CN112861521A - 语音识别结果纠错方法、电子设备及存储介质 - Google Patents

Abstract

本发明公开一种语音识别结果纠错方法，该方法包括：从语音识别结果中获取槽位词；查询预先构建的判错词典中是否存在槽位词；当槽位词不属于判错词典时，确定槽位词为待纠错词；根据预先构建的纠错词典确定对应于待纠错词的替换词，纠错词典根据判错词典构建；根据替换词替换语音识别结果中的待纠错词。本发明根据判错词典从语识别结果中筛选出待纠错词，并进一步基于纠错词典获取对应于待纠错词的替换词以完成对语音识别结果的纠错。无需对词语进行扩充，从而避免了扩充不充分造成的影响以及扩展语料造成的纠错效率的降低，同时避免未事先对语音识别的结果做判断，造成对识别正确的纠成错误的现象。

Description

语音识别结果纠错方法、电子设备及存储介质

技术领域

本发明涉及语音识别技术领域，尤其涉及一种语音识别结果纠错方法、电子设备及存储介质。

背景技术

随着语音识别技术的发展，语音识别被应用在越来越多的领域，使用语音进行交互的用户也越来越多。然而，在语音识别交互过程中，语音识别的结果会由于交互环境、硬件设备、以及交互意图等因素产生漏字、多字、多音字识别错误等识别问题。为了优化用户体验提升语音交互系统的效果，提升识别模型的准确率，迫切的需要对语音识别的结果进行纠错。传统的识别模型优化迭代训练时间久，无法快速有效的解决此类问题。

现有技术中通常采用以下两种方案：

方案一：以词语为单位将语音识别结果的语句拆分成若干个词语；对于拆分得到的每个词语进行扩展，以获得每个词语对应的候选词语集合；利用每个词语对应的候选词语集合来构建对应的语音识别结果的候选语句集合；基于事先训练好的语言模型和音节相似度模型来对候选语句集合中的每一个候选语句进行评估；根据评估结果从候选语句集合中确定最优的候选语句作为纠错后的语音识别结果。

方案一至少存在以下缺陷：

1).词语的扩展，受主观影响，会造成扩展不充分，尤其对特殊领域词语的扩充。

2).候选语句的评估，也受事先训练好的语言模型的影响，对事先没有出现的词语，在评估的时候会造成偏差。

3).扩展语料必然会造成纠错效率上的降低。

4).未事先对语音识别的结果做判断，就对语音识别结果进行拆分，并进行候选语句扩充，很大可能会造成原来识别正确的纠成错误的识别结果。

方案二：利用预设的语言模型获取语音识别文本的流畅度，若是语音识别文本的流畅度小于流畅度阈值，获取语音识别文本中的待纠错词。待纠错词是指语音识别文本中错误的文本词，它的获取方式是对语音识别文本进行分词，得到文本词。计算各个文本词的平均绝对偏差值，若一个文本词的平均绝对偏差大于偏差阈值，则判定该文本词错误，将该文本词作为待纠错词。从纠错数据库中确定待纠错词对应的纠正词，根据纠正词替换原来语音识别文本中的待纠错词得到最后的语音识别文本。

方案二至少存在以下缺陷：

1).通过预设语言模型获取语音识别文本的流畅度，对预语言设模型的依赖很大，若是预设语言模型中没有相关词语，则会对语音识别文本的流畅度值造成很大偏差。

2).流畅度阈值的设定也存在不确定性，对结果也会造成影响。

3).从候选词中确定纠正词的时候，依据的流畅度最大的值作为纠正词，但是流畅度最大的值并不一定是正确的结果。

发明内容

本发明实施例提供一种语音识别结果纠错方法，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种语音识别结果纠错方法，用于电子设备，该方法包括：从语音识别结果中获取槽位词；查询预先构建的判错词典中是否存在所述槽位词；当所述槽位词不属于所述判错词典时，确定所述槽位词为待纠错词；根据预先构建的纠错词典确定对应于所述待纠错词的替换词，所述纠错词典根据所述判错词典构建；根据所述替换词替换所述语音识别结果中的待纠错词。

第二方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项语音识别结果纠错方法。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明上述任一项语音识别结果纠错方法。

第四方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项语音识别结果纠错方法。

本发明实施例的有益效果在于：本实施例提出了一种语音识别结果纠错方法，根据判错词典从语识别结果中筛选出待纠错词，并进一步基于纠错词典获取对应于待纠错词的替换词以完成对语音识别结果的纠错。无需对词语进行扩充，从而避免了扩充不充分造成的影响以及扩展语料造成的纠错效率的降低，同时避免未事先对语音识别的结果做判断，造成对识别正确的纠成错误的现象。此外，无需采用语言模型判断语音识别结果的流畅度，避免了流畅度阈值设定对纠错结果的影响以及过于对预设语言模型的依赖。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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他的附图。

图1为本发明的语音识别结果纠错方法的一实施例的流程图；

图2为本发明的语音识别结果纠错方法的另一实施例的流程图；

图3为本发明的语音识别结果纠错方法的另一实施例的流程图；

图4为本发明的电子设备的一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

如图1所示，本发明的实施例提供一种语音识别结果纠错方法，用于电子设备，该方法包括：

S10、从语音识别结果中获取槽位词。

S20、查询预先构建的判错词典中是否存在槽位词。

S30、当槽位词不属于所述判错词典时，确定槽位词为待纠错词。

示例性地，使用一个判错词典来判断识别结果。判错词典纠错会维护一个正确的资源列表，判断时如果词条在判错词典字典中，则认为是正确的，否则认为是错误的。示例性地，为了加速可以将判错词典转换成trie树结构。

S40、根据预先构建的纠错词典确定对应于待纠错词的替换词，纠错词典根据判错词典构建。

示例性地，判错词典中存储有相应领域中的多个正确词条。预先构建纠错词典包括以下步骤：将判错词典中的多个正确词条分别转换为相应的多个triphone序列，每个triphone序列包括多个子序列；至少根据每个triphone序列的多个子序列和相应正确词条标识(例如，次序号或者词ID)信息建立对应于相应正确词条的多个索引，以构成纠错词典。

S50、根据替换词替换语音识别结果中的待纠错词。

本实施例提出了一种语音识别结果纠错方法，根据判错词典从语识别结果中筛选出待纠错词，并进一步基于纠错词典获取对应于待纠错词的替换词以完成对语音识别结果的纠错。无需对词语进行扩充，从而避免了扩充不充分造成的影响以及扩展语料造成的纠错效率的降低，同时避免未事先对语音识别的结果做判断，造成对识别正确的纠成错误的现象。此外，无需采用语言模型判断语音识别结果的流畅度，避免了流畅度阈值设定对纠错结果的影响以及过于对预设语言模型的依赖。

如图2所示为本发明的语音识别结果纠错方法的另一实施例的流程图。在该实施例中，根据预先构建的纠错词典确定对应于所述待纠错词的替换词包括：

S41、将所述待纠错词转换为相应的待纠错triphone序列，所述待纠错triphone序列包括多个待纠错子序列。

S42、查询所述纠错词典以确定所述多个待纠错子序列所命中的多个正确词条。

示例性地，查询所述纠错词典以确定所述多个待纠错子序列所命中的索引；根据所述命中的索引确定所命中的多个正确词条。

S43、统计所述多个待纠错子序列所命中的多个正确词条中每个命中的词条的命中次数。

S44、至少根据所述每个命中词条的命中次数确定对应于所述待纠错词的替换词。

如图3所示为本发明的语音识别结果纠错方法的另一实施例的流程图。在该实施例中，至少根据所述每个命中词条的命中次数确定对应于所述待纠错词的替换词包括：

S441、将每个命中词条的命中次数除以相应命中词条的词长度并做归一化处理，得到每个命中词条的频繁程度。

S442、确定每个命中词条中频繁程度大于设定阈值的多个命中词条。示例性地，设定阈值可根据实际需求进行设定，例如设定阈值可以为0.85。

S443、计算多个命中词条的triphone序列与待纠错词的triphone序列之间的相似度以选出替换词。

示例性地，对于判错词典中的每条数据，将词条转换成triphone，然后构建基于triphone的索引。比如，

【货梯】这条数据转换成triphone之后序列为：sil-h+uo、h-uo+t、uo-t+i、t-i+sil；

【隐形的翅膀】这条数据转换成triphone之后序列为：sil-y+in、y-in+x、in-x+ing、x-ing+d、ing-d+e、d-e+ch、e-ch+i、ch-i+b、i-b+ang、b-ang+sil。

假设该词条【货梯】的sentence_id(词条的序号)是145，则我们会构建如下几条索引记录：

{sil-h+uo:(145,h_T0_uo_T4,t_T0_i_T1)}

{h-uo+t:(145,h_T0_uo_T4,t_T0_i_T1)}

{uo-t+i:(145,h_T0_uo_T4,t_T0_i_T1)}

{t-i+sil:(145,h_T0_uo_T4,t_T0_i_T1)}。

示例性地，进行查找时：假设识别结果抽取后的待纠错词条是【火梯】，【火梯】转换成triphone序列之后是：sil-h+uo、h-uo+t、uo-t+i、t-i+sil，这时候我们分别用四音素sil-h+uo、h-uo+t、uo-t+i、t-i+sil去查找索引，每一个音素都能查找到多条索引记录，假设查找到的索引记录对应的sentence_id分别是(2，121，145，168)、(2，145)、(2，5，145)、(126，145)，此时，我们计算得知sentence_id＝2和sentence_id＝145的出现次数分别为3和4，出现次数除以词长度做归一化之后，得到该词条的频繁程度，频繁程度大于一定阈值的作为索引结果返回。归一化是将样本的特征值转换到同一量纲下把数据映射到[0,1]]区间内，仅由变量的极值决定，把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较，为了方便数据处理，把数据映射到0～1范围之内处理，更加便捷快速。

示例性地，基于编辑距离的相似度计算：

识别结果在经过前缀后缀匹配，抽取出资源词条后(也就是待纠错词条)，会将资源词条转换成triphone序列，根据triphone序列和索引能得到一个相关列表(内容为triphone)，用待纠错词条的triphone与相关列表中的每一个triphone计算编辑距离，编辑距离最小的那个即是需要的目标词条。将识别结果中的待纠错词条替换成目标词条，即为纠错后的结果。

在一些实施例中，当根据所述纠错词典无法确定对应于所述待纠错词的替换词时，将所述待纠错词本身认定为替换词。

在实际情况中对于不存在于判错词典中的词条并不一定就是错误的词条。也可能是为及时收录到判错词典中的新兴词条，例如，近年来不断出现的网络热词。因此对于既不属于判错词典，又无法根据纠错词典确定出替换词的待纠错词可以认定为未及时录入判错词典的词条，例如新兴词条。

在一些实施例中，将所述待纠错词添加至所述判错词典中，并更新所述纠错词典。

本实施例中在确定待纠错词为未及时收录的词条时，将其加入判错词典，并据此更新纠错词典，以便于后续再次遇到相同情况时进行准确及时的判定。

在一些实施例中，本发明的语音识别结果纠错方法还包括定期更新所述判错词典和所述纠错词典。

本发明提出了一种语音识别结果纠错方法，根据判错词典从语识别结果中筛选出待纠错词，并进一步基于纠错词典获取对应于待纠错词的替换词以完成对语音识别结果的纠错。通过Trie树的完全匹配以保证纠错词的获取。并基于编辑距离的相似度计算从纠错词典中得到纠正后的结果。避免现有方案一中由于词语扩充不充分造成的影响以及扩展语料造成的纠错效率的降低，同时避免未事先对语音识别的结果做判断，造成对识别正确的纠成错误的现象。减少现有技术方案二中流畅度阈值设定对纠错结果的影响，避免过于对预设语言模型的依赖。该发明对识别结果多字、少字、多音字的纠错效果尤为明显。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项语音识别结果纠错方法。

在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项语音识别结果纠错方法。

在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行语音识别结果纠错方法。

在一些实施例中，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现语音识别结果纠错方法。

图4是本申请另一实施例提供的执行语音识别结果纠错方法的电子设备的硬件结构示意图，如图4所示，该设备包括：

一个或多个处理器410以及存储器420，图4中以一个处理器410为例。

执行语音识别结果纠错方法的设备还可以包括：输入装置430和输出装置440。

处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储器420作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的语音识别结果纠错方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例语音识别结果纠错方法。

存储器420可以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、至少一个功能所需要的应用程序；存储数据区可存储根据语音识别结果纠错装置的使用所创建的数据等。此外，存储器420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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至语音识别结果纠错装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可接收输入的数字或字符信息，以及产生与语音识别结果纠错装置的用户设置以及功能控制有关的信号。输出装置440可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器420中，当被所述一个或者多个处理器410执行时，执行上述任意方法实施例中的语音识别结果纠错方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)智能终端设备：例如智能手机、智能音箱、智能车机、智能机器人等，本发明对此不作限定。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (10)

1.一种语音识别结果纠错方法，用于电子设备，所述方法包括：

从语音识别结果中获取槽位词；

查询预先构建的判错词典中是否存在所述槽位词；

当所述槽位词不属于所述判错词典时，确定所述槽位词为待纠错词；

根据预先构建的纠错词典确定对应于所述待纠错词的替换词，所述纠错词典根据所述判错词典构建；

根据所述替换词替换所述语音识别结果中的待纠错词。

2.根据权利要求1所述的方法，其特征在于，所述判错词典中存储有相应领域中的多个正确词条；

预先构建所述纠错词典包括以下步骤：

将所述判错词典中的多个正确词条分别转换为相应的多个triphone序列，每个triphone序列包括多个子序列；

至少根据每个triphone序列的多个子序列和相应正确词条标识信息建立对应于所述相应正确词条的多个索引，以构成纠错词典。

3.根据权利要求2所述的方法，其特征在于，所述根据预先构建的纠错词典确定对应于所述待纠错词的替换词包括：

将所述待纠错词转换为相应的待纠错triphone序列，所述待纠错triphone序列包括多个待纠错子序列；

查询所述纠错词典以确定所述多个待纠错子序列所命中的多个正确词条；

统计所述多个待纠错子序列所命中的多个正确词条中每个命中的词条的命中次数；

至少根据所述每个命中词条的命中次数确定对应于所述待纠错词的替换词。

4.根据权利要求3所述的方法，其特征在于，查询所述纠错词典以确定所述多个待纠错子序列所命中的多个正确词条包括：

查询所述纠错词典以确定所述多个待纠错子序列所命中的索引；

根据所述命中的索引确定所命中的多个正确词条。

5.根据权利要求4所述的方法，其特征在于，至少根据所述每个命中词条的命中次数确定对应于所述待纠错词的替换词包括：

将每个命中词条的命中次数除以相应命中词条的词长度并做归一化处理，得到每个命中词条的频繁程度；

确定所述每个命中词条中频繁程度大于设定阈值的多个命中词条；

计算所述多个命中词条的triphone序列与所述待纠错词的triphone序列之间的相似度以选出替换词。

6.根据权利要求1-5所述的方法，其特征在于，当根据所述纠错词典无法确定对应于所述待纠错词的替换词时，将所述待纠错词本身认定为替换词。

7.根据权利要求6所述的方法，其特征在于，将所述待纠错词添加至所述判错词典中，并更新所述纠错词典。

8.根据权利要求1-5中任一项所述的方法，其特征在于，还包括定期更新所述判错词典和所述纠错词典。

9.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任意一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任意一项所述方法的步骤。

Images