类型构建搜索和/或展现条件。

所述对识别得到的文本进行信息提取，是从识别得到的文本中提取用于构成检索条件和/或展现条件的信息，比如，时间、地点、统计对象、事件、专有名词等。针对识别得到的文本采用自然语言处理技术进行理解、分词和挖掘。通俗说来，就是要提取时间、地点、统计对象、统计事件的信息，并将信息组织成搜索条件，构建查询语句和/或展现控制语句，在查询语句中，利用提取的信息限定时间、地点、事件、统计对象等统计范围，以及需要以什么样的形式进行呈现，即展现条件。

信息提取包括对所述待解析文本进行分词的步骤。

所述分词具体可以采用基于词典的最长词匹配，还可以采用机器学习模型进行分词，优选的，采用条件随机场模型、或HMM(Hidden Markov Model，隐马尔可夫模型)、或N-gram模型进行。

在获得分词结果后，还包括剔除无用信息的步骤，具体将剔除对检索条件生成无用的虚词等词汇，例如剔除“我”、“通过”、“借由”等词汇。该剔除步骤可以采用将分词结果与预先定义的词典进行匹配的方法，也可以将该步骤融入到之后的类型匹配步骤中，通过模型计算得出对检索条件、展现条件的建立无用的词汇，这些词汇单独归属一类，并相应剔除。

优选的，采用HMM(Hidden Markov Model，隐马尔可夫模型)进行分词。隐马尔可夫模型是一个离散时域有限状态自动机，隐马尔可夫模型HMM是指这一马尔可夫模型的内部状态外界不可见，外界只能看到各个时刻的输出值。本实施例中，隐马尔可夫模型HMM的输入值是各个文本的特征向量。该特征向量可以由文本挖掘单元中的特征提取单元进行，特征提取单元提取出反映文本特性的主要特征参数，形成特征向量xi，xi＝(xi1,xi2,…xij,…,xin)T，xij表示第i个对象或个人的第j个文本特征值，特征参数提取方法优选的采用频率倒谱系数法(MFCC)，还可采用谱包络法、LPC内插法、LPC求根法、希尔伯特变换法等得到特征向量，特征向量将自动保存数据库中。隐马尔可夫模型HMM的输出值可以是对各个文本计算而得的分词最优路径。进一步的，可以将类型匹配过程融入到隐马尔可夫模型中，输出值可以是对各个文本计算而得的分词结果及其对应的归类结果。

在对文本进行分词后，可以基于预先定义的词典进行词语的类型匹配。预先定义的词典可以通过更新的方式，实现对用户语言变化的适应。例如，通过预先建立归属于时间类别的词构成的词典，进而通过词语匹配，将“2018年”、“2017年”等词汇匹配到时间类别，将“中国”、“全球”等词汇匹配到地点类别，将“销量”、“点击率”、“日活数量”等词汇匹配到统计对象这一类别，将“柱状图”，“饼图”等词汇匹配到结果呈现这一类别。基于词典的类型匹配有利于降低系统计算压力，但是对用户的适应性不佳。

优选的，类型匹配还可以采用条件随机场模型、HMM(Hidden Markov Model，隐马尔可夫模型)方法、N-gram模型等机器学习的方法。由于本发明涉及的BI使用场景，通常具有特定性和局限性，用户的业务通常集中在某几个行业中，因此利用机器学习模型进行训练并进行类别匹配的计算量是可接受的。因此，进一步的，可以基于用户的行业需求、使用习惯对模型的进行训练，使得模型更加适合特定行业后，再供用户使用。用户使用过程中还能够不断训练该模型，以适应用户的使用环境和用词习惯。采用机器学习方法进行类型匹配，输出结果是分词结果对应的归类结果。

在文本分词过程中，如果也采用的是条件随机场模型、HMM(Hidden MarkovModel，隐马尔可夫模型)方法、N-gram模型等机器学习方法，则类别匹配可以集成到进行分词的模型中，模型输出值可以是对各个文本计算而得的分词结果及各分词对应的归类。

优选的，采用HMM模型进行文本的分析和类型匹配，可以作出两个假设，一是内部状态的转移只与上一状态有关，另一是输出值只与当前状态(或当前的状态转移)有关，这两个假设能大大降低了模型的复杂度，提高计算效率。优选的，HMM的中打分、解码和训练相应的算法分别是前向算法、维特比算法和前向后向算法。

经过上述分词和类型匹配的过程后，通过智能搜索将词语通过预先设定的规则，转换为数据库可识别的符号，并按照其类型对应填入到相应类别的搜索语句或展现控制语句中，形成完整的搜索语句和展现控制语句。例如根据匹配得到的时间类别，将“2018年”转换为2018、并填写入搜索语句中时间限定语句；根据匹配得到的地点类别，将“中国”转换为CN，并填写入搜索语句中地点限定语句；根据匹配得到的统计对象类别，将“销量”转换成sales，并填写入搜索语句中统计对象限定语句；根据匹配得到的结果呈现类别，将“柱状图”转换成bar，并填写入结果呈现的操作控制语句中，根据上述方法构建搜索语句和展现控制语句，以向数据库表达搜索2018年中国地区销量，并以柱状图展现的语义。

上述对应搜索条件的语句事先也标记有类别，该类别与词语的类别相对应。

用户使用时，在经过分词和类别匹配后，将提取到的词汇作为参数自动填入相应的控制语句中，构件检索条件和展现条件。

优选的，该信息提取和类型匹配之前，进一步增加对话理解单元，用于进行对话理解的处理。通常，用户很难将需求在一句话内表达清楚，而是与商业智能系统进行多句对话，才能将全部检索和展现需求告知系统。因此，在分词步骤之前进一步包括由对话理解单元实现对话归集计算步骤，通过计算文本相似度，将针对同一检索需求的多次对话，归集为一个集合，针对这一集合进行分词和归类匹配算法，获取用户的搜索和展现意图。优选的，计算文本相似度的对话理解处理可以采用余弦相似性算法、简单共有词方法、或计算Jaccard相似性系数等方法进行。通过对话归集计算步骤能够在一定程度上进行对话上下文理解，将涉及同义词检索的多句对话归为一个集合进行后续处理，使得该商业智能系统的易用性更高，用户体验更好。

S4.通过搜索单元基于完整的搜索条件，完成数据搜索，并通过展示单元反馈相应的图表报告，实现数据交互。

数据库根据步骤S3中构建的搜索语句，获得检索结果，并进一步根据用户通过提取到的展现条件进行屏幕展示或输出。经过以上处理，将用户通过语音输入的检索条件，经过处理，获得检索及展现需要的参数，在此基础上建立搜索条件和展现条件，进而通过计算机实现，完成了用户指令，反馈了用户需要的结果。在用户没有通过语音给出展现条件的控制指令时，采用缺省方式展现。

优选的，在进行数据搜索、或图表报告生成和展示的过程中，还包括基于用户面部识别或语音识别技术进行个性化交互的功能。通过步骤S1中输入的语音或摄像头对用户面部图像的捕捉，识别出该用户个人，进而根据该用户的预先设定，商业智能系统提供个性化的展现方式、对话模式、交互习惯等，并可以进行相应的权限控制。

本发明的另一个具体实施例，公开了一种商业智能系统中采用实施例一中数据交互方法的数据交互系统，包括：语音输入单元、语音识别单元、信息挖掘单元、搜索单元和展示单元。

所述语音输入单元以是话筒等语音接收设备，部署在移动终端、台式计算机等具有运算能力的计算设备上、或者与移动终端、台式计算机等具有运算能力的计算设备相连接。语音输入单元用于获取语音信号，并将语音信号传输给语音识别单元。

所述语音识别单元接收语音输入单元传输过来的语音信号，并对语音信号进行语音识别分析，将语音信号识别为文本。

其中，语音识别单元进一步包括语音预处理单元和语音转换单元。

所述语音预处理单元将接收到的语音信号转变为电信号，然后进行预处理，包括环境背景噪音消除、滤波、预加重、加窗函数及端点检测等，得到经过预处理的语音信号。进一步的，语音预处理单元还可以根据语音信号判断用户是否处于嘈杂的环境中；根据判断结果提示用户提高输入音频信息的音量和/或采用降低后的电压幅值采集语音信息；以及还可以采用自适应调节的方式，根据语音信号自适应调节下一次语音信息采集的音量和电压幅值。

所述语音转换单元用于接收经过语音预处理单元预处理的语音信号，并将该语音信号识别为文本。

所述信息挖掘单元用于接收语言识别单元的识别结果，对识别得到的文本进行信息提取和类型匹配，并基于提取的信息及类型构建搜索条件和/或展示条件。所述信息挖掘单元具体包括以下步骤：文本分词、类型匹配、构建搜索语句和展现控制语句。实现方法如具体实施例一中所述。

进一步的，信息挖掘单元可以包括对话理解单元，用于进行多句对话的上下文进行理解。

所述搜索单元根据信息挖掘单元构建的搜索语句，完成数据搜索；并由所述展示单元根据展现控制语句，反馈相应的图表报告，完成数据交互过程。

综上所述，本发明实施例提供了一种商业智能系统中数据交互方法和交互系统，能基于语音输入实现报告生成和展示，适应不同使用场景、不同需求的客户，根据用户需求进行快速、精准的响应，提高用户体验，增强易用性，解决了现有点选式报告选择和展示便捷性差、需要较高人力成本和记忆成本的问题。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种商业智能系统中数据交互方法，其特征在于，包括步骤：

采集语音信号；

针对接收到的语音信号进行语音识别分析，将语音信号识别为文本；

对识别得到的文本进行信息提取和类型匹配，并根据提取的信息及类型构建搜索条件和/或展现条件；

基于搜索条件，完成数据搜索，并根据展现条件展现相应图表报告。

2.根据权利要求1所述的商业智能系统中数据交互方法，其特征在于，所述语音识别分析进一步包括语音预处理步骤。

3.根据权利要求2所述的商业智能系统中数据交互方法，其特征在于，所述预处理中还包括：根据语音信号判断用户是否处于嘈杂的环境中；根据判断处于嘈杂的环境中时，提示用户提高输入音频信息的音量和/或采用降低后的电压幅值重新采集语音信息。

4.根据权利要求1所述的商业智能系统中数据交互方法，其特征在于，所述信息提取包括文本分词步骤。

5.根据权利要求4所述的商业智能系统中数据交互方法，其特征在于，所述文本分词步骤之前，还包括对话理解步骤，将针对同一检索需求的多次对话，归集为一个集合处理。

6.根据权利要求4或5所述的商业智能系统中数据交互方法，其特征在于，所述分词步骤采用基于词典的最长词匹配，或机器学习模型。

7.根据权利要求6所述的商业智能系统中数据交互方法，其特征在于，所述分词采用隐马尔可夫模型。

8.根据权利要求1所述的商业智能系统中数据交互方法，其特征在于，所述类型匹配采用预先定义的词典、或采用机器学习模型。

9.根据权利要求1或6或7或8所述的商业智能系统中数据交互方法，其特征在于，在分词和类型匹配均采用机器学习模型的情况下，将分词和类型匹配两个过程集成到一个模型中实现。

10.一种采用权利要求1-9之一所述数据交互方法的数据交互系统，其特征在于包括：

语音输入单元、语音识别单元、信息挖掘单元、搜索单元和展现单元；

所述语音输入单元用于获取语音信号；

所述语音识别单元接收语音输入单元传输过来的语音信号，并对语音信号进行语音识别分析，将语音信号识别为文本；

所述信息挖掘单元用于接收语言识别单元的识别结果，对识别得到的文本进行信息提取和类型匹配，并基于提取的信息及类型构建搜索条件和/或展现条件；

所述搜索单元根据信息挖掘单元构建的搜索条件，完成数据搜索；并由所述展现单元结合展示条件反馈相应的图表报告。