CN114861675A - 用于语义识别的方法及装置、控制指令的生成方法及装置 - Google Patents

Abstract

本公开提供了一种用于语义识别的方法及装置、控制指令的生成方法及装置，涉及自动驾驶、车联网、智能座舱等人工智能技术领域，尤其涉及自然语言处理。实现方案为：将获取到的语音数据转化为文本信息；根据预先存储的第一词集合确定文本信息所包含的至少一个目标词，其中，第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及响应于文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与至少一个匹配条件中的每个匹配条件相对应的子语义，确定文本信息的语义。多个匹配条件中的每个匹配条件包括：文本信息所包含的至少一个目标词所属的至少一个类别包括多个类别中针对该匹配条件预先选定好的至少一个目标类别。

Description

用于语义识别的方法及装置、控制指令的生成方法及装置

技术领域

本公开涉及计算机技术领域，尤其涉及自然语言处理，具体涉及一种用于语义识别的方法及装置、控制指令的生成方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

目前的车辆都安装有语音识别装置，用户可以输入作为控制指令的语音数据，语音识别装置将识别出输入的语音数据的语义。目前通用的语义识别的方法是将语音数据上传至相关服务器，然后利用相关服务器中的语音识别模型对语义进行识别。但是在某些情况下，例如车辆驶入山区等网络信号不良的地段时，将无法上传语音数据，也就是说无法使用在线语义识别。

现有技术在网络状况不佳的情况下采用离线语义识别，即在车辆本地进行识别，而不利用预测模型。然而，现有技术的离线语义识别往往只关注文本信息是否包含某一关键词，因此语义识别能力较差，准确度较低。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种用于语义识别的方法及装置、控制指令的生成方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种用于语义识别的方法，包括：将获取到的语音数据转化为文本信息；根据预先存储的第一词集合确定文本信息所包含的至少一个目标词，其中，第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及响应于文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与至少一个匹配条件中的每个匹配条件相对应的子语义，确定文本信息的语义，其中，多个匹配条件中的每个匹配条件包括：文本信息所包含的至少一个目标词所属的至少一个类别包括多个类别中针对该匹配条件预先选定好的至少一个目标类别。

根据本公开的另一方面，提供了一种控制指令的生成方法，包括：获取用户输入的语音数据；执行上述用于语义识别的方法；以及根据所确定的文本信息的语义，生成控制指令。

根据本公开的另一方面，提供了一种用于语义识别的装置，包括：转化单元，配置成将获取到的语音数据转化为文本信息；第一确定单元，配置成根据预先存储的第一词集合确定文本信息所包含的至少一个目标词，其中，第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及第二确定单元，配置成响应于文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与至少一个匹配条件中的每个匹配条件相对应的子语义，确定文本信息的语义，其中，多个匹配条件中的每个匹配条件包括：文本信息所包含的至少一个目标词所属的至少一个类别包括多个类别中针对该匹配条件预先选定好的至少一个目标类别。

根据本公开的另一方面，还提供了一种控制指令的生成装置，包括：获取装置，配置成获取用户输入的语音数据；上述的用于语义识别的装置；以及生成装置，配置成根据所确定的文本信息的语义，生成控制指令。

根据本公开的又一方面，还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的方法。

根据本公开的又一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述的方法。

根据本公开的又一方面，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述的方法。

根据本公开的一个或多个实施例，可以预先设定一系列匹配条件，每个匹配条件对应于一个子语义。若语音识别得到的文本信息满足其中一个匹配条件，则确定文本信息的语义包含与该匹配条件相对应的语义，如此能够实现语义的泛化理解。本公开的方案将多个同义词或近义词分类到一种目标词的类别，当确定文本信息包括某一种或多种特定类别的目标词时，即，满足某个匹配条件时，就能够确定其语义，相较于相关技术中只识别特定的词进行语义识别，提高了识别的效率和准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的用于语义识别的方法的流程图；

图3示出了根据本公开另一实施例的用于语义识别的方法的流程图；

图4示出了根据本公开的实施例的控制指令的生成方法的流程图；

图5示出了根据本公开的实施例的用于语义识别的装置的结构框图；

图6示出了根据本公开的实施例的控制指令的生成装置的结构框图；

图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行用于语义识别的方法或控制指令的生成方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来输入语音数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

下面结合图2至图4详细描述本公开的各个实施例。图2是根据本公开一个实施方式的用于语义识别的方法200的流程图，如图2所示，该方法200包括：

步骤201，将获取到的语音数据转化为文本信息；

步骤202，根据预先存储的第一词集合确定文本信息所包含的至少一个目标词，其中，第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及

步骤203，响应于文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与至少一个匹配条件中的每个匹配条件相对应的子语义，确定文本信息的语义，其中，多个匹配条件中的每个匹配条件包括：文本信息所包含的至少一个目标词所属的至少一个类别包括多个类别中针对该匹配条件预先选定好的至少一个目标类别。

根据本公开的一个或多个实施例，预先设定一系列匹配条件，每个匹配条件对应于一个子语义。若语音识别得到的文本信息满足其中一个匹配条件，则确定文本信息的语义包含与该匹配条件相对应的语义，如此能够实现语义的泛化理解。本公开的方案将多个同义词或近义词分类到一种目标词的类别，当确定文本信息包括某一种或多种特定类别的词时，即，满足某个匹配条件时，就能够确定其语义，相较于相关技术中只识别特定的词进行语义识别，提高了识别的效率和准确性。

本实施例的方法可以应用于车载环境中，车辆的用户可以向车载控制装置发送语音指令，以控制车辆内的相应装置启动、关闭或执行相应的功能。这些语音指令例如可以是“我要听音乐”，“关闭蓝牙功能”，“我想查看地图等”。在步骤201中，车辆内的语音识别装置能够将用户发送的语音数据转化为文本信息，以用于后续的语义识别。可以理解，本公开实施例的方法也可以应用于不同与车载环境的其他环境中，例如：智能家用电器(电视、空调等)、智能机器人等也可以应用该语音识别的方法对用户的指令进行确认。

在实施本实施例的方法的车辆中，其存储装置内预先存储有用于语义识别的各种数据。这些数据包括：预先存储的第一词集合以及多个匹配条件。

第一词集合包括多个文本信息中可能出现并且能够用于确定文本信息语义的目标词，这些目标词例如可以包括动词：“打开”、“禁用”；名词“蓝牙”、“音乐”等。这些目标词按照词义被预先分类成多个类别的多个目标词，相同或相近的目标词将被分类为同一类别的目标词。例如：“断开”、“禁用”、“关闭”等目标词可以被分类成一个类别，“蓝牙手机”、“蓝牙设备”、“蓝牙电话”等目标词可以被分类成另一个类别，等等。在存储装置的相关存储文件内，可以为这些目标词的类别进行命名，以便于后续对这些目标词进行表示或调用。例如，在存储文件中，“断开”一类的类别可以命名为“disconnect”，“蓝牙”一类的类别可以命名为“bluetooth”。

在步骤202中，通过查询上述第一词集合可以确定文本信息中所包含的所有目标词，并且还能够进一步确定所包含的每个目标词所属的类别，从而确定文本信息包括的所有目标词类别。

多个匹配条件中的每个匹配条件均对应一个子语义，当确定上述文本信息满足某一匹配条件时，则表示文本信息的语义包括和该匹配条件相对应的子语义。在存储装置的相关存储文件内，匹配条件及其对应的子语义可以对应地进行存储。例如，匹配条件可以存储为如下形式的代码：

DISCONNECT_BLUETOOTH＝>0.5＝>general_disconnect,1,1；disconnect_bluetooth_common_name,2,1

其中0.5＝>general_disconnect,1,1；disconnect_bluetooth_common_name,2,1表示匹配条件，DISCONNECT_BLUETOOTH即表示子语义，这里，该子语义表示断开蓝牙。

可以理解，对于不同的子语义，文本信息所要满足的匹配条件是不同的。例如，当文本信息期望具有第一子语义时，其需要满足第一匹配条件，而当文本信息期望具有第二子语义时，其需要满足第二匹配条件。这些匹配条件的不同之处主要在于：要求文本信息所包含的目标词所属的类别不同。还以上述示出的代码为例，当文本信息期望具有“断开蓝牙”子语义时，则匹配条件要求文本信息同时包括“general_disconnect”(即，断开)类别的目标词和“bluetooth”蓝牙类别的目标词。因此，任何诸如“我要断开蓝牙”、“断开蓝牙电话”等等满足上述匹配条件的文本信息都可以泛化解析成“断开蓝牙”一个子语义。

因此，在步骤203中，通过确定文本信息所满足的所有匹配条件，来确定其语义。一般来说，当文本信息同时满足多个匹配条件时，文本信息的语义包含所有与这些匹配条件相对应的子语义。

在一些实施例中，多个匹配条件中的至少部分匹配条件还包括：文本信息中属于至少一个目标类别的至少一个目标词按照针对该匹配条件预先设定好的顺序在文本信息中排列。可以理解，为了更加准确的确定语义，匹配条件还可以额外考虑多个目标词的排列顺序。

还以上述匹配条件为例：

0.5＝>general_disconnect,1,1；disconnect_bluetooth_common_name,2,1，其中，跟随在目标词的类别名“general_disconnect”以及“disconnect_bluetooth_common_name”之后的数字1和2表示属于这些类别的目标词的排列顺序，其表示属于“general_disconnect”的目标词位于属于“disconnect_bluetooth_common_name”的目标词之前，即只有在目标词“断开”在目标词“蓝牙”之前，才表示存在“断开蓝牙”的子语义。

在一些实施例中，多个匹配条件中的至少部分匹配条件还包括：文本信息中属于至少一个目标类别的至少一个目标词在文本信息中所占的字数比例大于或等于针对该匹配条件预先设定好的阈值比例。可以理解，为了更加准确的确定语义，匹配条件还可以额外考虑多个目标词在文本信息中所占的字数比例。一般而言，上述字数比例越高，与匹配条件的匹配程度越高。

还以上述匹配条件为例：

0.5＝>general_disconnect,1,1；disconnect_bluetooth_common_name,2,1，其中，0.5表示属于“general_disconnect”类别的目标词和属于“disconnect_bluetooth_common_name”的目标词在文本信息中所占的字数比例需要大于或等于50％。即只有在目标词“断开”和目标词“蓝牙”在文本信息中所占的字数比例大于或等于50％时，才表示存在“断开蓝牙”的子语义。可以理解上述50％的阈值比例只是示例性的，在另外一些匹配条件中，阈值比例还可以根据所期望的识别精确度设置为其他比例，例如60％，75％等。

另外，还可以在匹配条件中设置每个目标类别的目标词的权重，以用于计算上述字数比例。例如：跟随在上述表示顺序的“1”和“2”的数字之后的数字“1”和“1”分别表示“general_disconnect”的目标词以及“disconnect_bluetooth_common_name”的目标词的权重，即，其目标词的每个字计算为1个字。在另外一些匹配条件中，权重可以设置为1以外的其他数值，例如0.5或2等，其分别表示目标词的每个字计算为0.5个字和2个字，根据目标词的重要性，可以设置不同的权重，对于确定语义较重要的词可以设置大的权重，而非重要词则设置较小的权重。

通过进一步细化匹配条件，可以避免在用户的语音内容与待识别语义完全不相关的情况下进行错误识别，例如用户正在和其他人通话时，在一长句话中偶然提及“蓝牙”和“关闭”这两个目标词，这时用户显然没有发出指令的意图，通过设置字数比例的阈值可以有效的避免该情况的发生。因此，只有在用户发出较短的命令句时，才会满足匹配条件，从而提高了语义识别的准确度。

需要补充说明的是，虽然在上述实施例中，用于语义识别的方法在车辆本地进行，但是在另外一些实施例中，语音数据也可以上传到相关服务器，上述方法也可以在相关服务器内实现。

图3示出了根据本公开另一实施方式的用于语义识别的方法300的流程图，如图3所示，该方法包括：

步骤301，获取用户输入的语音数据；

步骤302，判断当前接收到的网络信号的信号强度是否大于预设的强度阈值；

步骤303，若步骤302的判断结果为是，将获取到的语音数据上传至服务器，利用服务器内的语义识别模型进行在线语义识别；

步骤304，若步骤303的判断结果为否，将获取到的语音数据转化为文本信息；

步骤305，查询预先存储的包括多个偏差词的第二词集合，从文本信息中确定至少一个偏差词；

步骤306，对于至少一个偏差词中的每个偏差词，利于预先确定好的与该偏差词相对应的替换词对文本信息中的偏差词进行替换；

步骤307，查询预先存储的包括多个忽略词的第三词集合，从文本信息中确定至少一个忽略词；

步骤308，从文本信息中删除至少一个忽略词；

步骤309，根据预先存储的第一词集合确定文本信息所包含的至少一个目标词；

步骤310，响应于文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与至少一个匹配条件中的每个匹配条件相对应的子语义，确定文本信息的语义；以及

步骤311，响应于文本信息不满足预设的多个匹配条件中的任一匹配条件，重新将获取到的语音数据转化为文本信息或确定文本信息不包含任何语义。

本公开实施例的方法还可以结合在线语义识别和离线语义识别(如图2所示的方法200)两者对语音数据进行识别。在步骤302中，首先确定当前网络信号的信号强度，当信号强度大于预设的强度阈值时，表示当前网络可用，从而可以使用识别效率更高的在线语义识别。在步骤303中，将获取到的语音数据上传至服务器，利用服务器内的语义识别模型进行在线语义识别，以提高识别精度。上述强度阈值可以根据实验进行确定，以确保在线语义识别过程运行顺畅。当信号强度小于预设的强度阈值时，表示当前网络环境较差或者根本没有网络信号，词时使用离线语义识别。

在步骤304中，将获取到的语音数据转化为文本信息进一步包括：根据语音数据中存在的静音间隔将语音数据划分成多个语音语句，对于多个语音语句中的每个语音语句，将该语音语句转化为待进行语义识别的文本信息。为了提高转化为文本信息的准确度以及后续语义识别的精确度，可以根据语音之间的停顿划分多个语音语句，对每个语音语句的文本信息进行单独的语义识别，以防止独立句子之间相互干扰。

为了进一步提高后续语义识别的精确度，在步骤305至步骤308中，对语音识别后的文本信息进行进一步的处理。上述偏差词为出现频率较高的热词但是和正确的目标词存在偏差，例如“制定义”、“车空加”等，上述偏差词所对应的正确的目标词应该是“自定义”和“车控家”。第二词集合中存储有多个这样的偏差词。在步骤305中，首先从文本信息中对照第二词集合确定出这些偏差词，然后在步骤306中，使用正确的目标词替换这些偏差词，替换之后提高了后续语义的识别准确度。为了方便替换，偏差词及其对应的目标词可以成对地存储在第二词集合，例如以“制定义|自定义”的文本形式进行存储。

上述忽略词是对于语义识别没有贡献的词，因此可以忽略。这些忽略词例如可以是诸如“啊”、“吗”等的语气词或者诸如“了”、“着”等无实际含义的助词。第三词集合中存储有多个这样的忽略词。在步骤307中，首先从文本信息中对照第三词集合确定出这些偏差词，然后在步骤308中，从文本信息中删除这些忽略词，删除之后提高了后续语义的识别准确度。

需要补充的是，在另外一些实施例中，上述方法300不必按照图3所示的顺序执行。例如，在一些实施例中，步骤305、步骤306可以和步骤307、步骤308交换顺序，即先删除忽略词，再替换偏差词。

上述步骤309和步骤310和方法200中的步骤202和203类似，这里不再赘述。在步骤311中，当文本信息不满足预设的多个匹配条件中的任一匹配条件时，比如文本信息中不包含任何目标词，或者目标词所属的类别未完全包括所有要求的目标类别，此时，可以确定文本信息不包含任何语义，然后向用户发出相关提示。这些提示包括但不限于指示用户重新输入语音数据的提示。另外，还可以将之前获取到的语音数据再次转化为文本信息并进行语义识别。这样允许相关的语义识别装置在文本信息不满足任何匹配条件时做出反应，以避免识别过程失败终止。

根据本公开的另一方面，还提供了一种控制指令的生成方法。图4示出了根据本公开实施例的控制指令的生成方法400的流程图，如图4所示，该方法400包括：

步骤401，获取用户输入的语音数据；

步骤402，执行上述用于语义识别的方法；以及

步骤403，根据所确定的文本信息的语义，生成控制指令。

在步骤403中，可以根据所确定的文本信息的语义，生成控制指令。例如当确定出文本信息的语义为“DISCONNECT_BLUETOOTH”，即，断开蓝牙时，根据预先设定好的指令生成协议生成断开蓝牙的控制指令。后续还可以根据语义的类型进行分类，以将相同类别的指令发送到相关的指令接收模块内。例如将含有“音乐”语义的指令分类为“音乐控制”的指令，后续将这类指令均发送至控制车内媒体播放器的控制模块内，以便于该控制模块根据该类指令对媒体播放器进行控制。

根据本公开的另一方面，还提供了一种用于语义识别的装置。图5示出了根据本公开实施方式的用于语义识别的装置500的结构框图，如图5所示，该装置500包括：转化单元510，配置成将获取到的语音数据转化为文本信息；第一确定单元520，配置成根据预先存储的第一词集合确定文本信息所包含的至少一个目标词，其中，第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及第二确定单元530，配置成响应于文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与至少一个匹配条件中的每个匹配条件相对应的子语义，确定文本信息的语义，其中，多个匹配条件中的每个匹配条件包括：文本信息所包含的至少一个目标词所属的至少一个类别包括多个类别中针对该匹配条件预先选定好的至少一个目标类别。

根据本公开的另一方面，还提供了一种控制指令的生成装置。图6示出了根据本公开实施方式的控制指令的生成装置600的结构框图，包括：获取装置610，配置成获取用户输入的语音数据；上述的用于语义识别的装置500；以及生成装置620，配置成根据所确定的文本信息的语义，生成控制指令。

上述装置500和装置600中的各个单元及模块的工作原理和方法200至方法400中的各步骤的操作方式类似，这里不再详细描述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

电子设备700中的多个部件连接至I/O接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如用于语义识别的方法。例如，在一些实施例中，用于语义识别的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM703并由计算单元701执行时，可以执行上文描述的用于语义识别的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于语义识别的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (14)

1.一种用于语义识别的方法，包括：

将获取到的语音数据转化为文本信息；

根据预先存储的第一词集合确定所述文本信息所包含的至少一个目标词，其中，所述第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及

响应于所述文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与所述至少一个匹配条件中的每个匹配条件相对应的子语义，确定所述文本信息的语义，其中，所述多个匹配条件中的每个匹配条件包括：所述文本信息所包含的至少一个目标词所属的至少一个类别包括所述多个类别中针对该匹配条件预先选定好的至少一个目标类别。

2.根据权利要求1所述的方法，其中，所述多个匹配条件中的至少部分匹配条件还包括：

所述文本信息中属于所述至少一个目标类别的至少一个目标词按照针对该匹配条件预先设定好的顺序在所述文本信息中排列。

3.根据权利要求2所述的方法，其中，所述多个匹配条件中的至少部分匹配条件还包括：

所述文本信息中属于所述至少一个目标类别的至少一个目标词在所述文本信息中所占的字数比例大于或等于针对该匹配条件预先设定好的阈值比例。

4.根据权利要求1所述的方法，其中，所述将获取到的语音数据转化为文本信息之后还包括：

查询预先存储的包括多个偏差词的第二词集合，从所述文本信息中确定至少一个偏差词；以及

对于所述至少一个偏差词中的每个偏差词，利于预先确定好的与该偏差词相对应的替换词对所述文本信息中的偏差词进行替换。

5.根据权利要求1所述的方法，其中，所述将获取到的语音数据转化为文本信息之后还包括：

查询预先存储的包括多个忽略词的第三词集合，从所述文本信息中确定至少一个忽略词；以及

从所述文本信息中删除所述至少一个忽略词。

6.根据权利要求1所述的方法，其中，将获取到的语音数据转化为文本信息包括：

根据所述语音数据中存在的静音间隔将所述语音数据划分成多个语音语句；以及

对于所述多个语音语句中的每个语音语句，将该语音语句转化为待进行语义识别的文本信息。

7.根据权利要求1-6中任一项所述的方法，还包括：

在将获取到的语音数据转化为文本信息之前，获取当前接收到的网络信号的信号强度；

响应于所述信号强度大于预设的强度阈值，将获取到的语音数据上传至服务器，利用所述服务器内的语义识别模型进行在线语义识别。

8.根据权利要求1-6中任一项所述的方法，还包括：

响应于所述文本信息不满足预设的多个匹配条件中的任一匹配条件，重新将获取到的语音数据转化为文本信息或确定所述文本信息不包含任何语义。

9.一种控制指令的生成方法，包括：

获取用户输入的语音数据；

执行如权利要求1-8中任一项所述用于语义识别的方法；以及

根据所确定的文本信息的语义，生成控制指令。

10.一种用于语义识别的装置，包括：

转化单元，配置成将获取到的语音数据转化为文本信息；

第一确定单元，配置成根据预先存储的第一词集合确定所述文本信息所包含的至少一个目标词，其中，所述第一词集合包括按照词义被预先分类成多个类别的多个目标词；以及

第二确定单元，配置成响应于所述文本信息所包含的至少一个目标词满足预设的多个匹配条件中的至少一个匹配条件，根据预先确定好的与所述至少一个匹配条件中的每个匹配条件相对应的子语义，确定所述文本信息的语义，其中，所述多个匹配条件中的每个匹配条件包括：所述文本信息所包含的至少一个目标词所属的至少一个类别包括所述多个类别中针对该匹配条件预先选定好的至少一个目标类别。

11.一种控制指令的生成装置，包括：

获取装置，配置成获取用户输入的语音数据；

如权利要求10所述的用于语义识别的装置；以及

生成装置，配置成根据所确定的文本信息的语义，生成控制指令。

12.一种电子设备，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1-9中任一项所述的方法。

13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。

14.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的方法。

Images