CN110288990A - 一种语音控制优化方法、存储介质及智能终端 - Google Patents

一种语音控制优化方法、存储介质及智能终端 Download PDF

Info

Publication number
CN110288990A
CN110288990A CN201910506424.8A CN201910506424A CN110288990A CN 110288990 A CN110288990 A CN 110288990A CN 201910506424 A CN201910506424 A CN 201910506424A CN 110288990 A CN110288990 A CN 110288990A
Authority
CN
China
Prior art keywords
instruction
event
user
optimization method
voice control
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
Application number
CN201910506424.8A
Other languages
English (en)
Other versions
CN110288990B (zh
Inventor
周胜杰
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.)
Shenzhen Konka Electronic Technology Co Ltd
Original Assignee
Shenzhen Konka Electronic 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 Shenzhen Konka Electronic Technology Co Ltd filed Critical Shenzhen Konka Electronic Technology Co Ltd
Priority to CN201910506424.8A priority Critical patent/CN110288990B/zh
Publication of CN110288990A publication Critical patent/CN110288990A/zh
Application granted granted Critical
Publication of CN110288990B publication Critical patent/CN110288990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/26Speech to text systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223Execution procedure of a spoken command

Abstract

本发明公开了一种语音控制优化方法、存储介质及智能终端,所述语音控制优化方法包括:对用户的第一语音信息进行识别,获取所述语音信息对应的第一指令;执行所述第一指令对应的第一事件;接收用户对所述第一事件的第一反馈,按照预设策略进行预设处理。本发明通过对用户发出语音信息后的操作进行追踪,对用户发出语音信息后的操作进行分析判断,获取用户实际通过所述语音信息想要实现的事件,并根据获取到的结果对语音控制系统进行动态的优化,实现了用户的实际操作与惯用语音的对接,使得语音控制更加符合用户的实际需求。

Description

一种语音控制优化方法、存储介质及智能终端
技术领域
本发明涉及语音控制技术领域,尤其涉及一种语音控制优化方法、存储介质及智能终端。
背景技术
目前,对各种终端进行语音控制已经很常见,但是,每个用户的语言习惯不同,而现有技术中的语音控制都是基于已经有的指令进行交互控制或者基于界面元素进行语音控制,用户需要说出指定的语音才能实现对应的控制,不能实现对于不同语言习惯的用户进行适应性调整。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种语音控制优化方法、存储介质及智能终端,旨在解决现有技术中语音控制需要用户使用特定的语音,不能实现针对不同用户的语音习惯进行适应性调整的问题。
本发明解决技术问题所采用的技术方案如下:
一种语音控制优化方法,其中,所述语音控制优化方法包括:
对用户的第一语音信息进行识别,获取所述第一语音信息对应的第一指令;
执行所述第一指令对应的第一事件;
接收用户对所述第一事件的第一反馈,按照预设策略进行预设处理。
所述的一种语音控制优化方法,其中,所述接收用户对所述第一事件的第一反馈,按照预设策略进行预设处理具体包括:
对所述第一事件被执行之后的用户操作进行追踪,获取所述第一事件被执行之后的用户的第二操作;
判断所述第二操作是否为所述第一事件的响应操作;
若是,则保留所述第一指令,若不是,则根据所述第二操作对所述第一指令进行优化。
所述的语音控制优化方法,其中,所述根据所述第二操作对所述第一指令进行优化具体包括:
根据所述第二操作获取对应的第二指令;
设置所述第二指令代替所述第一指令。
所述的语音控制优化方法,其中,所述根据所述第二操作获取对应的第二指令具体包括:
判断所述第一事件被执行之后、所述第二操作之前是否存在第二事件;
当不存在所述第二事件时,存储与所述第二操作相对应的第二指令。
所述的语音控制优化方法,其中,所述设置所述第二指令代替所述第一指令具体包括:
更新所述第二操作的次数属性值,判断更新后的所述次数属性值是否大于预设阈值;
若是,则设置所述第二指令代替所述第一指令。
所述的语音控制优化方法,其中,所述更新所述第二操作的次数属性值具体包括:
当检测到所述第一事件被执行之后用户进行所述第二操作时,获取所述第二操作当前的次数属性值N,将所述第二操作当前的次数属性值更新为N+1;
其中,当第一次检测到在所述第一事件被执行之后用户进行所述第二操作时,N=0。
所述的语音控制优化方法,其中,所述语音控制优化方法还包括:
当无法识别用户的第二语音信息时,追踪并获取用户之后的第三操作;
判断在接收到所述第二语音信息之后、所述第三操作前是否存在第三事件;
当不存在所述第三事件时,获取所述第三操作对应的第三指令,建立所述第三指令与所述关键字段的对应关系。
所述的语音控制优化方法,其中,所述建立所述第三指令与所述关键字段的对应关系之后还包括:
接收并识别用户的第三语音信息,提取所述第三语音信息中的所述关键字段;
获取与所述关键字段存在对应关系的所述第三指令,并执行所述第三指令对应的事件。
一种存储介质,其中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述任意一项所述的语音控制优化方法。
一种智能终端,包括:处理器、与处理器通信连接的存储介质,其中,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现上述任一项所述的语音控制优化方法的步骤。
本发明的有益效果:本发明通过对用户发出语音信息后的操作进行追踪,对用户发出语音信息后的操作进行分析判断,获取用户实际通过所述语音信息想要实现的事件,并根据获取到的结果对语音控制系统进行动态的优化,实现了用户的实际操作与惯用语音的对接,使得语音控制更加符合用户的实际需求。
附图说明
图1是本发明提供的一种语音控制优化方法的较佳实施例一的流程图;
图2是本发明提供的一种语音控制优化方法的较佳实施例一的步骤S300的流程图;
图3是本发明提供的一种语音控制优化方法的较佳实施例一的步骤S330的流程图;
图4是本发明提供的一种语音控制优化方法的实施例二的流程图;
图5是本发明提供的一种智能终端的功能原理图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1是本发明提供的一种语音控制优化方法的较佳的实施例。
从图1可以看出,在本实施例中,所述的一种语音控制优化方法包括步骤:
S100、对用户的第一语音信息进行识别,获取所述语音信息对应的第一指令。
当用户试图使用语音控制时,会发出第一语音信息,终端接收到所述第一语音信息后,就对其进行分析,获取其中包含的指令。
具体地,所述对用户的第一语音信息进行识别,获取所述语音信息对应的第一指令的实施方式如图2所示,包括:
S110、提取所述第一语音信息中的关键字段。
具体实施时,是对接收到的第一语音信息进行解析,提取所述第一语音信息中的关键字段,例如,当用户说出:“发送一条信息给XX”,则提取出“发送”、“信息”“XX”等关键字段。
S120、将所述关键字段与所述第一指令进行匹配,当匹配成功时,获取所述第一指令。
具体实施时,是采取模糊匹配的方式,也就是说,并不要求所述关键字段与所述关键词一模一样才判定为匹配成功,例如,当所述第一指令为“发送信息给XX”时,从所述第一语音信息中提取出“编写”“信息”“XX”的关键字段,也判断为匹配成功。匹配成功时则认为用户发出的所述第一语音信息中包含所述第一指令。即,用户发出了所述第一指令。
在本实施例中,所述步骤S100之后还包括:
S200、执行所述第一指令对应的第一事件。
当判断出用户发出了所述第一指令后,则执行与所述第一指令对应的第一事件。例如,当用户说出:“发一条信息给XX”时,提取出所述第一指令为“发送信息给XX”,则执行与“发送信息给XX”对应的第一事件,即打开与XX的信息对话框,供用户在信息对话框中输入信息内容。当然,针对不同的第一指令,所对应的第一事件也是不同的,并不限于上述的例子,在此不一一举例。
在本实施例中,所述步骤S200后还包括:
S300、接收用户对所述第一时间的第一反馈,按照预设策略进行预设处理。
下面结合流程图,对所述步骤S300进行具体的说明。
请参阅图3,从图3可知,当进入步骤S300后,首先进行步骤S310:对所述第一事件被执行之后的用户操作进行追踪,获取所述第一事件被执行之后的用户的第二操作。
具体来说,当接收到用户的第一语音信息并从中提取出第一指令,根据所述第一指令执行对应的第一事件后,本实施例提供的语音控制优化方法,还对所述第一事件被执行之后的用户的操作进行追踪监控,检测用户在所述第一事件被执行之后是否还会进行其他的操作。当检测到用户在所述第一事件被执行之后进行了第二操作时则获取所述第二操作。
当获取到所述用户的第二操作之后,进行步骤S320:判断所述第二操作是否为所述第一事件的响应操作。
S330、若是,则保留所述第一指令,若不是,则根据所述第二操作对所述第一指令进行优化。
由于用户在所述第一事件被执行之后可能会对所述第一事件进行响应操作,例如,当所述第一指令为“发送信息给XX”时,对应执行了“打开与XX的信息对话框”的第一事件,那么,用户接下来就会对所述第一事件进行响应操作,例如,在所述信息对话框中输入信息内容等,那么,在本实施例中,如果获取到的第二操作为“在与XX的信息对话框中输入信息内容”,那么,则判断所述第二操作为所述第一事件的响应操作,也就是说,所述第一事件是用户想要终端去执行的事件,从所述第一语音信息中提取的第一指令是正确的,则保留所述第一指令,流程结束。
值得说明的是,本发明中所述的第二操作,并不是指简单的一个操作步骤,而是将一段时间内前后存在关联关系的操作当做一个整体来看待,例如,点击某条信息对其进行查看后并在信息对话框中输入信息内容对其进行回复这一系列操作,应该视为一个操作,而不是将其拆分为“点击信息操作”、“在信息对话框中输入信息内容”等几个操作来看待。
当所述第二操作不是所述第一事件的响应操作时,则所述第一事件可能不是用户通过所述第一语音信息想要执行的事件,那么根据所述第二操作对所述第一指令进行优化。
具体来说,在判断出所述第二操作不是所述第一事件的响应操作时,我们判断所述第二操作对应的第二指令可能才是用户真正想要发出的指令,因此,我们根据所述第二操作获取对应的第二指令,并设置所述第二指令代替所述第一指令,以实现对所述第一指令的优化。请参阅图4,所述步骤S330中,根据所述第二操作对所述第一指令进行优化包括子步骤:
S331、判断在所述第一事件被执行之后、所述第二操作之前是否存在第二事件。
具体来说,虽然当所述第二操作不是所述第一事件的响应操作时,所述第一事件可能不是用户通过所述第一语音信息想要执行的事件,但不排除其他情况,例如,在所述第一事件被执行之后,所述第二操作之前,发生了第二事件,用户执行的第二操作就可能是对所述第二事件的响应操作,例如,当用户发出了“发送信息给XX”的语音信息后,语音控制系统自动执行了“打开与XX的信息对话框”之后,终端上发生了“收取到新的信息”的事件,用户进行了“点击了收到到的新信息并对其进行查看或回复”的第二操作,那么,即使这个第二操作不是对所述第一事件的回应,也不能判断用户通过所述第一语音信息想实现的不是第一事件,因此,当存在所述第二事件时,不对所述第二操作对应的第二指令进行存储。
具体地,所述第二指令是所述第二操作对应的指令,例如,所述第二操作为“打开微信中与XX的信息对话框”时,那么对应的第二指令为:“给XX发送微信消息”,当然,所述第二操作与所述第二指令的对应关系是可以根据不同的逻辑来建立,所述第二指令也可以有不同的表达方法,在此不做限定。
当不存在所述第二事件时,可以判断所述用户进行第二操作很可能是因为所述第一指令执行的所述第一事件不是用户通过所述第一语音信息想要实现的事件,用户进行的第二操作触发的事件才是用户实际上想通过所述第一语音信息想要实现的。那么执行步骤S332:存储与所述第二操作相对应的第二指令。
例如用户说出:“发送一条信息给XX”的语音信息后,语音控制系统判断用户发出了“发送信息给XX”的指令,控制终端执行了“打开与XX的信息对话框”的事件,但是,在该事件被执行之后,用户进行了“打开微信并点击打开与XX的微信对话框”的操作,并且在“打开与XX的信息对话框”与用户执行“打开微信并点击打开与XX的微信对话框”的操作之间也没有发生其他事件,则判断用户通过“发送一条信息给XX”的语音信息实际想要发送的很可能是与“打开微信并点击打开与XX的微信对话框”的操作对应的“发送微信信息给XX”的指令,存储这个指令。
由上可见,本实施例中通过增加对所述第一事件被执行之后、所述第二操作之前是否存在第二事件的判断,可以对所述第二操作进行进一步的过滤,提高了对所述第一事件是否为用户通过第一语音信息想要实现的事件的判断结果的准确性。
更进一步地,为了提高本发明提供的语音控制优化方法的容错性,避免偶然性因素对准确性的影响。本实施例在存储所述第二指令后,还对用户在所述第一事件被执行之后进行第二操作的次数进行计数。
具体地,是在所述步骤S332之后进行步骤S333:更新所述第二操作的次数属性值,判断更新后所述次数属性值是否大于预设阈值。
具体来说,所述第二操作的次数属性是指用户在所述第一事件被执行后进行所述第二操作的次数。在本实施例中,通过以下方法更新所述第二操作的次数属性值。
当检测到用户在所述第一事件被执行后进行所述第二操作时,获取所述第二操作的当前的次数属性值N,将所述第二操作的当前次数属性值更新为N+1,N为大于等于0的整数,当第一次检测到在所述第一事件被执行之后用户进行所述第二操作时,N=0,也就是说,当第一次检测到用户在所述第一事件后被执行后进行所述第二操作时,更新所述第二操作的次数属性为1,第二次检测到用户在所述第一时间被执行后进行所述第二操作时,将所述第二操作的次数属性值更新为2,以此类推。
每次将所述次数属性值更新后,将更新后的所述次数属性值与预设的阈值进行比较,具体实施时,预设阈值可以为3、5等数值,即,当检测到用户在所述第一事件被执行之后进行所述第二操作的次数超过3次或5次时,判断所述第二操作为用户通过所述第一语音信息真正想要实现的操作。当然,预设阈值可以根据实际情况进行具体的设置,当预设阈值越大时,对于第二操作是否为用户真正想要进行的操作的准确性就越高,但是效率相对降低。相反地,预设阈值越小,则语音控制系统的动态调整效率越高,但是对于第二操作是否为用户真正想要进行的操作的准确性就相对降低。
当更新后的所述次数属性值大于所述预设阈值时,进行步骤S334:设置所述第二指令代替所述第一指令。
也就是说,当用户多次通过第一语音信息触发所述第一事件被执行后进行了第二操作后,判断当前语音控制系统中对所述第一语音信息中包含第一指令的判断错误,通过所述第一指令触发执行的所述第一事件不是用户想要通过所述第一语音信息实现的,所述第二操作才是用户真正想要通过所述第一语音信息进行的操作,即,所述第二操作对应的所述第二指令才是用户真正通过所述第一语音信息想要发出的指令,那么,将所述第二指令代替所述第一指令。也就是说,当用户再次发出所述第一语音信息时,语音控制系统控制执行所述第二指令对应的事件。
由以上说明可以看出,本发明通过设置所述第二操作的次数属性值,将所述次数属性值与预设的阈值进行比较,提高了所述语音控制优化方法的容错率,保证了对用户实际上通过所述第一语音信息想要实现的事件的判断准确性,在语音控制系统当前的执行结果不能满足用户实际需求时,将所述第一指令修改为用户实际想要发出的第二指令,实现了对语音控制系统的动态优化,提升其智能化程度。
当然,由于本发明中的第一指令和所述第一语音信息并不是一一对应的关系,因此,在设置所述第二指令代替所述第一指令后,并不限定于在用户发出与所述第一语音信息一模一样的语音信息后才获取第二指令并执行所述第二指令对应的事件,而是在从用户发出的语音信息中提取出能够与所述第一指令匹配成功的关键字段后,就获取所述第二指令,也就是说,当设置所述第二指令代替所述第一指令时,是建立所述第二指令与所述关键字段的对应关系。
在很多时候,由于用户的语言习惯、发音标准度等原因,用户发出的语音信息并不能被识别,也就是说,从用户发出的语音信息中提取的关键字段不能匹配任何指令,实施例二给出了这种情况发生时的解决方案。具体请参阅图4。
实施例二包括步骤:
S410、当无法识别用户的第二语音信息时,追踪并获取所述第二语音信息之后用户的第三操作;
具体地,当用户发出一段无法识别的语音信息后,由于无法识别,语音控制系统不会对所述第二语音信息进行响应,此时,用户接下来的操作很可能就是用户想要通过所述第二语音信息实现的操作,因此,本发明提供的语音控制优化方法,追踪并获取所述第二语音信息之后用户的第三操作。
S420、判断在接收到所述第二语音信息之后、所述第三操作前是否存在第三事件;
同样的,虽然所述第三操作可能是用户通过所述第二语音信息想要实现的操作,但不排除其他情况,例如,在接收到所述第二语音信息之后,所述第三操作之前,发生了第三事件,用户执行的第三操作就可能是对所述第三事件的响应操作,而不是所述第二语音信息对应的操作,因此,当存在所述第三事件时,不对所述第三操作对应的第三指令进行存储。
当不存在所述第三事件时,可以判断所述用户进行第三操作很可能是用户实际上想通过所述第二语音信息想要实现的。那么执行步骤S430:获取所述第三操作对应的第三指令,建立所述第三指令与所述关键字段的对应关系。
在建立所述第三指令与所述关键字段的对应关系之后还包括:
S440、接收并识别用户的第三语音信息,提取所述第三语音信息中的所述关键字段;
S450、获取与所述关键字段存在对应关系的所述第三指令,并执行所述第三指令对应的事件。
具体来说,当用户再次发出所述第二语音信息时,或者,发出与所述第二语音信息具有同样关键字段的其他语音信息时,由于已经建立了所述第三指令与所述关键字段的对应关系,那么,可以通过所述关键字段获取到与其存在对应关系的所述第三指令,执行所述第三指令对应的事件。也就是说,当用户发出了语音控制系统不能识别的语音信息时,本实施例通过跟踪用户在发出不能识别的语音信息之后的操作,创造了与该语音信息对应的新的指令,并将新的指令与该语音信息进行对应,这样,就将原先不能识别的语音信息转换成能识别的语音信息。
当然,同实施例一中对所述第二操作的处理相同,在实施例二中,还可以获取所述第三操作的次数属性,当所述第三操作的次数属性超过阈值时,才判断所述第三操作是用户通过所述第二语音信息想要实现的操作。
结合上述所有实施例可以看出,本发明提供的一种语音控制优化方法,通过对用户发出语音信息后的操作进行追踪,对用户发出语音信息后的操作进行分析判断,获取用户实际通过所述语音信息想要实现的事件,并根据获取到的结果对语音控制系统进行动态的优化,并根据获取到的结果对语音控制系统进行动态的优化,实现了用户的实际操作与惯用语音的对接,使得语音控制更加符合用户的实际需求。
应该理解的是,虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图5所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现所述的语音控制优化方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该智能终端的温度传感器是预先在智能终端内部设置,用于检测内部设备的当前运行温度。
本领域技术人员可以理解,图5中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时至少可以实现以下步骤:
对用户的第一语音信息进行识别,获取所述第一语音信息对应的第一指令;
执行所述第一指令对应的第一事件;
接收用户对所述第一事件的第一反馈,按照预设策略进行预设处理。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:对所述第一事件被执行之后的用户操作进行追踪,获取所述第一事件被执行之后的用户的第二操作;
判断所述第二操作是否为所述第一事件的响应操作;
若是,则保留所述第一指令,若不是,则根据所述第二操作对所述第一指令进行优化。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:根据所述第二操作获取对应的第二指令;
设置所述第二指令代替所述第一指令。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:判断所述第一事件被执行之后、所述第二操作之前是否存在第二事件;
当不存在所述第二事件时,存储与所述第二操作相对应的第二指令。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:更新所述第二操作的次数属性值,判断更新后的所述次数属性值是否大于预设阈值;
若是,则设置所述第二指令代替所述第一指令。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:当检测到所述第一事件被执行之后用户进行所述第二操作时,获取所述第二操作当前的次数属性值N,将所述第二操作当前的次数属性值更新为N+1;
其中,当第一次检测到在所述第一事件被执行之后用户进行所述第二操作时,N=0。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:当无法识别用户的第二语音信息时,追踪并获取用户之后的第三操作;
判断在接收到所述第二语音信息之后、所述第三操作前是否存在第三事件;
当不存在所述第三事件时,获取所述第三操作对应的第三指令,建立所述第三指令与所述关键字段的对应关系。
在其中一个实施例中,该处理器执行计算机程序时还可以实现以下步骤:接收并识别用户的第三语音信息,提取所述第三语音信息中的所述关键字段;
获取与所述关键字段存在对应关系的所述第三指令,并执行所述第三指令对应的事件。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种语音控制优化方法,其特征在于,所述语音控制优化方法包括:
对用户的第一语音信息进行识别,获取所述第一语音信息对应的第一指令;
执行所述第一指令对应的第一事件;
接收用户对所述第一事件的第一反馈,按照预设策略进行预设处理。
2.根据权利要求1所述的一种语音控制优化方法,其特征在于,所述接收用户对所述第一事件的第一反馈,按照预设策略进行预设处理具体包括:
对所述第一事件被执行之后的用户操作进行追踪,获取所述第一事件被执行之后的用户的第二操作;
判断所述第二操作是否为所述第一事件的响应操作;
若是,则保留所述第一指令,若不是,则根据所述第二操作对所述第一指令进行优化。
3.根据权利要求2所述的语音控制优化方法,其特征在于,所述根据所述第二操作对所述第一指令进行优化具体包括:
根据所述第二操作获取对应的第二指令;
设置所述第二指令代替所述第一指令。
4.根据权利要求3所述的语音控制优化方法,其特征在于,所述根据所述第二操作获取对应的第二指令具体包括:
判断所述第一事件被执行之后、所述第二操作之前是否存在第二事件;
当不存在所述第二事件时,存储与所述第二操作相对应的第二指令。
5.根据权利要求3所述的语音控制优化方法,其特征在于,所述设置所述第二指令代替所述第一指令具体包括:
更新所述第二操作的次数属性值,判断更新后的所述次数属性值是否大于预设阈值;
若是,则设置所述第二指令代替所述第一指令。
6.根据权利要求5所述的语音控制优化方法,其特征在于,所述更新所述第二操作的次数属性值具体包括:
当检测到所述第一事件被执行之后用户进行所述第二操作时,获取所述第二操作当前的次数属性值N,将所述第二操作当前的次数属性值更新为N+1;
其中,当第一次检测到在所述第一事件被执行之后用户进行所述第二操作时,N=0。
7.根据权利要求2所述的语音控制优化方法,其特征在于,所述语音控制优化方法还包括:
当无法识别用户的第二语音信息时,追踪并获取用户之后的第三操作;
判断在接收到所述第二语音信息之后、所述第三操作前是否存在第三事件;
当不存在所述第三事件时,获取所述第三操作对应的第三指令,建立所述第三指令与所述关键字段的对应关系。
8.根据权利要求7所述的语音控制优化方法,其特征在于,所述建立所述第三指令与所述关键字段的对应关系之后还包括:
接收并识别用户的第三语音信息,提取所述第三语音信息中的所述关键字段;
获取与所述关键字段存在对应关系的所述第三指令,并执行所述第三指令对应的事件。
9.一种存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-8任意一项所述的语音控制优化方法的步骤。
10.一种智能终端,包括:处理器、与处理器通信连接的存储介质,其特征在于,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现上述权利要求1-8任一项所述的语音控制优化方法的步骤。
CN201910506424.8A 2019-06-12 2019-06-12 一种语音控制优化方法、存储介质及智能终端 Active CN110288990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910506424.8A CN110288990B (zh) 2019-06-12 2019-06-12 一种语音控制优化方法、存储介质及智能终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910506424.8A CN110288990B (zh) 2019-06-12 2019-06-12 一种语音控制优化方法、存储介质及智能终端

Publications (2)

Publication Number Publication Date
CN110288990A true CN110288990A (zh) 2019-09-27
CN110288990B CN110288990B (zh) 2021-07-20

Family

ID=68004817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910506424.8A Active CN110288990B (zh) 2019-06-12 2019-06-12 一种语音控制优化方法、存储介质及智能终端

Country Status (1)

Country Link
CN (1) CN110288990B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292722A (zh) * 2019-12-13 2020-06-16 中国科学院深圳先进技术研究院 异步联合架构的模型训练方法、终端、服务器及存储装置
CN111586244A (zh) * 2020-05-20 2020-08-25 深圳康佳电子科技有限公司 一种语音客服方法及系统
CN112463108A (zh) * 2020-12-14 2021-03-09 美的集团股份有限公司 语音交互处理方法、装置、电子设备及存储介质
CN113763959A (zh) * 2021-10-19 2021-12-07 康佳集团股份有限公司 基于信息重组的语音控制方法、装置、终端及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006058479A (ja) * 2004-08-18 2006-03-02 Matsushita Electric Works Ltd 音声認識機能付制御装置
CN101075434A (zh) * 2006-05-18 2007-11-21 富士通株式会社 语音识别装置及存储语音识别程序的记录介质
KR20080008718A (ko) * 2006-07-21 2008-01-24 삼성전자주식회사 휴대용 단말기에서 동적 음성 인식을 하기 위한 장치 및방법
CN103366741A (zh) * 2012-03-31 2013-10-23 盛乐信息技术(上海)有限公司 语音输入纠错方法及系统
US20130325448A1 (en) * 2012-05-31 2013-12-05 Elwha LLC, a limited liability company of the State of Delaware Speech recognition adaptation systems based on adaptation data
CN103645876A (zh) * 2013-12-06 2014-03-19 百度在线网络技术(北京)有限公司 语音输入方法和装置
CN105825856A (zh) * 2016-05-16 2016-08-03 四川长虹电器股份有限公司 车载语音识别模块的自主学习方法
CN106992009A (zh) * 2017-05-03 2017-07-28 深圳车盒子科技有限公司 车载语音交互方法、系统及计算机可读存储介质
CN107544726A (zh) * 2017-07-04 2018-01-05 百度在线网络技术(北京)有限公司 基于人工智能的语音识别结果纠错方法、装置及存储介质
CN107562204A (zh) * 2017-09-14 2018-01-09 深圳Tcl新技术有限公司 电视交互方法、电视及计算机可读存储介质
US20180137858A1 (en) * 2016-11-17 2018-05-17 BrainofT Inc. Controlling connected devices using a relationship graph
CN109389977A (zh) * 2018-11-01 2019-02-26 腾讯大地通途(北京)科技有限公司 一种语音交互方法及装置
CN109712618A (zh) * 2018-12-06 2019-05-03 珠海格力电器股份有限公司 一种语音服务的控制方法、装置、存储介质及空调
CN109817207A (zh) * 2018-12-20 2019-05-28 珠海格力电器股份有限公司 一种语音控制方法、装置、存储介质及空调

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006058479A (ja) * 2004-08-18 2006-03-02 Matsushita Electric Works Ltd 音声認識機能付制御装置
CN101075434A (zh) * 2006-05-18 2007-11-21 富士通株式会社 语音识别装置及存储语音识别程序的记录介质
KR20080008718A (ko) * 2006-07-21 2008-01-24 삼성전자주식회사 휴대용 단말기에서 동적 음성 인식을 하기 위한 장치 및방법
CN103366741A (zh) * 2012-03-31 2013-10-23 盛乐信息技术(上海)有限公司 语音输入纠错方法及系统
US20130325448A1 (en) * 2012-05-31 2013-12-05 Elwha LLC, a limited liability company of the State of Delaware Speech recognition adaptation systems based on adaptation data
CN103645876A (zh) * 2013-12-06 2014-03-19 百度在线网络技术(北京)有限公司 语音输入方法和装置
CN105825856A (zh) * 2016-05-16 2016-08-03 四川长虹电器股份有限公司 车载语音识别模块的自主学习方法
US20180137858A1 (en) * 2016-11-17 2018-05-17 BrainofT Inc. Controlling connected devices using a relationship graph
CN106992009A (zh) * 2017-05-03 2017-07-28 深圳车盒子科技有限公司 车载语音交互方法、系统及计算机可读存储介质
CN107544726A (zh) * 2017-07-04 2018-01-05 百度在线网络技术(北京)有限公司 基于人工智能的语音识别结果纠错方法、装置及存储介质
CN107562204A (zh) * 2017-09-14 2018-01-09 深圳Tcl新技术有限公司 电视交互方法、电视及计算机可读存储介质
CN109389977A (zh) * 2018-11-01 2019-02-26 腾讯大地通途(北京)科技有限公司 一种语音交互方法及装置
CN109712618A (zh) * 2018-12-06 2019-05-03 珠海格力电器股份有限公司 一种语音服务的控制方法、装置、存储介质及空调
CN109817207A (zh) * 2018-12-20 2019-05-28 珠海格力电器股份有限公司 一种语音控制方法、装置、存储介质及空调

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292722A (zh) * 2019-12-13 2020-06-16 中国科学院深圳先进技术研究院 异步联合架构的模型训练方法、终端、服务器及存储装置
CN111292722B (zh) * 2019-12-13 2023-08-15 中国科学院深圳先进技术研究院 异步联合架构的模型训练方法、终端、服务器及存储装置
CN111586244A (zh) * 2020-05-20 2020-08-25 深圳康佳电子科技有限公司 一种语音客服方法及系统
CN112463108A (zh) * 2020-12-14 2021-03-09 美的集团股份有限公司 语音交互处理方法、装置、电子设备及存储介质
CN112463108B (zh) * 2020-12-14 2023-03-31 美的集团股份有限公司 语音交互处理方法、装置、电子设备及存储介质
CN113763959A (zh) * 2021-10-19 2021-12-07 康佳集团股份有限公司 基于信息重组的语音控制方法、装置、终端及存储介质
CN113763959B (zh) * 2021-10-19 2024-01-26 康佳集团股份有限公司 基于信息重组的语音控制方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN110288990B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN110288990A (zh) 一种语音控制优化方法、存储介质及智能终端
EP3690763A1 (en) Machine learning model training method and device, and electronic device
CN110334130B (zh) 一种交易数据的异常检测方法、介质、装置和计算设备
JP5405586B2 (ja) 手書き文字認識方法および手書き文字認識装置
CN103309588B (zh) 一种防止移动终端误操作的方法、装置及系统
EP3179473A1 (en) Training method and apparatus for language model, and device
CN110333908B (zh) 一种业务流程自动化处理方法及装置
CN104598380A (zh) 一种基于控件的自动化测试方法及系统
CN111970409B (zh) 基于人机交互的语音处理方法、装置、设备和存储介质
CA2560747A1 (en) Profile based capture component for monitoring events in applications
WO2018153316A1 (zh) 获取文本提取模型的方法及装置
CN108829371A (zh) 界面控制方法、装置、存储介质及电子设备
US20200175522A1 (en) Predicting online customer service requests based on clickstream key patterns
CN109256134A (zh) 一种语音唤醒方法、存储介质及终端
US20190347621A1 (en) Predicting task durations
CN109408320A (zh) 前端开发异常处理方法、装置、计算机设备和存储介质
EP3657325A2 (en) Method for deriving frequently used applications, and derivation device using same
WO2018151775A1 (en) Structured response summarization of electronic messages
CN116562807A (zh) 机器人流程自动化方法、装置、电子设备和存储介质
CN115203282A (zh) 结合深度学习的智慧企服用户数据处理方法及系统
CN112612393B (zh) 界面功能的交互方法及装置
CN106201790B (zh) 一种基于dsdt表的调试方法及调试系统
CN115378747B (zh) 恶意数据检测方法、终端设备以及存储介质
WO2017012585A1 (zh) 一种短语输入方法及终端设备
CN111104576A (zh) 网页识别的处理方法、装置、系统及电子设备

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