CN111949780B - 沿出行线路自动交互方法 - Google Patents

沿出行线路自动交互方法 Download PDF

Info

Publication number
CN111949780B
CN111949780B CN202010760974.5A CN202010760974A CN111949780B CN 111949780 B CN111949780 B CN 111949780B CN 202010760974 A CN202010760974 A CN 202010760974A CN 111949780 B CN111949780 B CN 111949780B
Authority
CN
China
Prior art keywords
gas station
target
sequence
voice
user
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
CN202010760974.5A
Other languages
English (en)
Other versions
CN111949780A (zh
Inventor
杨宏旭
陈刚
余华琼
刘晓宏
方超
邵林俊
许晶晶
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.)
Baweitong Technology Co ltd
Original Assignee
Baweitong 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 Baweitong Technology Co ltd filed Critical Baweitong Technology Co ltd
Priority to CN202010760974.5A priority Critical patent/CN111949780B/zh
Publication of CN111949780A publication Critical patent/CN111949780A/zh
Application granted granted Critical
Publication of CN111949780B publication Critical patent/CN111949780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/4401—Bootstrapping
    • G06F9/4418—Suspend and resume; Hibernate and awake
    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G10L2015/0638—Interactive procedures
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Navigation (AREA)

Abstract

本发明提供了沿出行线路自动交互方法，所述方法包括获取第一语句；判断所述第一语句中是否存在预设唤醒词，若存在，启动自动交互逻辑；所述交互逻辑接收用户语音，将所述语音输入预设的语音分析模型，得到所述语音对应的语音向量；根据所述语音向量确定其对应的目标交互指令；基于所述目标交互指令为用户提供对应服务。本发明可以根据与用户的语音交互自动确定交互内容指向的指令，并为用户提供指令指向的内容，从而可以在行车途中不需要用户进行手动操作，极大提升用户体验。

Description

沿出行线路自动交互方法
技术领域
本发明涉及目标推荐领域，尤其涉及沿出行线路自动交互方法。
背景技术
智能出行现在已经成为人们日常生活中密不可分的一种现代数据信息服务，围绕智能出行也衍生了很多新技术，比如路径规划，自动导航，语音导航，自动支付以及目标推荐等多种技术。本说明书认为在智能出行场景中，对人机对话进行研究，使用语音交互为用户提供相关的智能出行服务可以显著提升用户体验，具有重要研究价值。
发明内容
为了解决上述技术问题，本发明提出了沿出行线路自动交互方法。本发明具体是以如下技术方案实现的：
沿出行线路自动交互方法，所述方法包括：
获取第一语句；
判断所述第一语句中是否存在预设唤醒词，若存在，启动自动交互逻辑；
所述交互逻辑接收用户语音，将所述语音输入预设的语音分析模型，得到所述语音对应的语音向量；
根据所述语音向量确定其对应的目标交互指令；
基于所述目标交互指令为用户提供对应服务。
优选的，所述语音分析模型通过下述方法训练得到，包括：
获取语音训练集，所述语音训练集中的各个语音元素都包括多条对话语句；
构建相互串联的第一学习机和第二学习机，得到训练模型；
基于所述语音训练集对所述训练模型进行训练，得到语音分析模型，所述语音分析模型以语音对应的句向量为输出结果，通过最大化其目标函数，使用梯度下降法训练得到。
优选的，在训练过程中，以第j句话的前t句话和后t句话为输入，基于所述训练模型的第一学习机分别对于这2t句话的每一句生成一个句向量，并将所述2t个句向量作为目标向量，将所述目标向量输入所述训练模型的第二学习机得到对应于所述第j句话的预估词集合，以所述预估词集合的似然概率表达作为目标函数
Figure BDA0002613072710000021
其中，
Figure BDA0002613072710000022
分别表示语音元素数量，某个语音元素中的语句数量，语句的词的数量，第i个语料元素中基于前t句话和后t句话生成第j句话的概率。
优选的，所述根据所述语音向量确定其对应的交互指令，包括：
获取预设的指令集，所述指令集中包括各个交互指令以及所述交互指令的句向量；
计算所述语音向量与所述指令集中各个句向量的相似度；
若最大相似度大于预设阈值，则具有最大相似度的交互指令被确认为目标交互指令。
优选的，交互指令对应服务包括加油站推荐、加油站动态推荐、目标建筑物提示、停车场推荐、衣食住行等关键地点推荐，交互语音包选择，特定软件关联启动服务。
优选的，若所述对应服务为目标建筑物提示服务，则在用户已经确定目标物的场景中为用户自动确定目标物关联的目标建筑物，并在用户与所述目标建筑物距离小于预设阈值时向用户发出提醒，以使得用户明确目标物就在附近。
本发明实施例提供了沿出行线路自动交互方法，可以根据与用户的语音交互自动确定交互内容指向的指令，并为用户提供指令指向的内容，从而可以在行车途中不需要用户进行手动操作，极大提升用户体验。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1是本发明实施例提供的沿出行线路自动交互方法流程图；
图2是本发明实施例提供的语音分析模型训练方法流程图；
图3是本发明实施例提供的根据所述语音向量确定其对应的交互指令流程图；
图4是本发明实施例提供的一种目标建筑物确定方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开沿出行线路自动交互方法，如图1所示，所述方法包括：
S101.获取第一语句。
S102.判断所述第一语句中是否存在预设唤醒词，若存在，启动自动交互逻辑。
S103.所述交互逻辑接收用户语音，将所述语音输入预设的语音分析模型，得到所述语音对应的语音向量。
具体地，所述语音分析模型通过下述方法训练得到，如图2所示，具体地：
S1031.获取语音训练集，所述语音训练集中的各个语音元素都包括多条对话语句。
S1032.构建相互串联的第一学习机和第二学习机，得到训练模型。
S1033.基于所述语音训练集对所述训练模型进行训练，得到语音分析模型，所述语音分析模型以语音对应的句向量为输出结果，通过最大化其目标函数，使用梯度下降法训练得到。
具体地，在训练过程中，以第j句话的前t句话和后t句话为输入，基于所述训练模型的第一学习机分别对于这2t句话的每一句生成一个句向量，并将所述2t个句向量作为目标向量，将所述目标向量输入所述训练模型的第二学习机得到对应于所述第j句话的预估词集合，以所述预估词集合的似然概率表达作为目标函数
Figure BDA0002613072710000051
其中，
Figure BDA0002613072710000052
分别表示语音元素数量，某个语音元素中的语句数量，语句的词的数量，第i个语料元素中基于前t句话和后t句话生成第j句话的概率。
S104.根据所述语音向量确定其对应的目标交互指令。
具体地，所述根据所述语音向量确定其对应的交互指令，如图3所示，包括：
S1041.获取预设的指令集，所述指令集中包括各个交互指令以及所述交互指令的句向量；
S1042.计算所述语音向量与所述指令集中各个句向量的相似度；
S1043.若最大相似度大于预设阈值，则具有最大相似度的交互指令被确认为目标交互指令。
S105.基于所述目标交互指令为用户提供对应服务。
本发明实施例并不限定交互指令以及对应服务的具体内容，其可以是加油站推荐、加油站动态推荐、目标建筑物提示、停车场推荐、衣食住行等关键地点推荐，交互语音包选择，特定软件关联启动服务等等。
以加油站推荐或加油站动态推荐服务为例，本发明实施例可以为用户在行车路线上进行加油站的自动推荐，具体地：
S1.提取行车路线沿线的全部加油站构成加油站预备集，所述加油站预备集中的每个元素对应一个加油站，所述元素包括多个维度的属性数据。
具体地，所述元素的属性数据可以包括加油站位置属性、加油站优惠属性、加油站周围环境属性和加油站当前油量属性。
S2.根据预设方法在所述加油站预备集中确定出备选集。
本发明实施例提供了一种预设方法，具体地，所述根据预设方法在所述加油站预备集中确定出备选集，包括：
S21.对所述加油站预备集中的每个元素的属性数据基于所述行车路线进行量化，得到加油站对象集，所述加油站对象集中的每个对象包括第一属性、第二属性、第三属性和第四属性。
具体地，所述属性数据基于所述行车路线进行量化意指将加油站位置属性、加油站优惠属性、加油站周围环境属性和加油站当前油量属性相对于行车路线进行换算得到第一属性、第二属性、第三属性和第四属性，所述第一属性表征在所述行车路线中加油站距离所述用户当前位置的反相关距离(所述反相关距离为与加油站距离所述用户当前位置的距离反相关的距离)，所述第二属性表征沿所述行车路线行至所述加油站后将车辆加油到容量容积所需要花费的反相关金额(反相关金额为与所需要花费的金额反相关的金额)，所述第三属性表征到达所述加油站需要经历的拥堵程度的反相关量化值(反相关量化值为与拥堵程度反相关的量化值)，所述第四属性表征到达所述加油站时所述加油站的剩余油量估计值。所述第一属性、第二属性、第三属性和第四属性实时更新，其算法和需要的参数可以基于现有技术获取，本发明实施例不做赘述。具体地，反相关可以使用现有技术得到，比如使用倒数法或者减法，本发明实施例不做赘述。
S22.初始化第一序列、备选集、第二序列皆为空集，令加油站对象集为当前对象集。
S23.对所述当前对象集中的各个对象进行访问，根据所述访问结果变更所述第一序列和所述第二序列，所述第一序列中的对象均不会被彼此控制，所第二序列中的对象均不会被所述第一序列中的对象控制。
本发明实施例中，当且仅当，对象A的任何维度的值都大于等于数据对象B的相应的维度的值，并且对象A的各个维度的值不能全部等于数据对象B的相应的维度的值，则称对象A控制对象B。
在一个实施例中，所述对所述当前对象集中的各个对象进行访问，包括：
对于所当前对象集中的对象依次执行下述操作：
1.提取当前对象：
2.若所述第一序列中存在能够控制所述当前对象的第一对象，则直接删除所述当前对象；
3.若所述第一序列中存在能够被所述当前对象控制的第二对象，则从所述第一序列中删除所述第二对象，并将所述当前对象插入第一序列中；
4.若所述当前对象和第一序列中所有对象都不存在控制关系，则判断所述第一序列是否剩余能够存储新的对象的空间，若是，将所述当前对象插入第一序列中，若否，则将所述当前对象加入所述第二序列。
S24.将所述第一序列中的元素输出至所述备选集，清空所述第一序列。
S25.若所述第二序列不为空，则将所述第二序列确定为当前对象集，清空所述第二序列，返回执行步骤S23。
S26.若所述第二序列为空，则结束流程。
S3.向用户推荐所述备选集中的各个加油站。
在实际的应用场景中，加油站可能根据实际情况停止营业，比如缺油，注油，整顿等原因，若加油站出现停止营业的情况，则可以发出停止营业通知，若用户选择的是加油站动态推荐服务，则响应于所述停止营业通知，本发明实施例执行下述动作：
S10.根据所述停止营业通知确定停止营业的加油站；
S20.判断所述加油站是否位于所述加油站对象集之中；
S30.若是，则将所述加油站对应的对象在所述加油站对象集之中删除；
S40.判断所述加油站是否为用户选择的目标加油站，若是，则根据修改后的加油站对象集重新得到备选集，并向用户推荐所述重新得到的备选集中的各个加油站。
当然，若所述加油站不是所述目标加油站，则可以暂时不必执行步骤S40。
在一个实施例中可以根据步骤S2及其相关子步骤重新得到备选集。
在一个优选的实施例中，还可以根据之前得到的备选集加速获取新的备选集的速度，具体地，所述根据修改后的加油站对象集重新得到备选集，包括：
S100.确定被删除的加油站在原加油站对象集中对应的目标对象。
S200.若目标对象未被所述备选集命中，则直接输出所述备选集。
所述备选集为最近一次得到的备选集。
S300.若所述目标对象被所述备选集命中，并且所述目标对象在某个维度上是所述备选集中所有对象在所述维度的最小值，则将所述最小值对应的维度确定为目标维度，根据所述目标维度在所述加油站对象集中提取相关对象，若提取结果不为空则将所述相关对象加入所述备选集，所述相关对象为在所述目标维度上不大于所述目标对象对应的属性数据并且在所述目标对象中具有最大值的维度上仅次于所述目标对象的第一个数据；
S400.若所述目标对象被所述备选集命中，并且所述目标对象在所有维度上都不是所述备选集中的最小值，则：
确定第三对象，所述第三对象被所述备选集命中，并且在第一标记维度上的值仅次于所述目标对象，所述第一标记维度为所述目标对象取得最小值的维度。
确定关键对象集，所述关键对象集中的各个关键对象均被所述备选集命中，并且在所述目标对象具有最小值的维度上具有最大值。
在所述加油站对象集中，根据所述第三对象和所述关键对象集中的某个关键对象确定当前对象集，所述当前对象集中的对象被所述加油站对象集命中，并且至少在一个维度上大于等于所述第三对象在所述一个维度的值，并且大于等于所述关键对象集中的某个关键对象在所述一个维度的值；
对所述当前对象集中各个对象进行访问，重新得到备选集。
当然，访问方法可以参考步骤S2及其子步骤，再此不做赘述。
以目标建筑物提示服务为例，本发明实施例可以在用户已经确定目标物的场景中为用户自动确定目标物关联的目标建筑物，并在用户与所述目标建筑物距离小于预设阈值时向用户发出提醒，以使得用户明确目标物就在附近。
目标建筑物通常为较为重要，较为醒目的建筑物，这为用户寻找目标物降低了难度。
具体地，本发明实施例进一步公开了一种目标建筑物确定方法，所述方法，如图4所示，包括：
S201.在目标物所在预设区域内，提取多个建筑物构成建筑物对象集合，所述建筑物对象集合包括多个属性。
在一个实施例中，所述建筑物对象集合可以包括重要程度、面积、角度醒目程度。
所述角度醒目程度与所述建筑物对象与所述目标物的夹角反相关，夹角越小，角度醒目程度越高。在角度为0的时候表征所述建筑物对象在所述目标物沿所述行车路线的正前方。
S202.获取过滤规则，所述过滤规则包括第一属性值、第二属性值和第三属性值。
具体地，所述过滤规则可以根据实际需要进行预设，再此不进行赘述。
S203.根据所述第一属性值、第二属性值和第三属性值构建过滤对象。
S204.根据所述过滤对象对所述建筑物对象集合进行筛选，得到待选定目标集，所述待选定目标集中的各个对象均控制所述过滤对象。
S205.若所述待选定目标集中只有一个对象，则将所述对象确定为目标建筑物。
S206.若所述待选定目标集中存在多个对象，则将面积最大的对象确定为目标建筑物。
本发明实施例公开了沿出行线路自动交互方法，可以根据与用户的语音交互自动确定交互内容指向的指令，并为用户提供指令指向的内容，从而可以在行车途中不需要用户进行手动操作，极大提升用户体验，进一步地，本发明实施例还提供了加油站动态推荐服务的方案和目标建筑物提示服务的方案，高级功能的实现可以进一步提升用户的出行体验。
需要说明的是：上述本发明实施例的先后顺序仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.沿出行线路自动交互方法，其特征在于，所述方法包括：
获取第一语句；
判断所述第一语句中是否存在预设唤醒词，若存在，启动自动交互逻辑；
所述交互逻辑接收用户语音，将所述语音输入预设的语音分析模型，得到所述语音对应的语音向量；
根据所述语音向量确定其对应的目标交互指令；
基于所述目标交互指令为用户提供对应服务；
在所述服务为加油站推荐或加油站动态推荐服务的情况下，所述方法还包括：
提取行车路线沿线的全部加油站构成加油站预备集，所述加油站预备集中的每个元素对应一个加油站，所述元素包括多个维度的属性数据，所述元素的属性数据可以包括加油站位置属性、加油站优惠属性、加油站周围环境属性和加油站当前油量属性；
对所述加油站预备集中的每个元素的属性数据基于所述行车路线进行量化，得到加油站对象集，所述加油站对象集中的每个对象包括第一属性、第二属性、第三属性和第四属性，所述第一属性表征在所述行车路线中加油站距离所述用户当前位置的反相关距离，所述第二属性表征沿所述行车路线行至所述加油站后将车辆加油到容量容积所需要花费的反相关金额，所述第三属性表征到达所述加油站需要经历的拥堵程度的反相关量化值，所述第四属性表征到达所述加油站时所述加油站的剩余油量估计值；
初始化第一序列、备选集、第二序列皆为空集，令加油站对象集为当前对象集；
对所述当前对象集中的各个对象进行访问，根据所述访问结果变更所述第一序列和所述第二序列，所述第一序列中的对象均不会被彼此控制，所第二序列中的对象均不会被所述第一序列中的对象控制；当且仅当，对象A的任何维度的值都大于等于数据对象B的相应的维度的值，并且对象A的各个维度的值不能全部等于数据对象B的相应的维度的值，则称对象A控制对象B；其中，所述对所述当前对象集中的各个对象进行访问，包括：提取当前对象；若所述第一序列中存在能够控制所述当前对象的第一对象，则直接删除所述当前对象；若所述第一序列中存在能够被所述当前对象控制的第二对象，则从所述第一序列中删除所述第二对象，并将所述当前对象插入第一序列中；若所述当前对象和第一序列中所有对象都不存在控制关系，则判断所述第一序列是否剩余能够存储新的对象的空间，若是，将所述当前对象插入第一序列中，若否，则将所述当前对象加入所述第二序列；
将所述第一序列中的元素输出至所述备选集，清空所述第一序列；
若所述第二序列不为空，则将所述第二序列确定为当前对象集，清空所述第二序列，返回执行步骤：对所述当前对象集中的各个对象进行访问，根据所述访问结果变更所述第一序列和所述第二序列，所述第一序列中的对象均不会被彼此控制，所第二序列中的对象均不会被所述第一序列中的对象控制；
若所述第二序列为空，则结束流程；
向用户推荐所述备选集中的各个加油站；
若用户选择的是加油站动态推荐服务，所述方法还包括：
根据停止营业通知确定停止营业的加油站；
判断所述加油站是否位于所述加油站对象集之中；
若是，则将所述加油站对应的对象在所述加油站对象集之中删除；
判断所述加油站是否为用户选择的目标加油站，若是，则根据修改后的加油站对象集重新得到备选集，并向用户推荐所述重新得到的备选集中的各个加油站；
所述重新得到备选集包括：
确定被删除的加油站在原加油站对象集中对应的目标对象；
若目标对象未被所述备选集命中，则直接输出所述备选集；
若所述目标对象被所述备选集命中，并且所述目标对象在某个维度上是所述备选集中所有对象在所述维度的最小值，则将所述最小值对应的维度确定为目标维度，根据所述目标维度在所述加油站对象集中提取相关对象，若提取结果不为空则将所述相关对象加入所述备选集，所述相关对象为在所述目标维度上不大于所述目标对象对应的属性数据并且在所述目标对象中具有最大值的维度上仅次于所述目标对象的第一个数据；
若所述目标对象被所述备选集命中，并且所述目标对象在所有维度上都不是所述备选集中的最小值，则确定第三对象，所述第三对象被所述备选集命中，并且在第一标记维度上的值仅次于所述目标对象，所述第一标记维度为所述目标对象取得最小值的维度；
确定关键对象集，所述关键对象集中的各个关键对象均被所述备选集命中，并且在所述目标对象具有最小值的维度上具有最大值；
在所述加油站对象集中，根据所述第三对象和所述关键对象集中的某个关键对象确定当前对象集，所述当前对象集中的对象被所述加油站对象集命中，并且至少在一个维度上大于等于所述第三对象在所述一个维度的值，并且大于等于所述关键对象集中的某个关键对象在所述一个维度的值；
对所述当前对象集中各个对象进行访问，重新得到备选集。
2.根据权利要求1所述的方法，其特征在于，所述语音分析模型通过下述方法训练得到，包括：
获取语音训练集，所述语音训练集中的各个语音元素都包括多条对话语句；
构建相互串联的第一学习机和第二学习机，得到训练模型；
基于所述语音训练集对所述训练模型进行训练，得到语音分析模型，所述语音分析模型以语音对应的句向量为输出结果，通过最大化其目标函数，使用梯度下降法训练得到。
3.根据权利要求2所述的方法，其特征在于：
在训练过程中，以第j句话的前t句话和后t句话为输入，基于所述训练模型的第一学习机分别对于这2t句话的每一句生成一个句向量，并将所述2t个句向量作为目标向量，将所述目标向量输入所述训练模型的第二学习机得到对应于所述第j句话的预估词集合，以所述预估词集合的似然概率表达作为目标函数
Figure FDA0003270372010000051
其中，N,T,M,
Figure FDA0003270372010000052
分别表示语音元素数量，某个语音元素中的语句数量，语句的词的数量，第i个语料元素中基于前t句话和后t句话生成第j句话的概率。
4.根据权利要求3所述的方法，其特征在于，所述根据所述语音向量确定其对应的交互指令，包括：
获取预设的指令集，所述指令集中包括各个交互指令以及所述交互指令的句向量；
计算所述语音向量与所述指令集中各个句向量的相似度；
若最大相似度大于预设阈值，则具有最大相似度的交互指令被确认为目标交互指令。
5.根据权利要求4所述的方法，其特征在于：
交互指令对应服务包括加油站推荐、加油站动态推荐、目标建筑物提示、停车场推荐、衣食住行等关键地点推荐，交互语音包选择，特定软件关联启动服务。
6.根据权利要求5所述的方法，其特征在于：若所述对应服务为目标建筑物提示服务，则在用户已经确定目标物的场景中为用户自动确定目标物关联的目标建筑物，并在用户与所述目标建筑物距离小于预设阈值时向用户发出提醒，以使得用户明确目标物就在附近。
CN202010760974.5A 2020-07-31 2020-07-31 沿出行线路自动交互方法 Active CN111949780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010760974.5A CN111949780B (zh) 2020-07-31 2020-07-31 沿出行线路自动交互方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010760974.5A CN111949780B (zh) 2020-07-31 2020-07-31 沿出行线路自动交互方法

Publications (2)

Publication Number Publication Date
CN111949780A CN111949780A (zh) 2020-11-17
CN111949780B true CN111949780B (zh) 2021-12-31

Family

ID=73339030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010760974.5A Active CN111949780B (zh) 2020-07-31 2020-07-31 沿出行线路自动交互方法

Country Status (1)

Country Link
CN (1) CN111949780B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063901A (zh) * 2010-12-02 2011-05-18 深圳市凯立德欣软件技术有限公司 位置服务设备的语音识别方法及位置服务设备
CN104535071A (zh) * 2014-12-05 2015-04-22 百度在线网络技术（北京）有限公司 一种语音导航方法及装置
CN108109612A (zh) * 2017-12-07 2018-06-01 苏州大学 一种基于自适应降维的语音识别分类方法
CN109241268A (zh) * 2018-07-05 2019-01-18 腾讯科技（深圳）有限公司 一种相似信息推荐方法、装置、设备及存储介质
CN110648553A (zh) * 2019-09-26 2020-01-03 北京声智科技有限公司 一种站点提醒方法、电子设备及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063901A (zh) * 2010-12-02 2011-05-18 深圳市凯立德欣软件技术有限公司 位置服务设备的语音识别方法及位置服务设备
CN104535071A (zh) * 2014-12-05 2015-04-22 百度在线网络技术（北京）有限公司 一种语音导航方法及装置
CN108109612A (zh) * 2017-12-07 2018-06-01 苏州大学 一种基于自适应降维的语音识别分类方法
CN109241268A (zh) * 2018-07-05 2019-01-18 腾讯科技（深圳）有限公司 一种相似信息推荐方法、装置、设备及存储介质
CN110648553A (zh) * 2019-09-26 2020-01-03 北京声智科技有限公司 一种站点提醒方法、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN111949780A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN108509619B (zh) 一种语音交互方法及设备
US10991366B2 (en) Method of processing dialogue query priority based on dialog act information dependent on number of empty slots of the query
CN108182229B (zh) 信息交互方法及装置
CN110364146B (zh) 语音识别方法、装置、语音识别设备及存储介质
CN112685565A (zh) 基于多模态信息融合的文本分类方法、及其相关设备
US6622119B1 (en) Adaptive command predictor and method for a natural language dialog system
JP6677419B2 (ja) 音声対話方法及び装置
CN113961690A (zh) 一种人机对话装置及其实现人机对话的方法
US11501755B2 (en) Apparatus and method for providing voice assistant service
CN110795532A (zh) 一种语音信息的处理方法、装置、智能终端以及存储介质
CN108875055A (zh) 一种答案提供方法及设备
WO2021000403A1 (zh) 智能对话系统的语音匹配方法、电子装置、计算机设备
CN109255115A (zh) 一种文本标点调整方法及装置
CN112084793B (zh) 基于依存句法的语义识别方法、设备和可读存储介质
EP4020339A1 (en) Information processing system, information processing method and information processing device
CN108986825A (zh) 基于语音交互的上下文获取方法及设备
CN113806503A (zh) 一种对话融合方法和装置及设备
CN112115244A (zh) 对话交互方法、装置、存储介质及电子设备
CN111949780B (zh) 沿出行线路自动交互方法
JP6772916B2 (ja) 対話装置および対話方法
CN115809669B (zh) 一种对话管理方法和电子设备
CN109002498B (zh) 人机对话方法、装置、设备及存储介质
CN111949897B (zh) 基于多变量优化的加油站推荐方法
CN114817478A (zh) 基于文本的问答方法、装置、计算机设备及存储介质
CN115600818A (zh) 多维评分方法、装置、电子设备和存储介质

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