CN113051895A - 语音识别的方法、装置、电子设备、介质和程序产品 - Google Patents

Abstract

本公开提供了一种语音识别的方法，应用于能响应接收到的语音信息并提供语音识别结果的语音识别系统，包括：响应于接收到用户输入的语音信息，调用封装在语音识别系统中的语音转文字构件对语音信息进行语音识别得到初始识别文本，调用封装在语音识别系统中的意图识别构件对初始识别文本进行意图识别得到意图场景，该意图场景用于表征业务功能，基于意图场景，确定初始识别文本中是否存在错误文本，在确定初始识别文本中存在错误文本的情况下，纠正错误文本，并输出目标识别文本，以调用与目标识别文本对应的目标业务功能。本公开还提供了语音识别装置、电子设备、介质和程序产品。本公开提供的方法和装置例如可以应用于金融领域或其他领域。

Description

语音识别的方法、装置、电子设备、介质和程序产品

技术领域

本公开涉及语音识别的技术领域，特别是涉及一种语音识别的方法、装置、电子设备、介质和程序产品。

背景技术

本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

在用户与业务系统的语音交互场景中，用户作为语音交互的发起方，需要向业务系统发起语音信息，业务系统作为语音交互的响应方，需要执行业务系统中与该语音信息对应的业务，以获得与该语音信息对应的业务执行结果，并将该业务执行结果反馈给用户，而在执行业务之前需要从业务系统的诸多项业务中识别出哪一项或者那几项是与该语音信息对应的业务。在相关技术提供的语音识别的方法中，首先需要调用语音识别系统中训练好的语音识别模型将用户的语音信息转换为文字信息，然后再调用意图识别系统中训练好的意图识别模型将转换得到的文字信息进行意图识别，最终根据意图识别的结果去调用业务系统中相应的业务功能，实现基于语音信息的精准业务识别。

但是在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题：由于语音识别模型与意图识别模型分别在两个不同的识别系统，分别在两个不同的识别系统中进行大量的数据训练工作，导致实现精准业务识别的整个处理流程所需的处理时间较长。

发明内容

为了解决精准业务识别的整个处理流程中大量的数据训练工作，导致实现精准业务识别的整个处理流程所需的处理时间较长的技术问题，缩短整个处理流程所需的处理时间，本公开的实施例提供了一种语音识别的方法、一种语音识别的装置、一种电子设备、一种介质以及一种程序产品。

为了实现上述目标，本公开的一个方面提供了一种语音识别的方法，应用于语音识别系统，上述语音识别系统能响应接收到的语音信息并提供语音识别结果，上述方法可以包括：响应于接收到用户输入的语音信息，调用封装在上述语音识别系统中的语音转文字构件对上述语音信息进行语音识别，得到初始识别文本；调用封装在上述语音识别系统中的意图识别构件对上述初始识别文本进行意图识别，得到意图场景，其中，上述意图场景用于表征业务功能；基于上述意图场景，确定上述初始识别文本中是否存在错误文本；以及在确定上述初始识别文本中存在错误文本的情况下，纠正上述错误文本，并输出目标识别文本，以调用与上述目标识别文本对应的目标业务功能。

根据本公开的实施例，上述基于上述意图场景，确定上述初始识别文本中是否存在错误文本可以包括：基于上述意图场景，确定与上述意图场景对应的目标业务功能；获得为上述目标业务功能预先配置的目标关键字词库；以及基于上述目标关键字词库，确定上述初始识别文本中是否存在错误文本。

根据本公开的实施例，上述目标关键字词库包括与上述目标业务功能对应的正确文本，上述基于上述目标关键字词库，确定上述初始识别文本中是否存在错误文本可以包括：确定上述初始识别文本中的关键字词；检测上述关键字词与上述目标关键字词库中预先配置的正确文本是否一致；以及在上述关键字词与上述目标关键字词库中预先配置的正确文本不一致的情况下，确定上述初始识别文本中存在错误文本。

根据本公开的实施例，上述目标关键字词库包括与上述目标业务功能对应的错误文本，上述基于上述目标关键字词库，确定上述初始识别文本中是否存在错误文本可以包括：确定上述初始识别文本中的关键字词；检测上述关键字词与上述目标关键字词库中预先配置的错误文本是否一致；以及在上述关键字词与上述目标关键字词库中预先配置的错误文本一致的情况下，确定上述初始识别文本中存在错误文本。

根据本公开的实施例，上述方法还可以包括：在上述关键字词与上述目标关键字词库中预先配置的错误文本不一致的情况下，基于上述关键字词，更新上述目标关键字词库。

根据本公开的实施例，上述方法还可以包括：获取正向训练集文本，其中，与上述正向训练集文本对应的正向训练集包含预先配置的文本数据；基于对上述正向训练集文本的训练，得到上述意图识别构件；获取反向训练集文本，其中，与上述反向训练集文本对应的反向训练集包含历史纠正的文本数据；以及基于对上述正向训练集文本的训练，更新上述意图识别构件。

为了实现上述目标，本公开的另一个方面提供了一种语音识别的装置，应用于语音识别系统，上述语音识别系统能响应接收到的语音信息并提供语音识别结果，上述装置可以包括：语音识别模块，用于响应于接收到用户输入的语音信息，调用封装在上述语音识别系统中的语音转文字构件对上述语音信息进行语音识别，得到初始识别文本；意图识别模块，用于调用封装在上述语音识别系统中的意图识别构件对上述初始识别文本进行意图识别，得到意图场景，其中，上述意图场景用于表征业务功能；文本确定模块，用于基于上述意图场景，确定上述初始识别文本中是否存在错误文本；以及文本纠正模块，用于在确定上述初始识别文本中存在错误文本的情况下，纠正上述错误文本，并输出目标识别文本，以调用与上述目标识别文本对应的目标业务功能。

根据本公开的实施例，上述文本确定模块可以包括：第一确定子模块，用于基于上述意图场景，确定与上述意图场景对应的目标业务功能；第一获得子模块，用于获得为上述目标业务功能预先配置的目标关键字词库；以及第二确定子模块，用于基于上述目标关键字词库，确定上述初始识别文本中是否存在错误文本。

根据本公开的实施例，上述目标关键字词库包括与上述目标业务功能对应的正确文本，上述第二确定子模块可以包括：第一确定单元，用于确定上述初始识别文本中的关键字词；第一检测单元，用于检测上述关键字词与上述目标关键字词库中预先配置的正确文本是否一致；以及第二确定单元，用于在上述关键字词与上述目标关键字词库中预先配置的正确文本不一致的情况下，确定上述初始识别文本中存在错误文本。

根据本公开的实施例，上述目标关键字词库包括与上述目标业务功能对应的错误文本，上述第二确定子模块可以包括：第三确定单元，用于确定上述初始识别文本中的关键字词；第二检测单元，用于检测上述关键字词与上述目标关键字词库中预先配置的错误文本是否一致；以及第四确定单元，用于在上述关键字词与上述目标关键字词库中预先配置的错误文本一致的情况下，确定上述初始识别文本中存在错误文本。

根据本公开的实施例，上述第二确定子模块还可以包括：更新单元，用于在上述关键字词与上述目标关键字词库中预先配置的错误文本不一致的情况下，基于上述关键字词，更新上述目标关键字词库。

根据本公开的实施例，上述装置还可以包括：第一获取模块，用于获取正向训练集文本，其中，与上述正向训练集文本对应的正向训练集包含预先配置的文本数据；第一训练模块，用于基于对上述正向训练集文本的训练，得到上述意图识别构件；第二获取模块，用于获取反向训练集文本，其中，与上述反向训练集文本对应的反向训练集包含历史纠正的文本数据；以及第二训练模块，用于基于对上述正向训练集文本的训练，更新上述意图识别构件。

为了实现上述目标，本公开的另一方面提供了一种电子设备，可以包括：一个或多个处理器，存储器，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上所述的语音识别的方法。

为了实现上述目标，本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的语音识别的方法。

为了实现上述目标，本公开的另一方面提供了一种计算机程序，上述计算机程序可以包括计算机可执行指令，上述指令在被执行时用于实现如上所述的语音识别的方法。

根据本公开提供的语音识别的方法，在语音识别系统中封装语音转文字构件和意图识别构件，在基于用户输入的语音信息实现精准业务识别的过程中，首先调用语音转文字构件进行语音转换得到初始识别文本，再调用意图识别构件，对转换得到初始识别文本进行意图识别得到意图场景，在基于意图场景确定初始识别文本中存在错误文本的情况下，纠正错误文本，最后输出正确的识别结果，由于不需要调用两个不同的识别系统，在语音识别这一个系统中就可以达到精准业务识别的目的，因此可以至少部分地避免相关技术中由于分别调用两个不同的识别系统才可以完成基于用户输入的语音信息实现业务识别的过程中，导致识别的整个处理流程所需的处理时间较长的技术问题，并因此可以实现缩短处理时间，提高识别效率的技术效果。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

图1示意性示出了适用于本公开实施例的语音识别的方法和装置的系统架构；

图2示意性示出了适用于本公开实施例的语音识别的方法和装置的应用场景；

图3示意性示出了根据本公开实施例的语音识别的方法的流程图；

图4示意性示出了根据本公开另一实施例的语音识别的方法的流程图；

图5示意性示出了根据本公开另一实施例的语音识别的方法的流程图；

图6示意性示出了根据本公开实施例的语音识别的装置的框图；

图7示意性示出了根据本公开另一实施例的语音识别的装置的框图；

图8示意性示出了根据本公开实施例的适于实现上文描述的语音识别的方法的计算机可读存储介质产品的示意图；以及

图9示意性示出了根据本公开实施例的适于实现上文描述的语音识别的方法的电子设备的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

应该注意的是，附图并未按比例绘制，并且出于说明目的，在整个附图中类似结构或功能的元素通常用类似的附图标记来表示。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了上述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程语音识别装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。

随着人工智能(Artificial Intelligence，AI)技术的飞速发展，电子设备与用户之间的智能语音交互功能已经成为未来产品发展的新趋势，语音识别的准确度，在一定程度上直接决定着产品的智能程度。

为了试图解决在日常语音交互场景中使用智能语音产品时遇到的语音识别不准确的技术问题，相关技术也提供了一些基于意图识别的语音识别方法，以期提高语音识别的准确度。意图识别是依托机器学习(Machine Learning，ML)、自然语言处理(NaturalLanguage Processing，NLP)等人工智能技术，结合用户浏览行为、交易行为、多渠道交互信息等内容进行智能分析，实现跨渠道、跨领域的意图理解、语义理解、会话管理、语义生成等通用服务，意图识别可以为智能交互、智能问答、智能催收、智能助手等服务场景赋能，并有效缓解人工服务的压力，提升用户的体验。

在相关技术中，业务系统接收到用户语音信息后，要想执行业务系统中相应的业务处理功能，需要进行业务识别的过程为：需要先通过语音识别系统将该语音信息转换成文字信息、然后通过意图识别系统对文字信息进行意图识别，最后根据意图识别给出的处理指令，执行业务系统中与该处理指令相对应的业务。若要对业务识别的准确率进行提升，需要为语音识别系统配置热词，为意图识别系统训练语料。如果要对业务识别的准确率进行提升，需要通过语音识别系统配置热词，为意图识别系统的语料进行机器训练来共同完成提升。

鉴于相关技术中存在的上述问题，本公开实施例提供的应用于能响应接收到的语音信息并提供语音识别结果的语音识别系统的语音识别的方法，响应于接收到用户输入的语音信息，首先调用封装在语音识别系统中的语音转文字构件对语音信息进行语音识别得到初始识别文本，然后调用封装在语音识别系统中的意图识别构件对初始识别文本进行意图识别得到用于表征业务功能的意图场景，接着基于该意图场景，确定初始识别文本中是否存在错误文本，最后在确定初始识别文本中存在错误文本的情况下，纠正错误文本，并输出目标识别文本，以调用与目标识别文本对应的目标业务功能。

通过本公开的实施例，由于不需要调用两个不同的识别系统，在语音识别这一个系统中就可以达到精准业务识别的目的，因此可以至少部分地避免相关技术中由于分别调用两个不同的识别系统才可以完成基于用户输入的语音信息实现业务识别的过程中，导致识别的整个处理流程所需的处理时间较长的技术问题，并因此可以实现缩短处理时间，提高识别效率的技术效果。

需要说明的是，本公开上下文所提供的语音识别的方法和装置可用于金融领域中，也可用于除金融领域之外的任意领域中。因此，对本公开上下文所提供的语音识别的方法和装置的应用领域不做限定。

图1示意性示出了适用于本公开实施例的语音识别的方法和装置的系统架构100。需要注意的是，图1所示仅为可应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览以及具有拾音功能的语音接收装置(例如麦克风)的各种电子设备，包括但不限于个人电脑(PersonalComputer，PC)、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、个人通信业务(Personal Communication Service，PCS)电话、膝上型便携计算机和台式计算机等等，也可以是具有一定终端的计算机，例如可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，能够向用户提供语音和/或数据连通性的设备，以及与无线接入网络交换语言和/或数据。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的语音识别的方法一般可以由终端设备101、102或103执行。相应地，本公开实施例所提供的语音识别的装置一般可以设置于终端设备101、102或103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了适用于本公开实施例的语音识别的方法和装置的应用场景。如图2所示，在该应用场景200中，用户201将语音信息202(“帮我打开健康报备功能”)输入终端设备203，终端设备203通过拾音功能接收语音信息202之后，对语音信息202(“帮我打开健康报备功能”)进行语音识别，可以得到初始识别文本204(“帮我打开健康宝贝功能”)，然后对转换得到的初始识别文本204(“帮我打开健康宝贝功能”)进行意图识别得到意图场景205(“健康报备”)，在基于意图场景205(“健康报备”)确定初始识别文本204(“帮我打开健康宝贝功能”)中存在错误文本206(“宝贝”)的情况下，纠正错误文本206(“宝贝”)，最后输出正确的识别结果207(“帮我打开健康报备功能”)，通过向终端设备输入语音信息最终实现对业务系统中“健康报备功能”的调用。

需要说明的是，图2所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他业务系统的语音识别的应用场景。

图3示意性示出了根据本公开实施例的语音识别的方法的流程图。该语音识别的方法300应用于语音识别系统，语音识别系统能响应接收到的语音信息并提供语音识别结果，如图3所示，该语音识别的方法300可以包括操作S310～操作S340。

在操作S310，响应于接收到用户输入的语音信息，调用封装在语音识别系统中的语音转文字构件对语音信息进行语音识别，得到初始识别文本。

根据本公开的实施例，语音转文字构件通过构建语音分帧后的状态网络，从网络中寻找与语音分帧最匹配的结果。具体地，语音识别流程分为“语音输入-编码-解码-输出”。在具体实施时，可以先进行语音收集，构建语音音频。然后将构建音频进行信号处理，按照毫秒级分帧，对拆分出的小段波形按特征提取变成多维度向量信息。接着将帧信息识别成状态。接着将状态组合形成音素。最后将音素组成字词，并串联成句，实现语音转文字的效果。为了提高语音转文字的识别准确率，可以为语音转文字构件配置热词，需要理解的是，热词指的是被广大用户所熟知并广泛使用的热门词汇，可以是已被巧妙本土化的舶来品，也可以是方言，还可以是旧词焕发新意，本公开不做限定。

具体的语音转文字的实现方法本公开不做限定，本领域技术人员可以根据实际情况自行选择适当的语音转文字的方式实现语音识别，得到初始识别文本。

在操作S320，调用封装在语音识别系统中的意图识别构件对初始识别文本进行意图识别，得到意图场景。

根据本公开的实施例，意图场景用于表征业务功能。不同的业务功能对应不同的意图场景。意图识别构件可以基于自然语言训练模型，通过神经网络算法进行的语义意图分析，意图识别流程分为“分词-特征向量表示-分类-输出”。在具体实施时，可以先将用户传入的语句进行分词处理，获得分词结果。然后通过对训练集数据经过分词构建词典，针对每一条训练文本统计特征相关，形成特征向量表示，模型构建。接着进行模型构建。最后基于训练语料，通过神经网络算法，计算相应分类结果输出。具体的意图场景的方法本公开不做限定，本领域技术人员可以根据实际情况自行选择适当的意图场景的识别方式实现意图识别，得到意图场景。

需要说明的是，构件是系统中实际存在的可更换部分，实现特定的功能，符合一套接口标准并能实现一组接口。构建代表系统中的一部分物理实施，包括软件代码(源代码、二进制代码或可执行代码)或其等价物(如脚本或命令文件)。构件是面向软件体系架构的可复用软件模块，是可复用的软件组成成份，可被用来构造其他软件。可以是被封装的对象类、类树、一些功能模块、软件框架(framework)、软件构架(或体系结构Architectural)、文档、分析件、设计模式(Pattern)等。构件是作为一个逻辑紧密的程序代码包的形式出现的，有着良好的接口。开发者可以通过组装已有的构件来开发新的应用系统，从而达到软件复用的目的。软件构件技术是软件复用的关键因素，也是软件复用技术研究的重点。具有有用性、可用性、质量、适应性和可移植性的属性。同时具有自描述、可定制、可集成、连接机制的特点。因此，本公开中的语音识别系统通过底层封装语音转文字构件和意图识别构件，在语音识别系统中引入意图识别功能，使得在语音识别系统中就可以实现意图识别，在语音转文字之后不再需要调用意图识别系统进行意图识别，可以先调用语音转文字构件，得到语音转换的文字结果，在将转换得到的文字结果调用意图识别构件，得到意图识别结果，对语音转换的文字结果进行纠正，将纠正后的带意图识别的结果输出。在语音识别系统中就可以实现意图识别功能，缩短实现精准业务识别的整个处理流程所需的处理时间长度，对用户输入的语音信息可以做到及时响应，大大提升用户对业务系统的使用感受。支持对外输出，只需要对接开发工具包(Software Development Kit，SDK)即可实现带意图识别的语音识别效果。

在操作S330，基于意图场景，确定初始识别文本中是否存在错误文本。根本公开的实施例，不同的意图场景对应不同的业务功能，而不同的业务功能对应不同的意图识别文本。用户的语音话术多人多面，再加上用户的方言、前后鼻音等原因都是导致初始识别文本中出现错误文本的因素，如果调用两个不同的识别系统分别实现语音识别和意图识别，在语音识别出现错误的情况下，将使得意图识别做的都是无用功，失去应有的意义。本公开为了避免在语音交互场景中对用户的语音数据进行意图识别时，需要分别调用语音识别系统和意图识别系统，而分别在两个系统中训练热词和语料才能提升识别准确率导致识别效率低下且处理流程时间较长的技术问题，本公开在语音识别系统中加入意图识别技术，这样语音识别系统输出的识别结果已经是经过意图识别的内容。

在操作S340，在确定初始识别文本中存在错误文本的情况下，纠正错误文本，并输出目标识别文本，以调用与目标识别文本对应的目标业务功能。根据本公开的实施例，在确定初始识别文本中不存在错误文本的情况下，初始识别文本将作为最终的目标识别文本输出，以调用与目标识别文本对应的目标业务功能。

相关技术提供的上述解决方案虽然可以对用户输入的语音信息进行意图识别，并最终实现业务识别。但是一方面用户语音的话术多人多面，要想针对每个用户的语音信息都能实现精准的业务识别，必须事先训练大量的热词数据和语料数据，导致实现精准业务识别的整个处理流程所需的数据成本较高；另一方面提升业务识别准确率不仅需要为语音识别系统配置热词数据，还需要为意图识别系统配置语料数据，而数据配置工作难度较大，导致实现精准业务识别的整个处理流程所需的数据配置复杂；再一方面提升业务识别准确率不仅需要对语音识别系统中配置的大量热词数据进行不断地机器训练，直到训练出识别精度高的语音识别模型以实现语音信息到文字信息的转换，还需要对意图识别系统中配置的大量语料数据进行不断地机器训练，直到训练出识别精度高的意图识别模型以实现文字信息到意图信息的转换，由于语音识别模型与意图识别模型分别在两个不同的识别系统，分别在两个不同的识别系统中进行大量的数据训练工作，导致实现精准业务识别的整个处理流程所需的处理时间较长。

为了解决精准业务识别的整个处理流程中存在的数据成本较高、数据配置复杂以及处理时间较长的技术问题，针对用户输入的文本进行意图识别，并基于识别出的意图与用户进行智能交互对话，本公开的实施例提供了一种语音识别的方法、一种语音识别的装置、一种电子设备、一种介质以及一种程序产品。

本公开所提供的语音识别的方法，首先响应于接收到用户输入的语音信息，调用封装在语音识别系统中的语音转文字构件对语音信息进行语音识别得到初始识别文本，然后再调用封装在语音识别系统中的意图识别构件对初始识别文本进行意图识别得到用于表征业务功能的意图场景，基于该意图场景，确定初始识别文本中是否存在错误文本，在确定初始识别文本中存在错误文本的情况下，纠正错误文本，并输出目标识别文本，以调用与目标识别文本对应的目标业务功能。由于本公开所提供的应用于语音识别系统的语音识别的方法，在语音识别系统中封装语音转文字构件和意图识别构件，通过在语音识别技术的基础上引入意图识别技术，使得用户输入至语音识别系统的语音信息最终输出的识别结果，已经是基于意图场景确定初始识别文本中存在错误文本的情况下，纠正错误文本，输出正确的经过意图识别后的文字信息，由于不需要调用两个不同的识别系统，在语音识别这一个系统中就可以达到精准业务识别的目的，因此可以至少部分地避免相关技术中由于分别调用两个不同的识别系统才可以完成基于用户输入的语音信息实现业务识别的过程中，导致识别的整个处理流程所需的处理时间较长的技术问题，并因此可以实现缩短处理时间，提高识别效率的技术效果。

作为一种可选的实施例，基于意图场景，确定初始识别文本中是否存在错误文本包括：基于意图场景，确定与意图场景对应的目标业务功能，获得为目标业务功能预先配置的目标关键字词库，以及基于目标关键字词库，确定初始识别文本中是否存在错误文本。

根据本公开的实施例，意图识别采用的自然语言识别模型中新增关键字词库配置，在语音识别因前后鼻音、方言等识别错误文本，经过自然语音意图模型、神经网络算法识别出对应意图场景后，将语音识别中错误文本做关键词纠正处理，以起到对语音识别文本结果进行修正的作用。

通过本公开的实施例，基于意图识别的结果，对语音转换得到的初始识别文字进行纠正，基于新增关键词词库，对自然语言模型识别后的结果中错误文本，进行关键词匹配修正，可以克服如果语音转文字出现失误，则在意图识别解析时识别错误，得不到正确的识别结果，违背用户的真实意图的技术问题。

根据本公开的实施例，可以根据目标关键字词库中配置的正确文本确定初始识别文本中是否存在错误文本，也可以根据目标关键字词库中配置的错误文本确定初始识别文本中是否存在错误文本。

作为一种可选的实施例，目标关键字词库包括与目标业务功能对应的正确文本，基于目标关键字词库，确定初始识别文本中是否存在错误文本包括：确定初始识别文本中的关键字词，检测关键字词与目标关键字词库中预先配置的正确文本是否一致，以及在关键字词与目标关键字词库中预先配置的正确文本不一致的情况下，确定初始识别文本中存在错误文本。

作为一种可选的实施例，目标关键字词库包括与目标业务功能对应的错误文本，基于目标关键字词库，确定初始识别文本中是否存在错误文本包括：确定初始识别文本中的关键字词，检测关键字词与目标关键字词库中预先配置的错误文本是否一致，以及在关键字词与目标关键字词库中预先配置的错误文本一致的情况下，确定初始识别文本中存在错误文本。

根据本公开的实施例，可以使用如下格式对关键字词库进行配置：＜K：{V：[E，…]}＞存储，其中K表示业务，V表示正确文本，E表示错误文本。需要说明的是，上述对关键字词库进行配置的格式仅仅是示意性地，并非对配置格式的具体限定，本领域技术人员可以根据实际情况的需要自行配置其他格式的关键字词库。

通过本公开的实施例，通过为目标业务功能预先配置的目标关键字词库，可以快速确定初始识别文本中存在错误文本，提高意图识别的准确性，缩短整个识别流程所消耗的时间，提高识别效率，给用户提供及时有效的反馈信息，优化用户体验。

作为一种可选的实施例，方法还包括：在关键字词与目标关键字词库中预先配置的错误文本不一致的情况下，基于关键字词，更新目标关键字词库。

根据本公开的实施例，还可以基于原本不存在于目标关键字词库中的错误文本，对目标关键字词库进行更新，以实现目标关键字词库中的动态更新，扩充目标关键字词库中配置的错误文本的数量，给错误文本的纠正提供更全面、更有效的文本数据支持。

在相关技术中，业务识别的整个处理流程为：业务系统在接收到用户输入的语音信息之后，首先需要调用语音识别系统中的语音识别模型对用户输入的语音信息进行语音识别，以将语音信息转换成文字信息，接着调用意图识别系统中的意图识别模型对转换得到的文字信息进行意图识别，以获得意图识别结果，最后根据意图识别结果识别出业务系统中所对应的业务，并给出业务执行指令，调用对应的业务实现业务处理，将业务处理结果作为用户输入的语音信息的响应结果反馈给用户。因此将语音信息转换成文字信息的语音识别模型和基于文字信息进行意图识别的意图识别模型，两者共同决定着最终业务识别结果的正确与否，即在两个模型都正确的情况下，才可以得到正确的业务识别结果，任何一个模型存在问题将导致得到错误的业务识别结果。如果语音识别模型将语音信息转换成错误的文字信息，那么无论意图识别模型是正确的，也将得出错误的意图识别和业务解析结果，最终无法得到正确的业务识别结果，又如果语音识别模型将语音信息转换成正确的文字信息，那么如果意图识别模型是错误的，对正确的文字信息进行意图识别也将得出错误的意图识别和业务解析结果，最终也将无法得到正确的业务识别结果。因此若要对业务识别的准确率进行提升，需要为语音识别系统配置热词，为意图识别系统训练语料。

作为一种可选的实施例，方法还包括：获取正向训练集文本，其中，与正向训练集文本对应的正向训练集包含预先配置的文本数据，基于对正向训练集文本的训练，得到意图识别构件，获取反向训练集文本，其中，与反向训练集文本对应的反向训练集包含历史纠正的文本数据，以及基于对正向训练集文本的训练，更新意图识别构件。

根据本公开的实施例，所转换的文字信息都是经过意图识别处理后的识别结果，由于意图识别属于机器学习领域，意图识别的准确性，可以通过不断的正向语料配置和反向的历史数据反哺得以实现，因此可以精准识别用户意图，并提升语音信息转文字信息的识别率。

通过本公开的实施例，可以通过不断的正向语料配置和反向历史数据反哺训练达到精准识别的目的。

图4示意性示出了根据本公开另一实施例的语音识别的方法的流程图。如图4所示，该语音识别的方法400可以包括操作S410～操作S470。具体实施时，在操作S410，接收用户的语音数据。在操作S420，对语音数据进行语音识别，获得文本数据。在操作S430，通过预先训练得到的自然语言意图识别模型，经神经网络算法获得对应意图场景。在操作S440，通过该意图场景进行关键词处理，将语音识别中的错误文本做关键词纠正处理。自然语言意图识别模型通过操作S450和操作S460实现。具体实施时，在操作S450，进行自然语言训练。在操作S460，进行关键字词库配置。在操作S470，意图识别文本反哺纠正语音识别文本。

下面将结合图4所示的语音识别的方法流程，以一具体应用场景为例，详述本公开实施提供的语音识别的方法的实现过程。

图5示意性示出了根据本公开另一实施例的语音识别的方法的流程图。如图5所示，该语音识别的方法500可以包括操作S510～操作S540。在该场景中，用户想使用健康报备业务功能，具体实施时，在操作S510，接收用户的语音数据“帮我打开健康报备功能”。在操作S520，调用语音识别构件，获得文本数据“帮我打开健康宝贝功能”。语音识别构件支持对外输出，封装SDK于语音识别系统。在操作S530，调用意图识别构件，获得对应意图场景“健康报备”功能。关键词词库配置信息为<健康报备：{报备：[宝贝，报呗…]}＞。其中“健康报备”表示意图场景，“报备”表示与“健康报备”这一意图场景对应的、预先配置的正确文本，“宝贝”以及“报呗”表示与“健康报备”这一意图场景对应的、预先配置的错误文本。意图识别构件基于自然语言分析和关键字词库配置实现，且意图识别构件支持对外输出，封装SDK于语音识别系统。在操作S540，输出识别结果，可以包括话术：“帮我打开健康报备功能”以及功能：“健康报备功能”。

通过本公开的实施例，本公开需要语音转文字构件和意图识别构件，通过将用户语音转换的文字，先进行意图识别，通过意图识别进行语义分析，将意图识别到的结果，对语音转换得到的文字进行纠正，最后输出正确的识别结果的识别流程，对语音转换的文字结果进行纠正，以达到精准识别的目的。

图6示意性示出了根据本公开实施例的语音识别的装置的框图。该语音识别的装置应用于语音识别系统，该语音识别系统能响应接收到的语音信息并提供语音识别结果。如图6所示，该语音识别的装置600可以包括语音识别模块610、意图识别模块620、文本确定模块630以及文本纠正模块640。

语音识别模块610，用于响应于接收到用户输入的语音信息，调用封装在语音识别系统中的语音转文字构件对语音信息进行语音识别，得到初始识别文本。可选地，语音识别模块610例如可以用于执行图3描述的操作S310，在此不再赘述。

意图识别模块620，用于调用封装在语音识别系统中的意图识别构件对初始识别文本进行意图识别，得到意图场景，其中，意图场景用于表征业务功能。可选地，意图识别模块620例如可以用于执行图3描述的操作S320，在此不再赘述。

文本确定模块630，用于基于意图场景，确定初始识别文本中是否存在错误文本。可选地，文本确定模块630例如可以用于执行图3描述的操作S330，在此不再赘述。

文本纠正模块640，用于在确定初始识别文本中存在错误文本的情况下，纠正错误文本，并输出目标识别文本，以调用与目标识别文本对应的目标业务功能。可选地，文本纠正模块640例如可以用于执行图3描述的操作S340，在此不再赘述。

作为一种可选的实施例，前述文本确定模块630可以包括：第一确定子模块，用于基于意图场景，确定与意图场景对应的目标业务功能，第一获得子模块，用于获得为目标业务功能预先配置的目标关键字词库，以及第二确定子模块，用于基于目标关键字词库，确定初始识别文本中是否存在错误文本。

作为一种可选的实施例，目标关键字词库包括与目标业务功能对应的正确文本，第二确定子模块可以包括：第一确定单元，用于确定初始识别文本中的关键字词，第一检测单元，用于检测关键字词与目标关键字词库中预先配置的正确文本是否一致，以及第二确定单元，用于在关键字词与目标关键字词库中预先配置的正确文本不一致的情况下，确定初始识别文本中存在错误文本。

作为一种可选的实施例，目标关键字词库包括与目标业务功能对应的错误文本，第二确定子模块可以包括：第三确定单元，用于确定初始识别文本中的关键字词，第二检测单元，用于检测关键字词与目标关键字词库中预先配置的错误文本是否一致，以及第四确定单元，用于在关键字词与目标关键字词库中预先配置的错误文本一致的情况下，确定初始识别文本中存在错误文本。

作为一种可选的实施例，第二确定子模块还可以包括：更新单元，用于在关键字词与目标关键字词库中预先配置的错误文本不一致的情况下，基于关键字词，更新目标关键字词库。

作为一种可选的实施例，前述语音识别的装置还可以包括：第一获取模块，用于获取正向训练集文本，其中，与正向训练集文本对应的正向训练集包含预先配置的文本数据，第一训练模块，用于基于对正向训练集文本的训练，得到意图识别构件，第二获取模块，用于获取反向训练集文本，其中，与反向训练集文本对应的反向训练集包含历史纠正的文本数据，以及第二训练模块，用于基于对正向训练集文本的训练，更新意图识别构件。

图7示意性示出了根据本公开另一实施例的语音识别的装置的框图。如图7所示，该语音识别的装置700为带意图识别功能的语音识别系统，可以包括语音转文字构件710和意图识别构件720。

该语音识别的装置700接收用户的语音数据后，调用语音转文字构件710进行语音识别，得到文本数据(因前后鼻音、方言等转化文字错误场景)，通过预先训练(自然语言训练和关键字词库配置)的自然语言意图识别模型，经神经网络算法得到的意图识别构件720，进行意图识别，得到对应的意图场景，将语音转换的问题通过意图识别结果来纠正，输出正确的识别结果。本公开根据该意图场景对应的关键词，对语音识别中的错误文本做关键词纠正处理，同时通过识别意图文本反哺实现意图机器训练，以纠正语音识别文本。

需要说明的是，语音识别的装置部分实施例中各模块的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与语音识别的方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再赘述。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，语音识别模块、意图识别模块、文本确定模块、文本纠正模块、第一确定子模块、第一获得子模块、第二确定子模块、第一确定单元、第一检测单元、第二确定单元、第三确定单元、第二检测单元、第四确定单元、更新单元、第一获取模块、第一训练模块、第二获取模块以及第二训练模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，语音识别模块、意图识别模块、文本确定模块、文本纠正模块、第一确定子模块、第一获得子模块、第二确定子模块、第一确定单元、第一检测单元、第二确定单元、第三确定单元、第二检测单元、第四确定单元、更新单元、第一获取模块、第一训练模块、第二获取模块以及第二训练模块中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，语音识别模块、意图识别模块、文本确定模块、文本纠正模块、第一确定子模块、第一获得子模块、第二确定子模块、第一确定单元、第一检测单元、第二确定单元、第三确定单元、第二检测单元、第四确定单元、更新单元、第一获取模块、第一训练模块、第二获取模块以及第二训练模块中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图8示意性示出了根据本公开实施例的适于实现上文描述的语音识别方法的计算机可读存储介质产品的示意图。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在设备上运行时，程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的语音识别方法中的前述各项操作(或步骤)。例如，程序代码用于使电子设备执行如图3中所示的操作S310～操作S340、如图4中所示的操作S410～操作S470以及如图5中所示的操作S510～操作S540。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ENROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

如图8所示，描述了根据本发明的实施方式的语音识别程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在设备，例如个人电脑上运行。然而本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java，C++等，还包括常规的过程式程序设计语言—诸如“C”，语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAA)或广域网(WAA)一连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

图9示意性示出了根据本公开实施例的适于实现上文描述的语音识别的方法的电子设备的框图。图9示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CNU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例如图3中所示的操作S310～操作S340、如图4中所示的操作S410～操作S470以及如图5中所示的操作S510～操作S540。

根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。系统900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAA卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的语音识别的方法，包括如图3中所示的操作S310～操作S340、如图4中所示的操作S410～操作S470以及如图5中所示的操作S510～操作S540。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ENROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目标，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种语音识别的方法，应用于语音识别系统，所述语音识别系统能响应接收到的语音信息并提供语音识别结果，所述方法包括：

响应于接收到用户输入的语音信息，调用封装在所述语音识别系统中的语音转文字构件对所述语音信息进行语音识别，得到初始识别文本；

调用封装在所述语音识别系统中的意图识别构件对所述初始识别文本进行意图识别，得到意图场景，其中，所述意图场景用于表征业务功能；

基于所述意图场景，确定所述初始识别文本中是否存在错误文本；

在确定所述初始识别文本中存在错误文本的情况下，纠正所述错误文本，并输出目标识别文本，以调用与所述目标识别文本对应的目标业务功能。

2.根据权利要求1所述的方法，其中，所述基于所述意图场景，确定所述初始识别文本中是否存在错误文本包括：

基于所述意图场景，确定与所述意图场景对应的目标业务功能；

获得为所述目标业务功能预先配置的目标关键字词库；

基于所述目标关键字词库，确定所述初始识别文本中是否存在错误文本。

3.根据权利要求2所述的方法，其中，所述目标关键字词库包括与所述目标业务功能对应的正确文本，所述基于所述目标关键字词库，确定所述初始识别文本中是否存在错误文本包括：

确定所述初始识别文本中的关键字词；

检测所述关键字词与所述目标关键字词库中预先配置的正确文本是否一致；

在所述关键字词与所述目标关键字词库中预先配置的正确文本不一致的情况下，确定所述初始识别文本中存在错误文本。

4.根据权利要求2所述的方法，其中，所述目标关键字词库包括与所述目标业务功能对应的错误文本，所述基于所述目标关键字词库，确定所述初始识别文本中是否存在错误文本包括：

确定所述初始识别文本中的关键字词；

检测所述关键字词与所述目标关键字词库中预先配置的错误文本是否一致；

在所述关键字词与所述目标关键字词库中预先配置的错误文本一致的情况下，确定所述初始识别文本中存在错误文本。

5.根据权利要求4所述的方法，其中，所述方法还包括：

在所述关键字词与所述目标关键字词库中预先配置的错误文本不一致的情况下，基于所述关键字词，更新所述目标关键字词库。

6.根据权利要求1所述的方法，其中，所述方法还包括：

获取正向训练集文本，其中，与所述正向训练集文本对应的正向训练集包含预先配置的文本数据；

基于对所述正向训练集文本的训练，得到所述意图识别构件；

获取反向训练集文本，其中，与所述反向训练集文本对应的反向训练集包含历史纠正的文本数据；

基于对所述正向训练集文本的训练，更新所述意图识别构件。

7.一种语音识别的装置，应用于语音识别系统，所述语音识别系统能响应接收到的语音信息并提供语音识别结果，所述装置包括：

语音识别模块，用于响应于接收到用户输入的语音信息，调用封装在所述语音识别系统中的语音转文字构件对所述语音信息进行语音识别，得到初始识别文本；

意图识别模块，用于调用封装在所述语音识别系统中的意图识别构件对所述初始识别文本进行意图识别，得到意图场景，其中，所述意图场景用于表征业务功能；

文本确定模块，用于基于所述意图场景，确定所述初始识别文本中是否存在错误文本；

文本纠正模块，用于在确定所述初始识别文本中存在错误文本的情况下，纠正所述错误文本，并输出目标识别文本，以调用与所述目标识别文本对应的目标业务功能。

8.一种电子设备，包括：

一个或多个处理器；以及

存储器，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时使处理器执行根据权利要求1至6中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时执行根据权利要求1至6中任一项所述的方法。

Images