CN111401057B - 一种语义解析方法、存储介质及终端设备 - Google Patents

Abstract

本发明公开了一种语义解析方法、存储介质及终端设备，所述方法包括：当接收到语音信息时，获取所述语音信息对应的应用集合；当未获取到所述语音信息对应的应用集合时，在预设的语音信息数据库中查找所述语音信息；若未查找到所述语音信息，则采用LFM模型确定所述语音信息对应的应用集合；在所述应用集合中对所述语音信息进行解析，以得到所述语音信息的解析文本。本发明通过采用LFM模型确定所述语音信息对应应用集合，并根据所述语音信息对应的应用集合对语音信息进行解析，进而提高所述语音信息解析的成功率。

Description

一种语义解析方法、存储介质及终端设备

技术领域

本发明涉及语音交互技术领域，特别涉及一种语义解析方法、存储介 质及终端设备。

背景技术

自然语言处理(Natural Language Processing，NLP)是人工智能和语 言学领域的分支学科。自然语言处理涵盖的议题相当广泛，包括：断词(word segmentation)、词性标记(part-of-speech tagging)、专有名词标记(name entity tagging)、词义消歧(wordsense disambiguation)、代名词释义 (pronoun resolution)、句法剖析、文法比对、语义角色标注(semantic role labeling)、语义逻辑推论、自动音译、机器翻译、语音识别、语音合成等。

目前采用自然语言处理来分析语音信息时，按照预设分类规则将语音 信息对应的文字信息进行分类，并根据各分类结合来对语音信息进行解析。 其中，分类可以包括应用集合信息、意图信息以及属性信息。例如，“深 圳明天天气怎么样”这句话中，NLP可以得到以下语义结果为：应用集合信息(Domain)：天气；意图信息(Intent)：查询天气；属性信息(property)： 城市(city)＝深圳，时间(date)＝明天。但是，当用户语句缺失而使得 无法确定语音信息所属的应用集合时，则会降低解析成功率。

发明内容

鉴于现有技术的不足，本发明旨在提供一种语义解析方法、存储介质 及终端设备，以提高语义解析的成功率。

本发明所采用的技术方案如下：

一种语义解析方法，其包括：

当接收到语音信息时，获取所述语音信息对应的应用集合；

当未获取到所述语音信息对应的应用集合时，在预设的语音信息数据 库中查找所述语音信息；

若未查找到所述语音信息，则采用LFM模型确定所述语音信息对应的 应用集合；

在所述应用集合中对所述语音信息进行解析，以得到所述语音信息的 解析文本。

所述语义解析方法，其中，所述当接收到语音信息时，获取所述语音 信息对应的应用集合具体包括：

当接收到语音信息时，解析所述语音信息以获取所述语音信息对应的 文字信息；

将所述文字信息划分为若干关键词，并根据划分得到的各关键词确定 所述语音信息对应的应用集合。

所述语义解析方法，其中，所述若未查找到所述语音信息，则采用LFM 模型确定所述语音信息对应的应用集合具体包括：

若未查找到所述语音信息时，获取所述语音信息对应的应用集合；

采用LFM模型计算所述语音信息与各应用集合的相关性，并根据所述 相关性确定所述语音信息对应的应用集合。

所述语义解析方法，其中，所述若未查找到所述语音信息时，获取所 述语音信息对应的应用集合具体包括：

若未查找到所述语音信息，提取所述语音信息携带的各关键词；

根据提取到的所有关键词确定所述语音信息对应的应用集合。

所述语义解析方法，其中，所述采用LFM模型计算所述语音信息与各 应用集合的相关性，并根据所述相关性确定所述语音信息对应的应用集合 具体包括：

提取所述语音信息对应的文字信息，并获取文字信息在各应用集合中 的权重信息；

获取所述语音信息对应的用户对各应用集合的兴趣度，根据所述兴趣 度以及权重信息确定所述语音信息与各应用集合的相关性；

根据所述相关性确定所述语音信息对应的应用集合。

所述语义解析方法，其中，所述若未查找到所述语音信息，则采用LFM 模型确定所述语音信息对应的应用集合还包括：

将所述语音信息与各应用集合相关联，并将关联后的语音信息存储于 预设的语音信息数据库。

所述语义解析方法，其中，所述方法还包括：

当查找到所述语音信息时，提取所述语音信息对应的应用集合信息， 其中，所述应用集合信息包括语音信息对应的应用集合以及各应用集合的 占比；

根据各应用集合的占比确定所述语音信息对应的应用集合。

所述根据各应用集合的占比确定所述语音信息对应的应用集合具体 为：

获取各应用集合的占比，并采用预设的线性预测器模型确定所述语音 信息对应的应用集合。

一种计算机可读存储介质，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 如上任一所述的语义解析方法中的步骤。

一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存 储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时实现如上任一所述的语义解析 方法中的步骤。

有益效果：与现有技术相比，本发明提供了一种语义解析方法、存储 介质及终端设备，所述方法包括：当接收到语音信息时，获取所述语音信 息对应的应用集合；当未获取到所述语音信息对应的应用集合时，在预设 的语音信息数据库中查找所述语音信息；若未查找到所述语音信息，则采用LFM模型确定所述语音信息对应的应用集合；在所述应用集合中对所述 语音信息进行解析，以得到所述语音信息的解析文本。本发明通过采用LFM 模型确定所述语音信息应用集合，并根据所述语音信息对应的应用集合对 语音信息进行解析，进而提高所述语音信息解析的成功率。

附图说明

图1为本发明提供的语义解析方法的实施例一的流程图。

图2为本发明提供的语义解析方法的实施例一中步骤S30的流 程图。

图3为本发明提供的语义解析方法的实施例二的流程图。

图4为本发明提供的语义解析方法的实施例二中线性预测器模 型的示意图。

图5为本发明提供的一种终端设备的一个实施例的结构原理图。

具体实施方式

本发明提供一种语义解析方法、存储介质及终端设备，为使本发明的 目的、技术方案及效果更加清楚、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用以解释本发 明，并不用于限定本发明。

本技术应用集合技术人员可以理解，除非特意声明，这里使用的单数 形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一 步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、 整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解， 当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦 接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或 “耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术应用集合技术人员可以理解，除非另外定义，这里使用的所有 术语(包括技术术语和科学术语)，具有与本发明所属应用集合中的普通技 术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的 那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义， 并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来 解释。

下面结合附图，通过对实施例的描述，对发明内容作进一步说明。

实施例一

本实施例提了一种语音解析方法，如图1所示，所述方法包括：

S10、当接收到语音信息时，获取所述语音信息对应的应用集合；

S20、当未获取到所述语音信息对应的应用集合时，在预设的语音信息 数据库中查找所述语音信息；

S30、若未查找到所述语音信息，则采用LFM模型确定所述语音信息对 应的应用集合；

S40、在所述应用集合中对所述语音信息进行解析，以得到所述语音信 息的解析文本。

具体地，在所述步骤S10中，所述语音信息为终端设备接收到，其可 以是终端设备通过其配置的拾音器采集的，也要是与所述终端设备相连接 的外部设发送至终端设备的。其中，所述终端设备为具有语音交互功能的 终端设备，例如，手机、平板电脑等。所述应用集合为用于判断所述语音指令对应所要执行的应用，所述应用集合可以为多个，例如所述应用集合 可以天气应用集合，温度应用集合以及湿度应用集合等。

此外，所述语音信息通过自然语音处理后可得到应用集合信息，也可 以为携带应用集合信息，从而在接收到语音信息时，需要判断所述语音信 息中是否携带用于表达应用集合的关键词。相应的，所述当接收到语音信 息时，获取所述语音信息对应的应用集合具体包括：

当接收到语音信息时，解析所述语音信息以获取所述语音信息对应的 文字信息；

将所述文字信息划分为若干关键词，并根据划分得到的各关键词确定 所述语音信息对应的应用集合。

具体地，所述文字信息为语音信息通过文字识别得到的，在获取到文 字信息后，将所述文字信息按照语句顺序进行划分，以将所述文字信息划 分若干关键词。例如，所述语音信息对应的文字信息为“深圳明天天气怎 么样”，那么将所述文字信息划分可以得到“深圳”、“明天”、“天气” 以及“怎么样”。在划分得到若干关键词后，根据各关键词的关键词来确定所有关键词中是否存在用于表达应用集合的关键词。例如，在上述文字 信息中，天气表达了应用集合，所述应用集合为查询天气。当然，语音信 息对应的文字信息也可以不携带用于表达应用集合的关键词，例如，“深 圳明天怎么样”。在本实施例中，当所述语音信息对应的文字信息携带用 于表达应用集合的关键词时，则将所述关键词对应的应用集合作为所述语 音信息对应的应用集合，当所述语音信息对应的文字信息未携带用于表达应用集合的关键词时，则在预设的语音信息数据库查找所述语音信息。

进一步，在所述步骤S20中，所述语音信息数据库为预先建立，用于 存储语音信息的数据库，其中，所述语音信息数据库中的任一语音信息， 其对应的应用集合的数量大于等于2。也就是说，预设的语音信息数据库内的各语音信息均未携带用于表达应用集合的关键词，并且各语音信息所属 的应用集合的数量均大于两个。

进一步，在所述步骤S30中，所述LFM(latent factor model)为隐 语义模型，是在推荐系统中普遍应用的一种模型，通过所述LFM模型可以 建立语音信息对应的每个应用集合与语音信息的关系矩阵，根据关系矩阵 可以确定语音信息在各应用集合的占比，根据所述占比可以确定所述语音 信息对应的业务邻域。

示例性地，如图2所示，所述若未查找到所述语音信息，则采用LFM 模型确定所述语音信息对应的应用集合具体包括：

S31、若未查找到所述语音信息时，获取所述语音信息对应的应用集合；

S32、采用LFM模型计算所述语音信息与各应用集合的相关性，并根据 所述相关性确定所述语音信息对应的应用集合。

具体地，所述应用集合是所述语音信息对应的应用集合，所述应用集 合可以根据语音信息包含的所有关键词来确定。也就是说，在确定所述语 音信息对应的应用集合时，可以将所述语音信息转换为文字信息，再将所 述文字信息划分为若干关键词，并根据划分得到的所有关键词确定所述语 音信息对应的应用集合。相应的，所述若未查找到所述语音信息时，获取所述语音信息对应的应用集合具体包括：

若未查找到所述语音信息，提取所述语音信息携带的各关键词；

根据提取到的所有关键词确定所述语音信息对应的应用集合。

具体地，所述关键词信息为将所述语音信息对应的文字信息按照语句 构成关系划分得到。同时，在将所述文字信息按照语句构成关系划分后， 可以根据关键词的词性以及意义对划分得到的关键词进行筛选，并根据筛 选后的关键词来确定所述语音信息对应的应用集合。在本实施例中，所述 筛选规则仅保留名称以及动词。当然，所述筛选规则还可以保留具有实际意义的关键词，删除虚拟词、形容词以及副词。这样采用筛选规则对划分得到的关键词进行筛选，可以提高减少应用集合获取的速度，同时提高应 用集合的准确性。

进一步，在采用LFM模型计算所述语音信息与各应用集合相关性时， 可以通过确定所述语音信息对应的用户对各应用集合的兴趣度，以及所述 语言信息各应用集合中的权重信息，根据所述兴趣度和权重信息来确定语 音信息与各应用集合的相关性。相应的，所述采用LFM模型计算所述语音 信息与各应用集合的相关性，并根据所述相关性确定所述语音信息对应的应用集合可以包括：

提取所述语音信息对应的文字信息，并获取文字信息在各应用集合中 的权重信息；

获取所述语音信息对应的用户对各应用集合的兴趣度，根据所述兴趣 度以及权重信息确定所述语音信息与各应用集合的相关性；

根据所述相关性确定所述语音信息对应的应用集合。

具体地，所述语音信息对应的用户对各应用集合的兴趣度可以根据用 户的历史搜索记录以及用户的属性特征来确定，其中，所述属性特征可以 包括年龄、性别以及爱好等。所述权重信息为所述语音信息在各应用集合 的权重，并且当用户第一次输入所述语音信息时，可以预先存储的语料库 中查询所述语音信息对于各应用集合的权重信息，其中，所述语料库为预先配置。当然，在实际应用中，在获取语音信息在各应用集合的权重信息时，可以将所述语音信息划分为若干语料，根据所述若干语料确定所述语 音信息在各应用集合中的权重信息。当语音信息携带多个语料时，对于每 个应用集合，可以分别获取各语料的第一权重，之后根据各语料的第一权 重来确定语音信息在应用集合中的权重信息。其中，所述权重信息可以是 各语料的第一权重的平均值，或者各语料的第一权重加权得到的。

进一步，在所述步骤40中，当在应用集合中解析所述语音信息以得到 语音信息的解析文本后，将所述语音信息与各应用集合相关联，并将关联 后的语音信息存储于预设的语音信息数据库，以便于下次接收到所述语音 信息时，可以在预设的语音信息数据库内查找到所述语音信息。

实施例二

本实施例提了一种语音解析方法，如图3所示，所述方法包括：

H10、当接收到语音信息时，获取所述语音信息对应的应用集合；

H20、当未获取到所述语音信息对应的应用集合时，在预设的语音信息 数据库中查找所述语音信息；

H30、当查找到所述语音信息时，提取所述语音信息对应的应用集合信 息，其中，所述应用集合信息包括语音信息对应的应用集合以及各应用集 合的占比；

H40、根据各应用集合的占比确定所述语音信息对应的应用集合；

H50、在所述第应用集合中对所述语音信息进行解析，以得到所述语音 信息的解析文本。

具体地，在本实施例中，所述步骤H10、H20和H50与实施例一中的步 骤S10、S20和S40相同，这里就不在赘述。这里仅对步骤H30和H40进行 说明。在所述步骤H30中，所述应用集合信息存储于所述预设的语音信息 数据库中，并且与所述语音信息相关联。也就是说，当查找到语音信息时， 可以提取存储于所述预设的语音信息数据内应用集合信息。当获取到各应 用集合的占比时，根据获取到的各占比来预测所述语音信息对应的应用集合，其中，所述占比为所述应用集合被选中的概率。

示例性地，所述根据各应用集合的占比确定所述语音信息对应的应用 集合具体为：

获取各应用集合的占比，并采用预设的线性预测器模型确定所述语音 信息对应的应用集合。

具体地，所述线性预测器模型可以为如图4所示的模型，在所述 线性预测器模型中，u(n-1)，u(n-2)，u(n-3)，…，u(n-m)为各时刻语 音信息在各应用集合中的占比，根据各占比预测n时刻的语音信息对 应的应用集合的占比为公式为：

其中，为抽头系数。

进一步，由上述公式可以得知，当获取到抽头系数后，即可以得到所 述预测n时刻的语音信息对应的应用集合的占比。所述抽头系数的计算方 法如下：

设n时刻计算出的域占比和n时刻的预测域占比之间的误差为e(n)， 则该误差定义为：

定义代价函数为均方误差：

J＝E[e(n)e^*(n)]＝E[|e(n)|²]

最优滤波器需要满足正交性原理，设e₀表示滤波器工作在最优条件下 估计误差的特定值，条件等效为：

展开整理后得到维纳—霍夫方程：

将其写成矩阵形式为：

R＝E[u(n)u^H(n)]

其中，U(n)＝[u(n),u(n-1),......,u(n-M+1)]^T，R是由抽头输入组成的 M×M相关矩阵。设P为抽头输入和u(n)组成的M×1的互相关向量：

P＝E[u(n)u^*(n)]

故维纳霍夫方程可以化简为：

RW₀＝P

其中，W₀表示最优横向滤波器的M×1抽头权向量，即

W₀＝[W_f,0,W_f,1,......,W_f,m-1]^T。

此外，在本发明的另一个实施例中，所述方法还可以包括：

根据各应用集合被选取的次数确定各应用集合被选取的概率；

提取各应用集合被选取的概率的最大概率，并判断所述最大概率对应 的应用集合的数量；

当应用集合的数量大于1时，按照时间优选原则在最大概率对应的各 应用集合中选取所述语音信息对应的应用集合。

具体地，所述最大概率对应的应用集合可能为多个，此时根据最大概 率对应的应用集合最近一次被选取的时间来确定语音信息对应的应用集 合，也就是说，将被选取时间最近的应用集合作为语音信息对应的应用集 合。当然，在实际应用中，也可以随机选取。此外，为了提高应用集合选 取的准确性，在应用集合中选取到应用集合后，确定在应用集合中对语音信息解析得到的解析文本的正确性，当正确时将所述应用集合的被选取次 数加一，当错误时，询问用户所述语音信息对的应用集合，并在应用集合 集合中查找所述应用集合，查找到时将查找到的应用集合的被选取次数加 一，若在应用集合集合中未查找到所述应用集合，则将所述应用集合添加 至所述语音信息对应的应用集合信息中，并将所述应用集合被选中的次数 记为1。

基于上述语义解析方法，本发明还提供了一种计算机可读存储介质， 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，以实现如上述实施例所述 的语义解析方法中的步骤。

基于上述语义解析方法，本发明还提供了一种终端设备，如图5 所示，其包括至少一个处理器(processor)20；显示屏21；以及存 储器(memory)22，还可以包括通信接口(Communications Interface) 23和总线24。其中，处理器20、显示屏21、存储器22和通信接口 23可以通过总线24完成相互间的通信。显示屏21设置为显示初始 设置模式中预设的用户引导界面。通信接口23可以传输信息。处理 器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方 法。

此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实 现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介 质中。

存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计 算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理 器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功 能应用以及数据处理，即实现上述实施例中的方法。

存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储 操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设 备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者 光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的 具体过程在上述方法中已经详细说明，在这里就不再一一陈述。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对 其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通 技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修 改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不 使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种语义解析方法，其特征在于，其包括：

当接收到语音信息时，获取所述语音信息对应的应用集合；

当未获取到所述语音信息对应的应用集合时，在预设的语音信息数据库中查找所述语音信息；

若未查找到所述语音信息，则采用LFM模型确定所述语音信息对应的应用集合，具体包括：若未查找到所述语音信息时，获取所述语音信息对应的应用集合；采用LFM模型计算所述语音信息与各应用集合的相关性，并根据所述相关性确定所述语音信息对应的应用集合；

所述采用LFM模型计算所述语音信息与各应用集合的相关性，并根据所述相关性确定所述语音信息对应的应用集合具体包括：

提取所述语音信息对应的文字信息，并获取文字信息在各应用集合中的权重信息；

获取所述语音信息对应的用户对各应用集合的兴趣度，根据所述兴趣度以及权重信息确定所述语音信息与各应用集合的相关性；

根据所述相关性确定所述语音信息对应的应用集合；

在所述应用集合中对所述语音信息进行解析，以得到所述语音信息的解析文本。

2.根据权利要求1所述语义解析方法，其特征在于，所述当接收到语音信息时，获取所述语音信息对应的应用集合具体包括：

当接收到语音信息时，解析所述语音信息以获取所述语音信息对应的文字信息；

将所述文字信息划分为若干关键词，并根据划分得到的各关键词确定所述语音信息对应的应用集合。

3.根据权利要求1所述语义解析方法，其特征在于，所述若未查找到所述语音信息时，获取所述语音信息对应的应用集合具体包括：

若未查找到所述语音信息，提取所述语音信息携带的各关键词；

根据提取到的所有关键词确定所述语音信息对应的应用集合。

4.根据权利要求1所述语义解析方法，其特征在于，所述若未查找到所述语音信息，则采用LFM模型确定所述语音信息对应的应用集合还包括：

将所述语音信息与各应用集合相关联，并将关联后的语音信息存储于预设的语音信息数据库。

5.根据权利要求1所述语义解析方法，其特征在于，所述方法还包括：

当查找到所述语音信息时，提取所述语音信息对应的应用集合信息，其中，所述应用集合信息包括语音信息对应的应用集合以及各应用集合的占比；

根据各应用集合的占比确定所述语音信息对应的应用集合。

6.根据权利要求5所述语义解析方法，其特征在于，所述根据各应用集合的占比确定所述语音信息对应的应用集合具体为：

获取各应用集合的占比，并采用预设的线性预测器模型确定所述语音信息对应的应用集合。

7.一种计算机可读存储介质，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1-6任意一项所述的语义解析方法中的步骤。

8.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时实现如权利要求1-6任意一项所述的语义解析方法中的步骤。