CN115309876A - 唤醒词推荐度的计算方法、装置、电子设备及存储介质 - Google Patents
唤醒词推荐度的计算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115309876A CN115309876A CN202210887072.7A CN202210887072A CN115309876A CN 115309876 A CN115309876 A CN 115309876A CN 202210887072 A CN202210887072 A CN 202210887072A CN 115309876 A CN115309876 A CN 115309876A
- Authority
- CN
- China
- Prior art keywords
- awakening
- weight
- user
- word
- recommendation degree
- 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.)
- Pending
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种唤醒词推荐度的计算方法、装置、电子设备及存储介质,属于语音交互技术领域。其中,该方法包括:获取输入的自定义唤醒词;确定影响所述自定义唤醒词可用性的影响因素;根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。通过本发明,解决了相关技术中自定义唤醒词可用性较低的技术问题。
Description
技术领域
本发明涉及语音交互技术领域,具体而言,涉及一种唤醒词推荐度的计算方法、装置、电子设备及存储介质。
背景技术
智能语音交互技术的迅速发展为人们提供了许多便利,语音交互过程中往往涉及语音唤醒词,通过语音唤醒词进行各种功能的语音交互,目前已经从固定唤醒词发展到用户可自定义唤醒词,但是用户并不了解关于自定义唤醒词存在的一些例如敏感词、重复叠词等影响后续唤醒率的问题以及需要规避的地方,从而可能导致后续在使用自定义唤醒词的过程中可用性较低的问题。
针对相关技术中存在的上述问题,目前尚未发现有效的解决方案。
发明内容
本发明提供了一种唤醒词推荐度的计算方法、装置、电子设备及存储介质,以解决相关技术中自定义唤醒词可用性较低的技术问题。
根据本申请实施例的一个方面,提供了一种唤醒词推荐度的计算方法,包括:获取输入的自定义唤醒词;确定影响所述自定义唤醒词可用性的影响因素;根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
进一步,根据所述影响因素,计算所述自定义唤醒词的推荐度包括:获取各所述影响因素对应的基准值;确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重;根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度。
进一步,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重包括:针对所述设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值;针对每个影响因素,采用对应的关注度计算权重。
进一步,所述影响因素包括唤醒率、误唤醒率、响应时间和功耗,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重包括:若所述设备类型的用电功耗大于第一预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第一权重,为所述功耗分配第二权重,其中,所述第一权重大于所述第二权重;若所述设备类型的用电功耗小于第二预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第三权重,为所述功耗分配第四权重,其中,所述第三权重小于所述第四权重。
进一步,根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度包括:将每个所述影响因素的基准值与权重相乘,得到各所述影响因素基准值与权重之间的乘积;对各所述影响因素基准值与权重之间的乘积进行累加计算,将计算结果作为所述自定义唤醒词的推荐度。
进一步,根据所述影响因素,计算所述自定义唤醒词的推荐度之后,还包括:获取所述推荐度对应的计算标准和评分建议;输出所述计算标准和评分建议。
进一步,获取所述推荐度对应的评分建议包括:若所述推荐度小于预设分值,则获取至少一个与所述自定义唤醒词相关的推荐唤醒词;将所述推荐唤醒词作为评分建议。
根据本申请实施例的另一个方面,还提供了一种唤醒词推荐度的计算装置,包括:获取模块,用于获取输入的自定义唤醒词;因素确定模块,用于确定影响所述自定义唤醒词可用性的影响因素;计算模块,用于根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
进一步,计算模块包括推荐度计算模块,所述推荐度计算模块用于获取各所述影响因素对应的基准值;确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重;根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度。
进一步,所述影响因素包括唤醒率、误唤醒率、响应时间和功耗,所述推荐度计算模块包括第一权重计算模块,所述第一权重计算模块用于针对所述设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值;针对每个影响因素,采用对应的关注度计算权重。
进一步,所述推荐度计算模块包括第二权重计算模块,所述第二权重计算模块用于若所述设备类型的用电功耗大于第一预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第一权重,为所述功耗分配第二权重,其中,所述第一权重大于所述第二权重;若所述设备类型的用电功耗小于第二预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第三权重,为所述功耗分配第四权重,其中,所述第三权重小于所述第四权重。
进一步,所述推荐度计算模块包括推荐度计算子模块,所述推荐度计算子模块用于将每个所述影响因素的基准值与权重相乘,得到各所述影响因素基准值与权重之间的乘积;对各所述影响因素基准值与权重之间的乘积进行累加计算,将计算结果作为所述自定义唤醒词的推荐度。
进一步,所述唤醒词推荐度的计算装置还包括输出模块,所述输出模块用于获取所述推荐度对应的计算标准和评分建议;输出所述计算标准和评分建议。
进一步,所述输出模块包括评分建议获取模块,所述评分建议获取模块用于若所述推荐度小于预设分值,则获取至少一个与所述自定义唤醒词相关的推荐唤醒词;将所述推荐唤醒词作为评分建议。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的步骤。
根据本申请实施例的另一方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:存储器,用于存放计算机程序;处理器,用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的步骤。
通过本发明,获取输入的自定义唤醒词;确定影响自定义唤醒词可用性的影响因素;根据影响因素,计算自定义唤醒词的推荐度,其中,推荐度用于表征自定义唤醒词与语音唤醒设备的匹配度,通过在用户自定义唤醒词时,基于影响唤醒词可用性的影响因素计算用户自定义的唤醒词的推荐度,根据推荐度对用户自定义的唤醒词进行评估,基于推荐度辅助用户设置自定义唤醒词,解决了相关技术自定义唤醒词可用性较低的技术问题,提升了用户的使用体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种计算机的硬件结构框图;
图2是根据本发明实施例的一种唤醒词推荐度的计算方法的流程图;
图3是本发明实施例的一应用场景示意图;
图4是根据本发明实施例的一种唤醒词推荐度的计算装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。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。
需要说明的是,本申请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,以便这里描述的本申请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、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。
实施例1
本申请实施例一所提供的方法实施例可以在手机、计算机、平板或者类似的运算装置中执行。以运行在计算机上为例,图1是本发明实施例的一种计算机的硬件结构框图。如图1所示,计算机可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述计算机还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机的结构造成限定。例如,计算机还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种视频动静率识别方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机。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。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种唤醒词推荐度的计算方法,图2是根据本发明实施例的一种唤醒词推荐度的计算方法的流程图,如图2所示,该流程包括如下步骤:
步骤S10,获取输入的自定义唤醒词;
本实施例的唤醒词推荐方法可以应用于智能家居、智能机器人、车载终端以及智能手机等智能终端,获取输入的自定义唤醒词,输入的自定义唤醒词可以为单个字、短语或句子,比如用户可输入“我回家了”作为唤醒词。
步骤S20,确定影响所述自定义唤醒词可用性的影响因素;
确定影响自定义唤醒词可用性的影响因素,其中,影响因素包括唤醒率、误唤醒率、响应时间和功耗,其中,唤醒率为唤醒词被唤醒的概率,唤醒率越高,唤醒词可用性效果越好,常用百分比表示;误唤醒率为非唤醒词被唤醒的概率,误唤醒率越高,唤醒词可用性效果越差;响应时间为用户说完唤醒词后,语音唤醒设备基于唤醒词给出反馈的时间差;功耗为语音唤醒设备中语音系统的耗电情况。自定义唤醒词的唤醒率和误唤醒率可通过对自定义唤醒词进行敏感词检测、重复叠词检测、口语词检测和发声不饱满词检测,得到检测结果,基于检测结果获得自定义唤醒词的唤醒率和误唤醒率,还可以获取自定义唤醒词的发音序列,将自定义唤醒词的发音序列与常见的发音进行比较,获取自定义唤醒词的发音与常见发音的重合度,来确定自定义唤醒词的误唤醒率;响应时间和功耗的获取方法可以参照现有技术实现。
步骤S30,根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
根据影响因素,计算自定义唤醒词的推荐度,其中,推荐度用于表征自定义唤醒词与语音唤醒设备的匹配度。推荐度与匹配度成正比,即自定义唤醒词与语音唤醒设备的匹配度越高则推荐度越高,自定义唤醒词与语音唤醒设备的匹配度越低则推荐度越低,可理解地,本实施例通过整合上述的各影响因素,计算自定义唤醒词的推荐度以对自定义唤醒词进行评分,自定义唤醒词的推荐度越高,自定义唤醒词的评分越高,即越推荐用户使用,自定义唤醒词的推荐度越低,自定义唤醒词的评分越低,即用户自定义的唤醒词可能存在一些问题,越不推荐用户使用,此时用户可基于计算得出的推荐度对自定义的唤醒词进行修改或替换。
在本实施例的一实施方式中,根据所述影响因素,计算所述自定义唤醒词的推荐度包括:
步骤S301,获取各所述影响因素对应的基准值;
步骤S302,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重;
步骤S303,根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度。
获取各影响因素对应的基准值,基准值可以是十分制或百分制等数值,各影响因素对应的基准值可以参照现有技术获得,此处不做赘述。例如图3所示,唤醒率、误唤醒率、响应时间和功耗对应的基准值分别为X1、X2、X3和X4,X1、X2、X3和X4的取值范围在【0,100】,进而确定语音唤醒设备的设备类型,其中,设备类型可以按照设备用途、设备大小或设备用电功耗情况确定,考虑到不同设备对语音唤醒的适用情况不同,根据设备类型确定各个影响因素的权重,不同设备类型对应的影响因素之间的占比会有所不同,因此,计算不同设备类型的影响因素的权重,根据各影响因素的基准值和权重,计算自定义唤醒词的推荐度,即针对不同设备对自定义唤醒词的推荐度计算,以获得对自定义唤醒更加准确的评估,以使用户了解该自定义内容是否适合作为唤醒词,提高后续自定义唤醒词的可用率。
通过上述步骤,获取用户输入的自定义唤醒词;确定影响自定义唤醒词可用性的影响因素,其中影响因素包括唤醒率、误唤醒率、响应时间和功耗;根据影响因素,计算自定义唤醒词的推荐度,其中,推荐度用于表征自定义唤醒词与语音唤醒设备的匹配度,通过在用户自定义唤醒词时,基于影响唤醒词可用性的影响因素计算用户自定义的唤醒词的推荐度,根据推荐度对用户自定义的唤醒词进行评估,基于推荐度辅助用户设置自定义唤醒词,解决了相关技术自定义唤醒词可用性较低的技术问题,提升了用户的使用体验。
在本实施方式中,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重包括:
步骤A,针对所述设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值;
步骤B,针对每个影响因素,采用对应的关注度计算权重。
在本实施方式中,针对设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值,针对每个影响因素,采用对应的关注度计算权重。例如确定语音唤醒设备的设备类型为接电设备中的智能家居设备,例如空调、油烟机、冰箱、语音音响等,针对该设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值;关注度的获取方式可以是通过调查问卷等方式收集用户对该设备类型下各影响因素的期望占比值,即获取用户在使用时针对不同类型的设备对唤醒率、误唤醒率、响应时间和功耗等因素的关注程度,通过获取的大量调查数据,通过数学方法计算每个影响因素的权重,例如图3所示的K1、K2、K3和K4分别为唤醒率、误唤醒率、响应时间和功耗对应的权重值,数学方法可以采用最小二乘法,当然还可以采用其他的方法计算每个影响因素对应的权重,需要说明的是,调查数据越多,计算的每个影响因素对应的权重值越准确,基于权重值得出的自定义唤醒词推荐度的准确率也就越高,越接近于大部分用户的需求,因此对用户有较高的参考价值,提升用户的使用体验。
在本实施例的另一实施方式中,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重包括:
步骤C,若所述设备类型的用电功耗大于第一预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第一权重,为所述功耗分配第二权重,其中,所述第一权重大于所述第二权重;
步骤D,若所述设备类型的用电功耗小于第二预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第三权重,为所述功耗分配第四权重,其中,所述第三权重小于所述第四权重。
在本实施方式中,第一预设阈值和第二预设阈值可根据实际情况预先设置,用电功耗大于预设阈值,则表明该语音唤醒设备可能为一大型功耗设备,例如语音空调设备;若用电功耗小于预设阈值,则表明该语音唤醒设备可能为一小型功耗设备,例如小型语音玩具;若设备类型的用电功耗大于第一预设阈值,则为唤醒率、误唤醒率和响应时间分配第一权重,为功耗分配第二权重,其中,第一权重大于第二权重;对于相对耗电的产品,其使用频率相对较高,其对唤醒率、误唤醒率和响应时间的要求也相对较高,而由于其本身是相对较为耗电的产品,因此针对语音唤醒消耗的用电功耗来说,相对影响不大,因此其功耗这一影响因素的权重可相对设置较小一些,因此本实施方式针对用电功耗较大的设备,对唤醒率、误唤醒率和响应时间分配第一权重,为功耗分配小于第一权重的第二权重;同样地,对于用电功耗较小的设备类型,例如小型玩具车,功耗影响较大,因此配置功耗的占比较大,唤醒率、误唤醒率和响应时间分配的权重占比较小,即若设备类型的用电功耗小于第二预设阈值,为唤醒率、误唤醒率和响应时间分配第三权重,为功耗分配第四权重,其中,第三权重小于第四权重。本实施方式中,对不同的设备类型,根据用电功耗的特性,指定不同的权重配比标准,可针对不同设备类型的语音唤醒设备,基于其对应的权重计算出适应性的推荐度,进一步提升推荐度的准确性,提升用户的使用体验。
在本实施例的另一实施方式中,根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度包括:
步骤E,将每个所述影响因素的基准值与权重相乘,得到各所述影响因素基准值与权重之间的乘积;
步骤F,对各所述影响因素基准值与权重之间的乘积进行累加计算,将计算结果作为所述自定义唤醒词的推荐度。
如图3所示,获取输入的唤醒词,对唤醒词进行处理,以获取唤醒率、误唤醒率、响应时间和功耗影响因素的基准值X1、X2、X3和X4,进而确定每个因素对应的权重K1、K2、K3、K4,将每个影响因素的基准值与权重相乘,得到各影响因素基准值与权重之间的乘积,对各影响因素基准值与权重之间的乘积进行累加计算,将计算结果作为自定义唤醒词的推荐度。图3中的评分Score即为计算得到的自定义唤醒词的推荐度,自定义唤醒词的推荐度的计算算式可以为Score=X1·K1+X2·K2+X3·K3+X4·K4,其中,Score为自定义唤醒词的推荐度。
在本实施例的另一实施方式中,根据所述影响因素,计算所述自定义唤醒词的推荐度之后,还包括:
步骤G,获取所述推荐度对应的计算标准和评分建议;
步骤H,输出所述计算标准和评分建议。
计算自定义唤醒词的推荐度后,获取推荐度对应的计算标准和评分建议,进而输出计算标准和评分建议。其中,计算标准包括十分制和百分制,以为计算得出的推荐度提供参考,评分建议为推荐度对应的结果建议。
进一步地,获取所述推荐度对应的评分建议包括:
步骤g1,若所述推荐度小于预设分值,则获取至少一个与所述自定义唤醒词相关的推荐唤醒词;
步骤g2,将所述推荐唤醒词作为评分建议。
若推荐度小于预设分值,则获取至少一个与自定义唤醒词相关的推荐唤醒词,将推荐唤醒词作为评分建议。具体地可对用户输入的自定义唤醒词进行拆分重组,或者对唤醒词中的重复叠词或敏感词进行删除,得到新的唤醒词,并作为推荐唤醒词,或者分析自定义唤醒词的语义,匹配具有相同语义的推荐唤醒词,将推荐唤醒词作为评分建议进行输出,进一步地评分建议还包括推荐度对应的评分说明,例如推荐度超过预设值(如80)则确定该推荐度对应的评分说明为推荐使用,且使用效果较好,待推荐唤醒词能够满足唤醒率要求,有助于提高自定义的唤醒词对语音唤醒设备的唤醒率,并且,还能够保证自定义的唤醒词满足用户的使用习惯。
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根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种唤醒词推荐度的计算装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的一种唤醒词推荐度的计算装置的结构框图,如图4所示,该装置包括:获取模块40,因素确定模块41,计算模块42,其中,
获取模块40,用于获取输入的自定义唤醒词;
因素确定模块41,用于确定影响所述自定义唤醒词可用性的影响因素;
计算模块42,用于根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
可选的,计算模块包括推荐度计算模块,所述推荐度计算模块用于获取各所述影响因素对应的基准值;确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重;根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度。
可选的,所述推荐度计算模块包括第一权重计算模块,所述第一权重计算模块用于针对所述设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值;针对每个影响因素,采用对应的关注度计算权重。
可选的,所述推荐度计算模块包括第二权重计算模块,所述第二权重计算模块用于若所述设备类型的用电功耗大于第一预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第一权重,为所述功耗分配第二权重,其中,所述第一权重大于所述第二权重;若所述设备类型的用电功耗小于第二预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第三权重,为所述功耗分配第四权重,其中,所述第三权重小于所述第四权重。
可选的,所述推荐度计算模块包括推荐度计算子模块,所述推荐度计算子模块用于将每个所述影响因素的基准值与权重相乘,得到各所述影响因素基准值与权重之间的乘积;对各所述影响因素基准值与权重之间的乘积进行累加计算,将计算结果作为所述自定义唤醒词的推荐度。
可选的,所述唤醒词推荐度的计算装置还包括输出模块,所述输出模块用于获取所述推荐度对应的计算标准和评分建议;输出所述计算标准和评分建议。
可选的,所述输出模块包括评分建议获取模块,所述评分建议获取模块用于若所述推荐度小于预设分值,则获取至少一个与所述自定义唤醒词相关的推荐唤醒词;将所述推荐唤醒词作为评分建议。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取输入的自定义唤醒词;
S2,确定影响所述自定义唤醒词可用性的影响因素;
S3,根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取输入的自定义唤醒词;
S2,确定影响所述自定义唤醒词可用性的影响因素;
S3,根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,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。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种唤醒词推荐度的计算方法,其特征在于,所述方法包括:
获取输入的自定义唤醒词;
确定影响所述自定义唤醒词可用性的影响因素;
根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
2.根据权利要求1所述的方法,其特征在于,根据所述影响因素,计算所述自定义唤醒词的推荐度包括:
获取各所述影响因素对应的基准值;
确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重;
根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度。
3.根据权利要求2所述的方法,其特征在于,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重包括:
针对所述设备类型的每个影响因素,获取对应影响因素的关注度,其中,关注度用于表征用户对各影响因素的期望占比值;
针对每个影响因素,采用对应的关注度计算权重。
4.根据权利要求2所述的方法,其特征在于,所述影响因素包括唤醒率、误唤醒率、响应时间和功耗,确定所述语音唤醒设备的设备类型,根据所述设备类型确定各所述影响因素的权重包括:
若所述设备类型的用电功耗大于第一预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第一权重,为所述功耗分配第二权重,其中,所述第一权重大于所述第二权重;
若所述设备类型的用电功耗小于第二预设阈值,为所述唤醒率、所述误唤醒率和所述响应时间分配第三权重,为所述功耗分配第四权重,其中,所述第三权重小于所述第四权重。
5.根据权利要求2所述的方法,其特征在于,根据各所述影响因素的基准值和权重,计算所述自定义唤醒词的推荐度包括:
将每个所述影响因素的基准值与权重相乘,得到各所述影响因素基准值与权重之间的乘积;
对各所述影响因素基准值与权重之间的乘积进行累加计算,将计算结果作为所述自定义唤醒词的推荐度。
6.根据权利要求1所述的方法,其特征在于,根据所述影响因素,计算所述自定义唤醒词的推荐度之后,还包括:
获取所述推荐度对应的计算标准和评分建议;
输出所述计算标准和评分建议。
7.根据权利要求6所述的方法,其特征在于,获取所述推荐度对应的评分建议包括:
若所述推荐度小于预设分值,则获取至少一个与所述自定义唤醒词相关的推荐唤醒词;
将所述推荐唤醒词作为评分建议。
8.一种唤醒词推荐度的计算装置,其特征在于,包括:
获取模块,用于获取输入的自定义唤醒词;
因素确定模块,用于确定影响所述自定义唤醒词可用性的影响因素;
计算模块,用于根据所述影响因素,计算所述自定义唤醒词的推荐度,其中,所述推荐度用于表征所述自定义唤醒词与语音唤醒设备的匹配度。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:
存储器,用于存放计算机程序;
处理器,用于通过运行存储器上所存放的程序来执行权利要求1至7中任一项所述的方法步骤。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210887072.7A CN115309876A (zh) | 2022-07-26 | 2022-07-26 | 唤醒词推荐度的计算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210887072.7A CN115309876A (zh) | 2022-07-26 | 2022-07-26 | 唤醒词推荐度的计算方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115309876A true CN115309876A (zh) | 2022-11-08 |
Family
ID=83858845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210887072.7A Pending CN115309876A (zh) | 2022-07-26 | 2022-07-26 | 唤醒词推荐度的计算方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115309876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989963A (zh) * | 2019-11-22 | 2020-04-10 | 北京梧桐车联科技有限责任公司 | 唤醒词推荐方法及装置、存储介质 |
-
2022
- 2022-07-26 CN CN202210887072.7A patent/CN115309876A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989963A (zh) * | 2019-11-22 | 2020-04-10 | 北京梧桐车联科技有限责任公司 | 唤醒词推荐方法及装置、存储介质 |
CN110989963B (zh) * | 2019-11-22 | 2023-08-01 | 北京梧桐车联科技有限责任公司 | 唤醒词推荐方法及装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102880501B (zh) | 应用推荐的实现方法、装置和系统 | |
CN108280115B (zh) | 识别用户关系的方法及装置 | |
US20200219016A1 (en) | Method for Cleaning Up Background Application, Storage Medium, and Electronic Device | |
CN103389979A (zh) | 在输入法中推荐分类词库的系统、装置及方法 | |
CN113316778B (zh) | 设备推荐方法及相关产品 | |
CN107302793A (zh) | 一种基于无线信号的定位方法、服务器、终端和系统 | |
CN115309876A (zh) | 唤醒词推荐度的计算方法、装置、电子设备及存储介质 | |
CN107566344B (zh) | 一种can信号解析方法及系统 | |
CN110799963B (zh) | 推荐联想词的方法、移动终端以及计算机可读存储介质 | |
CN113050782B (zh) | 画像构建方法、装置、终端及存储介质 | |
CN104239111B (zh) | 应用程序的升级方法、装置及终端 | |
CN110515929B (zh) | 书籍展示方法、计算设备及存储介质 | |
CN113051126B (zh) | 画像构建方法、装置、设备及存储介质 | |
CN115696356A (zh) | 小区容量调整方法、装置、电子设备及存储介质 | |
CN104580164B (zh) | 业务处理方法及装置 | |
CN109214874B (zh) | Ip产品运营数据处理方法、装置、设备及可读存储介质 | |
CN115080840A (zh) | 一种内容推送方法、装置及存储介质 | |
CN106776857B (zh) | 一种获取天气数据的方法、装置及电子设备 | |
CN111831130A (zh) | 输入内容的推荐方法、终端设备以及存储介质 | |
CN109218771A (zh) | 一种视频节目的推荐方法、装置、电子设备及存储介质 | |
CN112231576B (zh) | 一种目标用户的确定方法及装置 | |
CN108735224A (zh) | 基于分布式结构的音频修正方法及装置 | |
CN111144973B (zh) | 问题排名方法及计算机可读存储介质 | |
CN117495453A (zh) | 一种推广资源的处理方法、装置以及存储介质 | |
CN115714708A (zh) | 无宽带用户的确定方法、装置及可读存储介质 |
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 |