CN111540355A - 基于语音助手的个性化设置方法和设备 - Google Patents

Abstract

提供一种基于语音助手的个性化设置方法和设备，包括：通过语音助手接收用户语音；从所述用户语音中识别用户指令；根据所述用户指令获取至少一个关联参数；推荐所述关联参数给用户。根据所述个性化设置方法和设备，能够根据用户的习惯向用户提供与个性化场景匹配的关联参数，来帮助用户通过语音助手快速地完成命令，通过这种方式，能够有效地简化操作，提高了用户体验。

Description

基于语音助手的个性化设置方法和设备

技术领域

本发明总体来说涉及语音助手应用领域，更具体地讲，涉及一种基于语音助手的个性化设置方法和设备。

背景技术

随着语音交互技术的日益成熟，语音助手的应用场景越来越广泛。语音助手可以与用户进行智能对话和即时问答的智能交互，并且，语音助手还可以识别用户的语音命令，使智能终端执行该语音命令对应的事件。以智能终端为手机为例，如果语音助手接收并识别用户输入的语音命令“给张XX先生拨打电话”，则手机可以自动向联系人张XX先生打电话。

然而，在现有技术中，对于复杂的事件，用户往往无法在一个语音命令中设置完所有的命令参数，虽然目前语音助手可以支持连续对话，但是，如果提供设置参数过多时，语音助手将语音命令指示的内容一一罗列，然后供用户选择，这种方式将使得通过语音助手来执行事件的费时较长，此外，用户对设置参数进行修改的方式操作较为繁琐，用户体检较差。

发明内容

本发明的示例性实施例在于提供一种基于语音助手的个性化设置方法和设备，其能够克服现有的语音助手执行设置的操作方式繁琐和用户体验较差等问题。

根据本发明的示例性实施例的一方面，提供一种基于语音助手的个性化设置方法，包括：通过语音助手接收用户语音；从所述用户语音中识别用户指令；根据所述用户指令获取至少一个关联参数；推荐所述关联参数给用户。

可选地，所述个性化设置方法还包括：响应于用户针对所述至少一个关联参数的反馈来确定目标用户指令，执行所述目标用户指令。

可选地，根据所述用户指令获取至少一个关联参数的步骤包括：将所述用户指令输入到预先训练好的机器学习模型，通过所述机器学习模型获取至少一个关联参数，或者，从预定数据库提取与识别的用户指令对应的至少一个关联参数。

可选地，通过所述机器学习模型获取至少一个关联参数的步骤包括：通过所述机器学习模型确定与所述用户指令匹配的个性化场景；获取与所述个性化场景对应的至少一个关联参数。

可选地，推荐所述关联参数给用户的步骤包括：按照所述关联参数的优先级从高到低的顺序向用户推荐所述关联参数，和/或，获取所述当前的环境信息，确定与所述当前的环境信息匹配的关联参数，向用户推荐与当前的环境信息匹配的关联参数。

可选地，所述机器学习模型通过以下方式训练：获取多条用户指令样本；分别利用获取的每一条用户指令样本和相应的个性化场景的真实值对所述机器学习模型进行训练。

可选地，所述个性化设置方法还包括：获取所述用户指令所针对的设备的运行参数；当所述设备的运行参数与当前的环境信息不匹配时，向用户发出提示信息以提醒用户对所述用户指令所针对的设备的运行参数进行调整。

可选地，所述环境信息包括以下项中的至少一项：环境温度、环境光强度、环境噪音、环境湿度。

可选地，所述关联参数的优先级由所述用户指令样本被用户设置的先后顺序来确定，和/或，所述关联参数的优先级由所述用户指令样本被用户设置的次数和/或频率来确定，和/或，所述关联参数的优先级基于用户指令样本与所述用户指令的关联度进行排序来确定。

可选地，所述用户指令样本包括用户的语音设置指令和/或手动设置指令。

根据本发明示例性实施例的另一方面，提供基于语音助手的个性化设置设备，包括：接收单元，通过语音助手接收用户语音；识别单元，从所述用户语音中识别用户指令；关联参数获取单元，根据所述用户指令获取至少一个关联参数；推荐单元，推荐所述关联参数给用户。

可选地，所述设备还包括：执行单元，响应于用户针对所述至少一个关联参数的反馈来确定目标用户指令，执行所述目标用户指令。

可选地，所述关联参数获取单元将所述用户指令输入到预先训练好的机器学习模型，通过所述机器学习模型获取至少一个关联参数，或者，所述关联参数获取单元从预定数据库提取与识别的用户指令对应的至少一个关联参数。

可选地，所述关联参数获取单元通过所述机器学习模型确定与所述用户指令匹配的个性化场景，获取与所述个性化场景对应的至少一个关联参数。

可选地，所述关联参数获取单元按照所述关联参数的优先级从高到低的顺序向用户推荐所述关联参数，和/或，所述关联参数获取单元获取当前的环境信息，确定与所述当前的环境信息匹配的关联参数，向用户推荐与当前的环境信息匹配的关联参数。

可选地，所述机器学习模型通过以下方式训练：获取多条用户指令样本；分别利用获取的每一条用户指令样本和相应的个性化场景的真实值对所述机器学习模型进行训练。

可选地，所述设备还包括：运行参数获取单元，获取所述用户指令所针对的设备的运行参数；提醒单元，当所述设备的运行参数与当前的环境信息不匹配时，向用户发出提示信息以提醒用户对所述用户指令所针对的设备的运行参数进行调整。

可选地，所述环境信息包括以下项中的至少一项：环境温度、环境光强度、环境噪音、环境湿度。

可选地，所述关联参数的优先级由所述用户指令样本被用户设置的先后顺序来确定，和/或，所述关联参数的优先级由所述用户指令样本被用户设置的次数和/或频率来确定，和/或，所述关联参数的优先级基于所述用户指令样本与所述用户指令的关联度进行排序来确定。

可选地，所述用户指令样本包括用户的语音设置指令和/或手动设置指令。

根据本发明示例性实施例的另一方面，提供一种电子设备，其特征在于，所述电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现如上所述的基于语音助手的个性化设置方法。

根据本发明示例性实施例的另一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现根据本发明的基于语音助手的个性化设置方法。

根据本发明示例性实施例的基于语音助手的个性化设置方法和设备，能够根据用户的习惯向用户提供与个性化场景匹配的关联参数，来帮助用户通过语音助手快速地完成命令，通过这种方式，能够有效地简化操作，提高了用户体验。

将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明总体构思的实施而得知。

附图说明

通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其他目的将会变得更加清楚，其中：

图1示出根据本发明示例性实施例的基于语音助手的个性化设置方法的流程图；

图2示出根据本发明示例性实施例的个性化设置的示例；

图3示出根据本发明示例性实施例的基于语音助手的个性化设置设备的框图。

具体实施方式

现将详细参照本发明的示例性实施例，所述实施例的示例在附图中示出，其中，相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述实施例，以便解释本发明。

图1示出根据本发明示例性实施例的基于语音助手的个性化设置方法的流程图。这里，所述方法可由具有语音助手功能的个性化设置设备来实现，也可完全通过计算机程序来实现，例如，所述个性化设置方法可通过安装在个性化设置设备中的用于管理语音助手功能的应用来执行，或者通过个性化设置设备的操作系统中实现的功能程序来执行。作为示例，所述个性化设置设备可以是智能手机，个人计算机，平板电脑等具有语音助手的电子设备。

参照图1，在步骤S100，通过语音助手接收用户语音。

这里，可通过现有的任何方式通过语音助手接收用户语音，例如，语音助手以悬浮球的形式悬浮显示在电子设备的显示界面上，当该悬浮球接收到用户启动语音助手的操作(例如，长按、双击等)或者该悬浮球接收到用户用于启动语音助手的语音命令(例如，呼唤语音助手的“名字”等)时，启动语音助手，在语音助手启动后，语音助手经由电子设备内置的话筒接收用户语音。

这里，应理解，上述通过语音助手接收用户语音的方法仅是示例性的，通过语音助手接收用户语音的方法不限于此，本发明在此不做任何限定。

在步骤S200，从所述用户语音中识别用户指令。

具体说来，可通过现有的方式来从所述用户语音中识别用户指令，例如，通过语音识别技术识别出语音内容，进而利用语音分析技术将识别出的语音内容解析成用户指令，或者，通过语音转换技术和文字识别技术的组合来识别出用户指令，例如，在接收到用户语音之后，利用语音转换技术将用户语音转换成文字，然后，利用文字识别技术识别出语音内容，进而利用识别出的语音内容解析出用户指令。

这里，应理解，上述识别用户指令的方法仅是示例性的，识别用户指令的方法不限于此，本发明在此不做任何限定。

在步骤S300，根据所述用户指令获取至少一个关联参数。

在一个示例中，可将所述用户指令输入到预先训练好的机器学习模型，通过所述机器学习模型获取至少一个关联参数。例如，可首先通过所述机器学习模型确定与所述用户指令匹配的个性化场景，然后获取与所述个性化场景对应的至少一个关联参数。具体说来，所述个性化场景是指用户(在特定环境下)向所述语音助手提供一组习惯性的用户指令时所处的场景。

例如，个性化场景可以是指在环境温度24-27摄氏度下用户在使用智能电视和智能风扇时向所述语音助手提供一组习惯性的用户指令(例如，用户在回到家后，向语音助手发出“打开电视”的用户指令，之后，再向语音助手发出“打开风扇”的用户指令)时所处的中温休闲场景。

再例如，个性化场景可以是指在环境温度27摄氏度以上时用户在使用智能电视和智能空调时向所述语音助手提供一组习惯性的用户指令(例如，用户在回到家后，向语音助手发出“打开电视”的用户指令，之后，再向语音助手发出“打开空调”的用户指令)时所处的高温休闲场景。

再例如，个性化场景也可以是指用户设定闹钟时向所述语音助手提供一组习惯性的用户指令(例如，用户向语音助手依次发出“设置一个明天9点的闹钟”“闹钟名字为部门早会”、“重复响铃”的用户指令)时所处的闹钟设置场景。

再例如，个性化模式也可以是指用户在使用智能汽车和智能门锁时向语音助手提供一组习惯性的用户指令(例如，用户向语音助手发出“锁上汽车”的用户指令，并在汽车被上锁之后，向语音助手发出“打开门锁”的用户指令)时所处的下班场景。

应理解，上述个性化场景仅是示例性的，个性化场景不限于此，本发明在此不做任何限定。

此外，与所述个性化场景对应的至少一个关联参数可以包括上述一组习惯性的用户指令，例如，与高温休闲场景对应的关联参数可以包括用户指令“打开电视”和“打开空调”中的至少一个；与闹钟设置场景对应的关联参数可以包括用户指令“设置一个明天9点的闹钟”“闹钟名字为部门早会”和“重复响铃”中的至少一个；与下班场景对应的关联参数可以包括用户指令“锁上汽车”和“打开门锁”中的至少一个。

在该示例中，用于确定与所述用户指令匹配的个性化场景的机器学习模型可以预先训练好，具体说来，所述机器学习模型可以是通过以下方式训练的：

首先，获取多条用户指令样本。作为示例，所述用户指令样本可包括用户的语音设置指令和/或手动设置指令。然后，分别利用获取的每一条用户指令样本和相应的个性化场景的真实值对所述机器学习模型进行训练，以得到训练好的机器学习模型。

具体说来，用户指令样本和个性化场景可通过以下方式获取：在训练机器学习模型之前，可首先采集用户在不同的场景下通过语音助手经常共同使用的用户指令，将一组共同使用的用户指令所在的场景进行标记，以得到与该组共同使用的用户指令相应的个性化场景。然后，将采集的多个个性化场景和与多个个性化场景中的每个个性化场景对应的一组共同使用的用户指令作为训练数据输入到机器学习模型中，来训练机器学习模型，具体地，可将一条用户指令样本输入到机器学习模型中得到的结果与相应的个性化场景的真实值进行比较，根据比较结果来校正机器学习模型的参数，从而提高用户指令与个性化场景的对应关系的识别率。

通过上述方式，可以得到训练好的机器学习模型，在接收到一条用户指令后，即可获取到机器学习模型输出的个性化场景，进而获取到与个性化场景匹配的关联参数。

例如，识别出的用户指令为“打开空调”时，将用户指令“打开空调”输入预先训练好的机器学习模型，机器学习模型输出的个性化场景为“高温休闲场景”，然后从预定数据库中提取与个性化场景“高温休闲场景”对应的关联参数，例如，预定数据库中预先存储有个性化场景“高温休闲场景”与关联参数“打开电视”和“打开空调”的对应关系，由于“打开空调”已经作为机器学习模型的输入存在了，则可将“打开电视”确定为关联参数。

可选择地，关于根据所述用户指令获取至少一个关联参数的步骤，在另一个示例中，可从预定数据库提取与识别的用户指令对应的至少一个关联参数。

具体说来，如上所述，每个个性化场景可对应于一组习惯性的用户指令，因此，可在预定数据库中预先记录并存储个性化场景与相应的习惯性的用户指令的对应关系。在识别到用户指令后，可在预定数据库中查找对应的个性化场景，并将查找到的个性化场景对应的用户指令中除了该识别到的用户指令之外的用户指令确定为关联参数。

在步骤S400，推荐所述关联参数给用户。具体地，可将所述关联参数以语音消息和/或文字消息的形式推荐给用户。

另一方面，在一个示例中，可以按照所述关联参数的优先级从高到低的顺序向用户推荐所述关联参数。

作为示例，所述关联参数的优先级由所述用户指令样本被用户设置的先后顺序来确定。

可选择地，作为另一示例，所述关联参数的优先级由所述用户指令样本被用户设置的次数和/或频率来确定。

可选择地，作为另一示例，所述关联参数的优先级基于所述用户指令样本与所述用户指令的关联度进行排序来确定。这里，可通过现有的关联度确定方法来确定用户指令样本和用户指令之间的关联度，例如，可通过机器学习的方式(例如，预先构建适合的机器学习模型)来获取之前选择的用户指令样本和所述用户指令的关联度。本发明在此不做任何限定。

此外，在另一示例中，还可以获取当前的环境信息，确定与所述当前的环境信息匹配的关联参数，向用户推荐与所述当前的环境信息匹配的关联参数。作为示例，所述环境信息包括以下项中的至少一项：环境温度、环境光强度、环境噪音、环境湿度。

例如，假设识别出的用户指令为“打开电视”时，基于上述示例可知，与“打开电视”对应的个性化场景为“中温休闲场景”和“高温休闲场景”，此时，无法确定最终的个性化场景，为了解决这个问题，可获取当前的环境信息，例如，如果获取到的环境信息是温度为25度，则可进一步确定个性化场景为“中温休闲场景”，此时可将关联参数“打开风扇”推荐给用户。如果获取到的环境信息是温度为28度，则可进一步确定个性化场景为“高温休闲场景”，此时可将关联参数“打开空调”推荐给用户。

此外，当在确定了关联参数后，如果确定的关联参数与识别的用户指令所针对的设备的运行参数不匹配时，所述个性化设置方法可还包括发出提示信息的步骤。

具体说来，在确定了关联参数后，还可获取所述用户指令所针对的设备的运行参数，当所述设备的运行参数与当前的环境信息不匹配时，向用户发出提示信息以提醒用户对所述用户指令所针对的设备的运行参数进行调整。

例如，接上述示例，在确定了关联参数为“打开空调”，则用户指令所针对的设备为空调，可获取当前空调的运行参数，例如，当前记忆空调的设置参数是28摄氏度，如果当前的环境信息指示的温度为30摄氏度，则正常情况下需要将空调设置为较低温度方能快速降温，这意味着当前空调被设置的温度无法满足需求，此时，可向用户发出提示信息以提醒用户对空调的当前设置温度进行调整，例如，用户在接收到提示消息后，可将空调设置到24摄氏度。通过这种方式，可以有效地解决环境信息和设备的运行信息不匹配的问题。

此外，所述个性化设置方法可附加地包括响应于用户针对所述至少一个关联参数的反馈来确定目标用户指令，执行所述目标用户指令的步骤。通过这种方式，可以通过目标用户指令来执行相应的事件。

图2示出根据本发明示例性实施例的个性化设置的示例。

如图2所示，通过语音助手接收到的用户语音为“帮我设个明天上午9点闹钟”，基于语音识别技术和语义分析技术可以获取到用户指令为“设置闹钟”，并且获取到与用户指令“设置闹钟”相应的个性化场景为“闹钟设置场景”，与个性化场景“闹钟设置场景”对应的关联参数按照优先级从高到低的顺序依次为“闹钟名字”、“闹钟重复次数”、“响铃次数”和“响铃方式”，然后，可将上述关联参数以语音消息的形式将关联参数推荐给用户，例如，向用户语音询问“需要设置闹钟名字”。当用户针对该询问进行反馈“部门早会”时，可基于语音识别技术和语义分析技术获取到的反馈“闹钟名字：部门早会”，最后，将针对所有关联参数的反馈综合后，可得到目标用户指令并执行，可最终完成对闹钟的所有设置。

根据本发明示例性实施例的基于语音助手的个性化设置方法，能够根据用户的习惯向用户提供与个性化场景匹配的关联参数，来帮助用户通过语音助手快速地完成命令，通过这种方式，能够有效地简化操作，提高了用户体验。

图3示出根据本发明示例性实施例的基于语音助手的个性化设置设备的框图。

如图3所示，根据本发明示例性实施例的基于语音助手的个性化设置设备包括：接收单元100、识别单元200、关联参数获取单元300和推荐单元400。

具体说来，接收单元100通过语音助手接收用户语音。

识别单元200从所述用户语音中识别用户指令。

具体说来，识别单元200可通过现有的方式来从所述用户语音中识别用户指令，例如，识别单元200通过语音识别技术识别出语音内容，进而利用语音分析技术将识别出的语音内容解析成用户指令，或者，识别单元200通过语音转换技术和文字识别技术的组合来识别出用户指令，例如，在接收到用户语音之后，利用语音转换技术将用户语音转换成文字，然后，利用文字识别技术识别出语音内容，进而利用识别出的语音内容解析出用户指令。这里，应理解，上述识别用户指令的方法仅是示例性的，识别用户指令的方法不限于此，本发明在此不做任何限定。

关联参数获取单元300根据所述用户指令获取至少一个关联参数。

在一个示例中，所述关联参数获取单元300可将所述用户指令输入到预先训练好的机器学习模型，通过所述机器学习模型获取至少一个关联参数。例如，所述关联参数获取单元300可首先通过所述机器学习模型确定与所述用户指令匹配的个性化场景，然后获取与所述个性化场景对应的至少一个关联参数。具体说来，所述个性化场景是指用户(在特定环境下)向所述语音助手提供一组习惯性的用户指令时所处的场景。

在该示例中，用于确定与所述用户指令匹配的个性化场景的机器学习模型可以预先训练好，具体说来，所述机器学习模型可以是通过以下方式训练的：

首先，获取多条用户指令样本。作为示例，所述用户指令样本可包括用户的语音设置指令和/或手动设置指令。

具体说来，如上所述，每个个性化场景可对应于一组习惯性的用户指令，在训练机器学习模型的情况下，可将在预定时间段内采集的多组习惯性的用户指令作为训练样本(即，用户指令样本)，然后确定与每组习惯性的用户指令对应的个性化场景的真实值。

然后，分别利用获取的每一条用户指令样本和相应的个性化场景的真实值对所述机器学习模型进行训练，以得到训练好的机器学习模型。

通过上述训练好的机器学习模型，在接收到一条用户指令后，即可获取到机器学习模型输出的个性化场景，进而获取到与个性化场景匹配的关联参数。

可选择地，关于根据所述用户指令获取至少一个关联参数的步骤，在另一个示例中，所述关联参数获取单元300可从预定数据库提取与识别的用户指令对应的至少一个关联参数。

具体说来，如上所述，每个个性化场景可对应于一组习惯性的用户指令，因此，可在预定数据库中预先记录并存储个性化场景与相应的习惯性的用户指令的对应关系。在识别到用户指令后，所述关联参数获取单元300可在预定数据库中查找对应的个性化场景，并将查找到的个性化场景对应的用户指令中除了该识别到的用户指令之外的用户指令确定为关联参数。

推荐单元400推荐所述关联参数给用户。具体地，推荐单元400可将所述关联参数以语音消息和/或文字消息的形式推荐给用户。

另一方面，在一个示例中，所述推荐单元400可以按照所述关联参数的优先级从高到低的顺序向用户推荐所述关联参数。

作为示例，所述关联参数的优先级由所述用户指令样本被用户设置的先后顺序来确定。

可选择地，作为另一示例，所述关联参数的优先级由所述用户指令样本被用户设置的次数和/或频率来确定。

可选择地，作为另一示例，所述关联参数的优先级基于所述用户指令样本与所述用户指令的关联度进行排序来确定。这里，可通过现有的关联度确定方法来确定用户指令样本和用户指令之间的关联度，例如，可通过机器学习的方式(例如，预先构建适合的机器学习模型)来获取之前选择的用户指令样本和所述用户指令的关联度。本发明在此不做任何限定。

此外，在另一示例中，所述推荐单元400还可以获取当前的环境信息，确定与所述当前的环境信息匹配的关联参数，向用户推荐与所述当前的环境信息匹配的关联参数。作为示例，所述环境信息包括以下项中的至少一项：环境温度、环境光强度、环境噪音、环境湿度。

此外，当在确定了关联参数后，如果确定的关联参数与识别的用户指令所针对的设备的运行参数不匹配时，所述个性化设置设备可还包括运行参数获取单元和提醒单元(图3中未示出)。

具体说来，运行参数获取单元获取所述用户指令所针对的设备的运行参数，当所述设备的运行参数与当前的环境信息不匹配时，提醒单元向用户发出提示信息以提醒用户对所述用户指令所针对的设备的运行参数进行调整。

此外，所述个性化设置设备可附加地包括响应于用户针对所述至少一个关联参数的反馈来确定目标用户指令，执行所述目标用户指令的执行单元(图3中未示出)。通过这种方式，可以通过目标用户指令来执行相应的事件。

此外，应该理解，根据本发明示例性实施例的电子设备中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个单元。

根据本发明的另一示例性实施例的电子设备包括：处理器(未示出)和存储器(未示出)及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现如上述示例性实施例的基于语音助手的个性化设置方法。

根据本发明的示例性实施例的计算机可读存储介质，存储有当被处理器执行时使得处理器执行上述示例性实施例的基于语音助手的个性化设置方法的计算机程序。该计算机可读存储介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读存储介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。

综上所述，根据本发明示例性实施例的基于语音助手的个性化设置方法和设备，能够根据用户的习惯向用户提供与个性化场景匹配的关联参数，来帮助用户通过语音助手快速地完成命令，通过这种方式，能够有效地简化操作，提高了用户体验。

尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (12)

1.一种基于语音助手的个性化设置方法，包括：

通过语音助手接收用户语音；

从所述用户语音中识别用户指令；

根据所述用户指令获取至少一个关联参数；

推荐所述关联参数给用户。

2.如权利要求1所述的个性化设置方法，其中，所述个性化设置方法还包括：响应于用户针对所述至少一个关联参数的反馈来确定目标用户指令，执行所述目标用户指令，

和/或，

其中，根据所述用户指令获取至少一个关联参数的步骤包括：

将所述用户指令输入到预先训练好的机器学习模型，通过所述机器学习模型获取至少一个关联参数，或者，从预定数据库提取与识别的用户指令对应的至少一个关联参数。

3.如权利要求2所述的个性化设置方法，其中，通过所述机器学习模型获取至少一个关联参数的步骤包括：

通过所述机器学习模型确定与所述用户指令匹配的个性化场景；

获取与所述个性化场景对应的至少一个关联参数，

和/或，

其中，推荐所述关联参数给用户的步骤包括：

按照所述关联参数的优先级从高到低的顺序向用户推荐所述关联参数，和/或，获取当前的环境信息，确定与所述当前的环境信息匹配的关联参数，向用户推荐与所述当前的环境信息匹配的关联参数。

4.如权利要求3所述的个性化设置方法，其中，所述机器学习模型通过以下方式训练：

获取多条用户指令样本；

分别利用获取的每一条用户指令样本和相应的个性化场景的真实值对所述机器学习模型进行训练，

和/或，

其中，所述个性化设置方法还包括：

获取所述用户指令所针对的设备的运行参数；

当所述设备的运行参数与当前的环境信息不匹配时，向用户发出提示信息以提醒用户对所述用户指令所针对的设备的运行参数进行调整，

和/或，

其中，所述环境信息包括以下项中的至少一项：环境温度、环境光强度、环境噪音、环境湿度。

5.如权利要求4所述的个性化设置方法，其中，所述关联参数的优先级由所述用户指令样本被用户设置的先后顺序来确定，和/或，所述关联参数的优先级由所述用户指令样本被用户设置的次数和/或频率来确定，和/或，所述关联参数的优先级基于所述用户指令样本与所述用户指令的关联度进行排序来确定，

和/或，

其中，所述用户指令样本包括用户的语音设置指令和/或手动设置指令。

6.一种基于语音助手的个性化设置设备，包括：

接收单元，通过语音助手接收用户语音；

识别单元，从所述用户语音中识别用户指令；

关联参数获取单元，根据所述用户指令获取至少一个关联参数；

推荐单元，推荐所述关联参数给用户。

7.如权利要求6所述的个性化设置设备，其中，所述设备还包括：

执行单元，响应于用户针对所述至少一个关联参数的反馈来确定目标用户指令，执行所述目标用户指令，

和/或，

其中，所述关联参数获取单元将所述用户指令输入到预先训练好的机器学习模型，通过所述机器学习模型获取至少一个关联参数，或者，所述关联参数获取单元从预定数据库提取与识别的用户指令对应的至少一个关联参数。

8.如权利要求7所述的个性化设置设备，其中，所述关联参数获取单元通过所述机器学习模型确定与所述用户指令匹配的个性化场景，获取与所述个性化场景对应的至少一个关联参数，

和/或，

其中，所述推荐单元按照所述关联参数的优先级从高到低的顺序向用户推荐所述关联参数，和/或，所述关联参数获取单元获取当前的环境信息，确定与所述当前的环境信息匹配的关联参数，向用户推荐与所述当前的环境信息匹配的关联参数。

9.如权利要求8所述的个性化设置设备，其中，所述机器学习模型通过以下方式训练：

获取多条用户指令样本；

分别利用获取的每一条用户指令样本和相应的个性化场景的真实值对所述机器学习模型进行训练，

和/或，

其中，所述设备还包括：

运行参数获取单元，获取所述用户指令所针对的设备的运行参数；

提醒单元，当所述设备的运行参数与当前的环境信息不匹配时，向用户发出提示信息以提醒用户对所述用户指令所针对的设备的运行参数进行调整，

和/或，

其中，所述环境信息包括以下项中的至少一项：环境温度、环境光强度、环境噪音、环境湿度。

10.如权利要求9所述的个性化设置设备，其中，所述关联参数的优先级由所述用户指令样本被用户设置的先后顺序来确定，和/或，所述关联参数的优先级由所述用户指令样本被用户设置的次数和/或频率来确定，和/或，所述关联参数的优先级基于所述用户指令样本与所述用户指令的关联度进行排序来确定，

和/或，

其中，所述用户指令样本包括用户的语音设置指令和/或手动设置指令。

11.一种电子设备，包括：处理器、存储器及存储在所述存储器上的计算机程序；

所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的基于语音助手的个性化设置方法。

12.一种计算机可读存储介质，其中，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的基于语音助手的个性化设置方法。

Images