CN110827807B - 一种语音识别的方法及其系统 - Google Patents

一种语音识别的方法及其系统 Download PDF

Info

Publication number
CN110827807B
CN110827807B CN201911219469.3A CN201911219469A CN110827807B CN 110827807 B CN110827807 B CN 110827807B CN 201911219469 A CN201911219469 A CN 201911219469A CN 110827807 B CN110827807 B CN 110827807B
Authority
CN
China
Prior art keywords
keyword
sentence
standard
input voice
library
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
CN201911219469.3A
Other languages
English (en)
Other versions
CN110827807A (zh
Inventor
李小波
宋萌
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.)
Hengxin Shambala Culture Co ltd
Original Assignee
Hengxin Shambala Culture 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 Hengxin Shambala Culture Co ltd filed Critical Hengxin Shambala Culture Co ltd
Priority to CN201911219469.3A priority Critical patent/CN110827807B/zh
Publication of CN110827807A publication Critical patent/CN110827807A/zh
Application granted granted Critical
Publication of CN110827807B publication Critical patent/CN110827807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G10L15/26—Speech to text systems
    • 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

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)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种语音识别的方法及其系统，其中语音识别的方法具体包括以下步骤：获取语音，对语音进行预处理；在预处理后的输入语音中获取目标关键词的位置；将获取的目标关键词进行词义的确定；根据目标关键词确定输入语音的语义；输出识别后的输入语音。本申请提供的语音识别的方法及其系统能够智能识别用户所发出的语音，提高指令识别的准确度。

Description

一种语音识别的方法及其系统
技术领域
本申请涉及语音处理领域，具体地，涉及一种语音识别的方法及其系统。
背景技术
现有指令语义识别分为两部分，第一部分是语音识别，把用户语音识别成文字，第二部分是语义识别，把文字识别成可执行的指令。目前第一部分语音识别技术已经比较成熟，识别率很高。而第二部分语义识别则准确率不高。指令的语义识别目前主要依靠对关键词的匹配，首先预设一些关键词如：打开声音，关闭程序等。当用户说话文字中包含了这些关键词时，则程序根据预设的规则，执行相应的指令。人类语言，特别是中文的复杂度较高，如果用户的语音指令是标准的指令，则很好识别，但是当我们面对家庭用户，特别是家庭中的孩子时，则成功率就变的很低。小朋友说话时，很难保证是标准的指令，经常存在前后矛盾，包含多条指令等情况。这样会让传统的关键词匹配方式无所适从或错误频频，因此我们需要一种更为精准的语音识别的方式，从而输出最为准确的用户语音。
发明内容
本申请的目的在于提供一种语音识别的方法及其系统，能够判断用户语音中的关键词，并根据关键词得出输入语音的语义，从而综合判断出用户的实际指令。
为达到上述目的，本申请提供了一种语音识别的方法，具体包括以下步骤：获取语音，对语音进行预处理；在预处理后的输入语音中获取目标关键词的位置；将获取的目标关键词进行词义的确定；根据目标关键词确定输入语音的语义；输出识别后的输入语音。
如上的，其中，预处理包括对输入的语音进行文字的转换。
如上的，其中，获取关键词的步骤之前，还包括预先建立关键库，其中关键库中包括语句库、关键词库、否定词库和疑问词库。
如上的，其中，在预处理后的输入语音中获取关键词的位置具体包括以下子步骤：判断输入语音与语句库中的语句是否存在相似；若相似度大于指定阈值，则进一步确定语句库中与输入语音最相似的语句作为标准语句，根据语句库中的语句与对应关键词的索引进行标准关键词的搜索；根据标准关键词确定输入语音中目标关键词的位置。
如上的，其中，将语句库中的语句定义为T＝(T1、T2…Tn)，设输入的语音为Tc，则输入的语音与语句库中的语句的相似度Sim(T,Tc)表示为：
Figure BDA0002300388710000021
其中i为自然数，n为语句库中的语句数量。
如上的，其中，确定语句库中与输入语音最相似的语句具体包括以下子步骤：对输入语音和语句库中的语音进行分词；确定输入语音和语句库中的词频向量；根据词频向量确定与输入语音最相似的语句。
如上的，其中，关键词库中的关键词与对应的语句库中的语句存在索引，根据索引能够读取与语句库中的语句对应的关键词。
一种语音识别系统，具体包括：预处理单元、位置获取单元、词义获取单元、语义获取单元、输出单元；预处理单元，用于获取语音，进行输入语音的预处理；位置获取单元，用于在预处理后的输入语音中获取关键词的位置；词义获取单元，用于将获取的目标关键词进行词义的确定；语义获取单元，用于根据关键词确定输入语音的语义；输出单元，用于输出识别后的输入语音。
如上的，其中，位置获取单元具体包括以下子模块：判断模块、确定模块、位置确定模块；其中判断模块，用于判断输入语音与语句库中的语句是否存在相似；确定模块，用于确定语句库中与输入语音最相似的语句作为标准语句；位置确定模块，用于根据标准语句索引对应的关键词，根据该关键词确定输入语音中目标关键词的位置。
如上的，其中，确定模块还包括以下子模块：分词模块、词频向量确定模块、相似语句确定模块；分词模块，用于对输入语音和语句库中的语音进行分词；词频向量确定模块，用于确定输入语音和语句库中的词频向量；相似语句确定模块，用于根据词频向量确定与输入语音最相似的语句。
本申请具有以下有益效果：
(1)本申请提供的语音识别的方法及其系统能够智能识别用户所发出的语音，提高指令识别的准确度。
(2)本申请提供的语音识别的方法及其系统能够先选择相似的语句，再选择相似的关键词，最后综合分析出语音的含义，其中避免了因为输入语音模糊或者不清楚从而无法识别的问题，同时也提高了识别的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的语音识别的方法流程图；
图2是根据本申请实施例提供的语音识别系统的内部结构图；
图3是根据本申请实施例提供的语音识别系统的内部子模块结构图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
本申请涉及一种语音识别的方法及其系统。根据本申请，能够判断用户语音中的关键词，并根据关键词得出输入语音的语义，从而综合判断出用户的实际指令。
如图1所示为本申请提供的语音识别的方法流程图，具体包括以下步骤：
步骤S110：获取语音，对语音进行预处理。
具体地，其中获取的语音为不同类型用户输入的语音，用户类型具体包括成人和儿童。
该预处理包括对输入的语音进行文字的转换。其中将转化为文本后的语音下文统称为“输入语音”。
优选地，其中将语音转换为文字可参考现有技术中的转换方式。
步骤S120：在预处理后的输入语音中获取目标关键词的位置。
其中获取关键词之前，还包括预先建立关键库，其中关键库中包括语句库和关键词库。
具体地，语句库中包含预先录入的语句，关键词库中为与相应标准语句中的某一文字重合，其中关键词库中可包含代表相应指令的语句的词语，该词语是表达了孩子真正想表达的含义的关键，顾称为“关键词”。
例如，我想要学习中这一整句话为语句库中的语句，而其中的“学习”则作为对应的关键词存储在关键词库中，再例如我想吃苹果这句话作为语句库中的语句，而其中的“苹果”作为关键词。
优选地，建立关键词库与语句库关系的索引，其中关键词库中的关键词与对应的语句库中的语句之间存在一条索引，根据该索引能够读取与语句库中的语句对应的关键词。
由于小孩子的语音与成人的语音输入在准确性上具有很大差异，可能存在口齿不清导致的关键词识别错误，或是定位关键词上出现定位错误，因此需要首先确定输入语音中的关键词(定义为目标关键词)的大概位置再进行输入语音的进一步分析，步骤S120具体包括以下子步骤：
步骤D1：判断输入语音与语句库中的语句是否存在相似。
其中将语句库中的语句定义为T＝(T1、T2…Tn)，设输入的语音为Tc，则输入的语音与语句库中的语句的相似度Sim(T,Tc)可表示为：
Figure BDA0002300388710000051
其中i为自然数，n为语句库中的语句数量。
若相似度超过预先设定的相似阈值，则认为语音库中存在与该语音相似的语句，将该语句定义为标准语句，执行步骤D2。否则流程退出，提示用户再次输入语音。
其中相似阈值由工作人员设置或更改，在此不进行具体数值的限定。
步骤D2：确定语句库中与输入语音最相似的语句作为标准语句。
具体地，可将语音库中的语音与输入语音进行两两比较，其中语音库中进行比较的语音定义为比较语音。其中步骤D2包括以下子步骤：
步骤W1：对输入语音和语句库中的语音进行分词。
示例性地，若输入语音为“我想要提高音量”，比较语音为“我想要降低音量”，则分词后可分别表示为“我想要/提高/音量”，“我想要/降低/音量”。
步骤W2：确定输入语音和语句库中的词频向量。
其中词频向量为分词在所有词中的出现次数，例如“我想要/提高/音量”中的“我想要”在全部分词中出现了2次，词频向量为2。“我想要/降低/音量”中的“降低”在全部分词中出现了1次，词频向量为1。
步骤W3：根据词频向量确定与输入语音最相似的语句。
具体地，语句库中的某一语句与输入语音的相似度可表示为：
Figure BDA0002300388710000052
其中y为分词的数量，ax为输入语音中的词频向量，bx为比较语音的词频向量，x为自然数。
其中若相似度Sim大于预设的比较阈值，则将比较语句作为标准语句，执行步骤D3，否则再从语句库中选取比较语句进行比较。
步骤D3：根据标准语句索引对应的关键词，根据该关键词确定输入语音中目标关键词的位置。
具体地，可根据索引查找与标准语句中的关键词(定义为标准关键词)，并根据标准关键词在标准语句中的位置，确定输入语音中的关键词位置。
例如若输入的语音为“我想要一只脑复”，与输入语音最相似的标准语音为“我想要一只老虎”，而根据索引可以得到标准语句中的关键词为“老虎”，则根据标准关键词在标准语句中句尾的位置，可以判断出输入语音的关键词的位置。
步骤S130：将获取的目标关键词进行词义的确定。
具体地，获取目标关键词的位置后，由于关键词有不同的表达含义，不能将位置相同的输入语音中的关键词和关键词库中的关键词确定为同一词义，因此需要将输入语音中的关键词与标准语句的关键词进行词义相似度的确定。
其中，关键词中不同的含义存在于本体中不同的节点上，关键词所表现出的最广泛的含义为第一节点，范围逐渐缩小的含义为分支或并列节点。示例性地，若某一关键词中的概念A为人，概念A1为男人，概念A2为男子，则概念A为第一节点，概念A1和A2为概念A1的分支节点且二者为并列节点，基于此形成关键词拓扑节点，并根据词语中的节点关系从而确定关键词的相似程度，根据相似程度确定输入语音中关键词的词义。
其中关键词库中的标准关键词和目标关键词也根据上述方式形成关键词拓扑节点，标准关键词与目标关键词中可能存在概念相同的一个或多个节点，但节点的数量和拓扑结构的深度并不相同。
具体地，其中目标关键词和标准关键词的相似程度Sim′表示为：
Figure BDA0002300388710000061
其中Dp,q表示标准关键词中的某一节点上的概念p与目标关键词中某一节点上的概念q的节点距离，Lmax表示目标或标准关键词的拓扑结构的深度。
具体地，根据相似程度的大小进行目标关键词词义的确定，遍历标准关键词库中的节点，若相似程度大于指定阈值，则将标准关键词的该节点的对应概念作为目标关键词的概念，从而确定目标关键词的词义。
若相似程度小于指定阈值，则查找标准关键词中的其他节点上的概念与目标关键词中的概念y的相似程度，遍历标准关键词库中的节点，若相似程度大于指定阈值，则将标准关键词的该节点的概念作为目标关键词的概念，从而确定目标关键词的词义。
步骤S140：根据目标关键词确定输入语音的语义。
具体地，其中可根据关键词的前序和后续的文字中寻找否定词、疑问词等语句，将该语句与关键词结合，从而判断输入语音的语义。
其中步骤S140具体包括以下子步骤：
步骤P1：在关键词的前序和后续文字中搜索否定词。
示例性地，否定词为“不想、不要、不可以”等词语，其中否定词预存于关键库中的否定词库中。
具体地，否定词根据语义分解为多个词语，在否定词库中查找是否存在一个或多个该词语，若查找到一个或多个该词语，则该一个或多个词语构成否定词，同时执行步骤P2。
示例性地，若输入的语音中为“我不是不想要苹果”，则该句中的“不是”和“不想要”构成否定词。
步骤P2：判断否定词的种类。
具体地，若存在否定词，则判断否定词的种类，判断否定词是否为多重否定。示例性地，若否定词为“不是不想要”，则为多重否定，表示肯定的含义。
步骤P3：在关键词的前序和后续搜索疑问词。
示例性地，疑问词可以是“吗，呀”等词，疑问词所涉及的词语预存于疑问词库中。
示例性地，疑问词根据语义分解为多个词语，在语音库中查询多个词语中的一个或多个是否存在，若一个或多个词语能被查询到，则该一个词语或多个词语构成疑问词。
步骤S150：输出识别后的输入语音。
具体地，结合关键词、否定词和疑问词，判断输入的语音的真实含义。
示例性地，若经过上述步骤得到的语音的含义为“你不能降低音量吗”，则能够得出语句“降低音量”为关键词，关键词的前序出现了否定词，关键词的后续出现了疑问词，结果综合得出上述语音为执行关闭指令的语音。
本申请还提供了语音识别系统，如图2所示，语音识别系统其中包括了预处理单元201、位置获取单元202、词义获取单元203、语义获取单元204和输出单元205。
预处理单元201，用于获取语音，进行输入语音的预处理。
位置获取单元202与预处理单元201连接，用于在预处理后的输入语音中获取关键词的位置。
如图3所示，其中位置获取单元202具体包括以下子模块：判断模块301、确定模块302和位置确定模块303。
其中判断模块301用于判断输入语音与语句库中的语句是否存在相似。
确定模块302与判断模块301连接，用于确定语句库中与输入语音最相似的语句作为标准语句。
进一步地，确定模块302还包括以下子模块：分词模块、词频向量确定模块和相似语句确定模块。
分词模块用于对输入语音和语句库中的语音进行分词。
词频向量确定模块与分词模块连接，用于确定输入语音和语句库中的词频向量。
相似语句确定模块与词频向量确定模块连接，用于根据词频向量确定与输入语音最相似的语句。
位置确定模块303与确定模块302连接，用于根据标准语句索引对应的关键词，根据该关键词确定输入语音中目标关键词的位置。
词义获取单元203与位置获取单元202连接，用于将获取的目标关键词进行词义的确定。
语义获取单元204与词义获取单元203连接，用于根据关键词确定输入语音的语义。
输出单元205与语义获取单元204连接，用于输出识别后的输入语音。
本申请具有以下有益效果：
(1)本申请提供的语音识别的方法及其系统能够智能识别用户所发出的语音，提高指令识别的准确度。
(2)本申请提供的语音识别的方法及其系统能够先选择相似的语句，再选择相似的关键词，最后综合分析出语音的含义，其中避免了因为输入语音模糊或者不清楚从而无法识别的问题，同时也提高了识别的准确性。
虽然当前申请参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种语音识别的方法，其特征在于，具体包括以下步骤：
获取语音，对语音进行预处理；预处理包括对输入的语音进行文字的转换；
在预处理后的输入语音中获取目标关键词的位置；
根据获取的目标关键词的位置进行目标关键词的词义的确定；
根据目标关键词确定输入语音的语义；
输出识别后的输入语音；
在预处理后的输入语音中获取目标关键词的位置具体包括以下子步骤：
判断预处理后的输入语音与语句库中的语句是否存在相似；
若相似度大于指定阈值，则进一步确定语句库中与预处理后的输入语音最相似的语句作为标准语句，根据语句库中的标准语句与关键词库中对应关键词的索引进行标准关键词的搜索；
根据标准关键词确定预处理后的输入语音中目标关键词的位置；其中将标准关键词在标准语句中的位置，确定为预处理后的输入语音中目标关键词的位置；
将获取的目标关键词进行词义的确定包括，将标准关键词和目标关键词形成关键词拓扑节点，根据关键词拓扑节点，确定输入语音中的目标关键词与标准语句的标准关键词的词义相似度；
其中目标关键词和标准关键词的相似度Sim′表示为：
Figure FDA0003500415090000011
其中Dp，q表示标准关键词中的某一节点上的概念p与目标关键词中某一节点上的概念q的节点距离，Lmax表示目标或标准关键词的拓扑结构的深度；
若相似度小于指定阈值，则查找标准关键词中的其他节点上的概念与目标关键词中的概念y的相似度，遍历标准关键词库中的节点，若相似度大于指定阈值，则将标准关键词的该节点的概念作为目标关键词的概念，从而确定目标关键词的词义。
2.如权利要求1所述的语音识别的方法，其特征在于，获取关键词的步骤之前，还包括预先建立关键库，其中关键库中包括语句库、关键词库、否定词库和疑问词库。
3.如权利要求1所述的语音识别的方法，其特征在于，确定语句库中与输入语音最相似的语句具体包括以下子步骤：
对输入语音和语句库中的语音进行分词；
确定输入语音和语句库中的词频向量；
根据词频向量确定与输入语音最相似的语句。
4.如权利要求1所述的语音识别的方法，其特征在于，关键词库中的关键词与对应的语句库中的语句存在索引，根据索引能够读取与语句库中的语句对应的关键词。
5.一种语音识别系统，其特征在于，具体包括：预处理单元、位置获取单元、词义获取单元、语义获取单元、输出单元；
预处理单元，用于获取语音，进行输入语音的预处理；预处理包括对输入的语音进行文字的转换；
位置获取单元，用于在预处理后的输入语音中获取关键词的位置；
词义获取单元，用于根据获取的目标关键词的位置进行目标关键词的词义的确定；
语义获取单元，用于根据关键词确定输入语音的语义；
输出单元，用于输出识别后的输入语音；
在预处理后的输入语音中获取目标关键词的位置具体包括以下子步骤：
判断预处理后的输入语音与语句库中的语句是否存在相似；
若相似度大于指定阈值，则进一步确定语句库中与预处理后的输入语音最相似的语句作为标准语句，根据语句库中的标准语句与关键词库中对应关键词的索引进行标准关键词的搜索；
根据标准关键词确定预处理后的输入语音中目标关键词的位置；其中将标准关键词在标准语音中的位置，确定为预处理后的输入语音中目标关键词的位置；
根据获取的目标关键词的位置进行词义的确定包括，将标准关键词和目标关键词形成关键词拓扑节点，根据关键词拓扑节点，确定输入语音中的目标关键词与标准语句的标准关键词的词义相似度；
其中目标关键词和标准关键词的相似度Sim′表示为：
Figure FDA0003500415090000031
其中Dp，q表示标准关键词中的某一节点上的概念p与目标关键词中某一节点上的概念q的节点距离，Lmax表示目标或标准关键词的拓扑结构的深度；
若相似度小于指定阈值，则查找标准关键词中的其他节点上的概念与目标关键词中的概念y的相似度，遍历标准关键词库中的节点，若相似度大于指定阈值，则将标准关键词的该节点的概念作为目标关键词的概念，从而确定目标关键词的词义。
6.如权利要求5所述的语音识别系统，其特征在于，位置获取单元具体包括以下子模块：判断模块、确定模块、位置确定模块；
其中判断模块，用于判断输入语音与语句库中的语句是否存在相似；
确定模块，用于确定语句库中与输入语音最相似的语句作为标准语句；
位置确定模块，用于根据标准语句索引对应的关键词，根据该关键词确定输入语音中目标关键词的位置。
7.如权利要求6所述的语音识别系统，其特征在于，确定模块还包括以下子模块：分词模块、词频向量确定模块、相似语句确定模块；
分词模块，用于对输入语音和语句库中的语音进行分词；
词频向量确定模块，用于确定输入语音和语句库中的词频向量；
相似语句确定模块，用于根据词频向量确定与输入语音最相似的语句。
CN201911219469.3A 2019-11-29 2019-11-29 一种语音识别的方法及其系统 Active CN110827807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911219469.3A CN110827807B (zh) 2019-11-29 2019-11-29 一种语音识别的方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911219469.3A CN110827807B (zh) 2019-11-29 2019-11-29 一种语音识别的方法及其系统

Publications (2)

Publication Number Publication Date
CN110827807A CN110827807A (zh) 2020-02-21
CN110827807B true CN110827807B (zh) 2022-03-25

Family

ID=69543416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911219469.3A Active CN110827807B (zh) 2019-11-29 2019-11-29 一种语音识别的方法及其系统

Country Status (1)

Country Link
CN (1) CN110827807B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435512B (zh) * 2020-11-12 2023-01-24 郑州大学 一种轨道交通运输仿真培训的语音行为考核评价方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100679051B1 (ko) * 2005-12-14 2007-02-05 삼성전자주식회사 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법
CN101075435A (zh) * 2007-04-19 2007-11-21 深圳先进技术研究院 一种智能聊天系统及其实现方法
CN102722539A (zh) * 2012-05-23 2012-10-10 华为技术有限公司 一种基于语音识别的查询方法及装置
CN108877786A (zh) * 2018-06-29 2018-11-23 恒信东方文化股份有限公司 指令识别方法
CN109241332A (zh) * 2018-10-19 2019-01-18 广东小天才科技有限公司 一种通过语音确定语义的方法及系统
CN109657232A (zh) * 2018-11-16 2019-04-19 北京九狐时代智能科技有限公司 一种意图识别方法
CN109753659A (zh) * 2018-12-28 2019-05-14 北京猎户星空科技有限公司 语义处理方法、装置、电子设备和存储介质
CN109920414A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 人机问答方法、装置、设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7908141B2 (en) * 2004-09-29 2011-03-15 International Business Machines Corporation Extracting and utilizing metadata to improve accuracy in speech to text conversions

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100679051B1 (ko) * 2005-12-14 2007-02-05 삼성전자주식회사 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법
CN101075435A (zh) * 2007-04-19 2007-11-21 深圳先进技术研究院 一种智能聊天系统及其实现方法
CN102722539A (zh) * 2012-05-23 2012-10-10 华为技术有限公司 一种基于语音识别的查询方法及装置
CN108877786A (zh) * 2018-06-29 2018-11-23 恒信东方文化股份有限公司 指令识别方法
CN109241332A (zh) * 2018-10-19 2019-01-18 广东小天才科技有限公司 一种通过语音确定语义的方法及系统
CN109657232A (zh) * 2018-11-16 2019-04-19 北京九狐时代智能科技有限公司 一种意图识别方法
CN109753659A (zh) * 2018-12-28 2019-05-14 北京猎户星空科技有限公司 语义处理方法、装置、电子设备和存储介质
CN109920414A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 人机问答方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN110827807A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN109241538B (zh) 基于关键词和动词依存的中文实体关系抽取方法
CN107315737B (zh) 一种语义逻辑处理方法及系统
CN107480143B (zh) 基于上下文相关性的对话话题分割方法和系统
CN105869634B (zh) 一种基于领域的带反馈语音识别后文本纠错方法及系统
Mairesse et al. Spoken language understanding from unaligned data using discriminative classification models
CN112069298A (zh) 基于语义网和意图识别的人机交互方法、设备及介质
CN112417863B (zh) 基于预训练词向量模型与随机森林算法的中文文本分类方法
CN108228732B (zh) 语言存储方法和语言对话系统
JPH05197389A (ja) 音声認識装置
CN108538294B (zh) 一种语音交互方法及装置
CN114580382A (zh) 文本纠错方法以及装置
CN109271524B (zh) 知识库问答系统中的实体链接方法
CN111897930A (zh) 一种自动问答方法与系统、智能设备及存储介质
EP2988298B1 (en) Response generation method, response generation apparatus, and response generation program
US20230094730A1 (en) Model training method and method for human-machine interaction
CN112632982A (zh) 一种能用于供应商评价的对话文本情感分析方法
KR101590908B1 (ko) 채팅 데이터 학습 및 서비스 방법 및 그에 따른 시스템
KR102109866B1 (ko) 합성곱 신경망에 의한 발화 임베딩을 사용한 유사도 측정 기반의 채팅 말뭉치 확장을 위한 장치 및 방법
CN110827807B (zh) 一种语音识别的方法及其系统
CN111326160A (zh) 一种纠正噪音文本的语音识别方法、系统及存储介质
CN113609264B (zh) 电力系统节点的数据查询方法、装置
CN111858900B (zh) 问句语义解析规则模板的生成方法、装置、设备及存储介质
KR102204395B1 (ko) 개체명 인식을 이용한 음성인식 띄어쓰기 보정 방법 및 시스템
US20220277732A1 (en) Method and apparatus for training speech recognition model, electronic device and storage medium
KR102117281B1 (ko) 빈도 테이블을 이용한 챗봇 발언 생성 방법

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