CN115934887A - 一种基于对话预测的人机交互方法以及装置 - Google Patents

Abstract

本申请公开了一种基于对话预测的人机交互方法以及装置。所述基于对话预测的人机交互方法包括：获取第一时刻的用户语音信息；获取待识别音素信息；获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息；获取动态语言模型；根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；根据所述文字信息生成人机交互命令信息。本申请的基于对话预测的人机交互方法在根据音素信息能够更为贴近使用者当前情况，通过本申请的动态语言模型进行识别出的文字信息会更为准确，并且该动态语言模型随时根据当前的车辆的情况以及用户交互信息进行更改，一方面能够减少每次的翻译时间，另一方面更为智能便捷。

Description

一种基于对话预测的人机交互方法以及装置

技术领域

本申请涉及车辆人机交互技术领域，具体涉及一种基于对话预测的人机交互方法以及基于对话预测的人机交互装置。

背景技术

目前语音识别使用固定的模型，为了优化整体识别率对于部分低频场景的识别率不是特别高。

为了提升部分场景的识别率，目前实行的一种策略是可以动态注册热词。用户输入的语音回优先命中热词，以此提升部分文本的识别率。但是即使如此业无法根据对话节奏自动更新热词，在部分场景下识别率还是不高。

举例来说，假设用户语音信息的音素信息为“liudehua”(用户实际指的是通讯录中的刘得花)，而由于识别引擎可能根据热词的条件来进行翻译，此时就可能误翻译成刘德华，此时，很可能人机交互模块就根据用户的语音信息来进行错误的人机交互，例如，人机交互模块可能就从网上获取刘德华的简介进行播放等。

因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。

发明内容

本发明的目的在于提供一种基于对话预测的人机交互方法来至少解决上述的一个技术问题。

本发明的一个方面，提供一种基于对话预测的人机交互方法，所述基于对话预测的人机交互方法包括：

获取第一时刻的用户语音信息；

根据用户语音信息获取待识别音素信息；

获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息；

根据车辆基本信息和/或用户交互信息获取动态语言模型；

根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；

根据所述文字信息生成人机交互命令信息。

可选地，所述根据用户交互信息获取动态语言模型包括：

根据用户交互信息获取用户意图信息；

根据所述用户意图信息生成动态关联文字信息；

将动态关联文字信息注册至所述动态语言模型；

所述根据车辆基本信息获取动态语言模型包括：

获取当前车辆中能够与用户进行互动的功能信息；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息且具有相同的音素信息的两个词组的语义信息不同，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将各组词组集合注册至所述动态语言模型。

可选地，所述根据车辆基本信息和用户交互信息获取动态语言模型包括：

根据用户交互信息获取用户意图信息；

根据所述用户意图信息生成动态关联文字信息；

获取当前车辆中能够与用户进行互动的功能信息；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将所述动态关联文字信息、各组词组集合注册至所述动态语言模型。

可选地，所述根据所述用户意图信息生成动态关联文字信息包括：

根据所述用户意图信息获取车辆与用户待互动功能；

获取车辆与用户待互动功能所关联的第二话术数据库，每个第二话术数据库中均包括多个词组；

将第二话术数据库中的各个词组注册至所述动态语言模型。

可选地，所述根据车辆基本信息和用户交互信息获取动态语言模型进一步包括：

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组均不与另外至少一个词组具有相同的音素信息，则该词组称为不同发音词组；

将各个不同发音词组注册至备选动态语言模型。

可选地，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

分别获取每个第二话术数据库中的各个词组的音素信息作为第一音素信息；

将所述待识别音素信息分别与各个第一音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第一音素信息所对应的词组作为第一备选词组；

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

将所述第一备选词组作为待识别音素信息所对应的文字信息。

可选地，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第三音素信息所对应的词组集合作为备选词组集合；

分别获取所述备选词组集合中的各个词组作为第二备选词组；

获取用户交互信息所生成的时间、获取第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间；

根据第一时刻以及所述用户交互信息所生成的时间生成第一权重；

根据第一时刻以及各个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间，分别为每个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间生成第二权重；

获取历史使用数据库，所述历史使用数据库包括至少一个预设备选词组以及每个预设备选词所对应的使用权重；

获取与第一备选词组相同的预设备选词组所对应的使用权重；

分别获取各个第二备选词组相同的预设备选词组所对应的使用权重；

根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息。

可选地，所述根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息包括：

根据所述第一备选词组的使用权重以及所述第一权重获取第一备选词组的最终权重；

为每个第二备选词组进行如下操作：

根据第二备选词组的使用权重以及该第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所对应的第二权重获取该第二备选词组的最终权重；

获取第一备选词组的最终权重以及各个第二备选词组的最终权重中数值最高的一个所对应的第一备选词组或第二备选词组作为待识别音素信息所对应的文字信息。

可选地，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

分别获取每个第二话术数据库中的各个词组的音素信息作为第一音素信息；

将所述待识别音素信息分别与各个第一音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取备选动态语言模型中的各个不同发音词组中的每个不同发音词组的音素信息作为第四音素信息；

将所述待识别音素信息分别与各个第四音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则

获取相似度超过预设阈值的第四音素信息所对应的发音词组作为待识别音素信息所对应的文字信息。

本申请还提供了一种基于对话预测的人机交互装置，所述基于对话预测的人机交互装置包括：

用户语音信息获取模块，所述用户语音信息获取模块用于获取第一时刻的用户语音信息；

待识别音素信息获取模块，所述待识别音素信息获取模块用于根据用户语音信息获取待识别音素信息；

车辆基本信息获取模块，所述车辆基本信息获取模块用于获取在第一时刻之前的车辆基本信息；

用户交互信息获取模块，所述用户交互信息获取模块用于获取在第一时刻之前的用户交互信息；

动态语言模型获取模块，所述动态语言模型获取模块用于根据车辆基本信息和/或用户交互信息获取动态语言模型；

文字信息获取模块，所述文字信息获取模块用于根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；

人机交互命令信息获取模块，所述人机交互命令信息获取模块用于根据所述文字信息生成人机交互命令信息。

有益效果

本申请的基于对话预测的人机交互方法在根据音素信息进行对应的文字识别时，根据车辆基本信息和/或用户交互信息获取动态语言模型，该动态语言模型是根据车辆基本信息和/或用户交互信息获取，因此，所生成的动态语言模型并非是基于固定模板也并非是基于热词生成的，而是根据用户的一定时间段内的交互信息和/或一定时间段内的车辆基本信息生成的，从而使得该动态语言模型能够更为贴近使用者当前情况，通过本申请的动态语言模型进行识别出的文字信息会更为准确，并且该动态语言模型随时根据当前的车辆的情况以及用户交互信息进行更改，一方面能够减少每次的翻译时间，另一方面更为智能便捷。

附图说明

图1是本申请一实施例的基于对话预测的人机交互方法的流程示意图。

图2是能够实现本申请一实施例的基于对话预测的人机交互方法的电子设备的示意图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，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更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。

图1是本申请一实施例的基于对话预测的人机交互方法的流程示意图。

如图1所示的基于对话预测的人机交互方法包括：

步骤1：获取第一时刻的用户语音信息；

步骤2：根据用户语音信息获取待识别音素信息；

步骤3：获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息；

步骤4：根据车辆基本信息和/或用户交互信息获取动态语言模型；

步骤5：根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；

步骤6：根据所述文字信息生成人机交互命令信息。

本申请的基于对话预测的人机交互方法在根据音素信息进行对应的文字识别时，根据车辆基本信息和/或用户交互信息获取动态语言模型，该动态语言模型是根据车辆基本信息和/或用户交互信息获取，因此，所生成的动态语言模型并非是基于固定模板也并非是基于热词生成的，而是根据用户的一定时间段内的交互信息和/或一定时间段内的车辆基本信息生成的，从而使得该动态语言模型能够更为贴近使用者当前情况，通过本申请的动态语言模型进行识别出的文字信息会更为准确，并且该动态语言模型随时根据当前的车辆的情况以及用户交互信息进行更改，一方面能够减少每次的翻译时间，另一方面更为智能便捷。

在本实施例中，根据用户语音信息获取待识别音素信息，举例来说，如果用户语音为：重播，通过音素识别引擎，可以将重播识别为chongbo。

在本实施例中，根据用户交互信息获取动态语言模型包括：

根据用户交互信息获取用户意图信息；

根据所述用户意图信息生成动态关联文字信息；

将动态关联文字信息注册至所述动态语言模型。

在本实施例中，根据车辆基本信息获取动态语言模型包括：

获取当前车辆中能够与用户进行互动的功能信息；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息且具有相同的音素信息的两个词组的语义信息不同，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将各组词组集合注册至所述动态语言模型。

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型包括：

根据用户交互信息获取用户意图信息；

根据所述用户意图信息生成动态关联文字信息；

获取当前车辆中能够与用户进行互动的功能信息；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将所述动态关联文字信息、各组词组集合注册至所述动态语言模型。

在本实施例中，所述根据所述用户意图信息生成动态关联文字信息包括：

根据所述用户意图信息获取车辆与用户待互动功能；

获取车辆与用户待互动功能所关联的第二话术数据库，每个第二话术数据库中均包括多个词组；

将第二话术数据库中的各个词组注册至所述动态语言模型。

在本实施例中，所述根据车辆基本信息和用户交互信息获取动态语言模型进一步包括：

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组均不与另外至少一个词组具有相同的音素信息，则该词组称为不同发音词组；

将各个不同发音词组注册至备选动态语言模型。

在本实施例中，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

分别获取每个第二话术数据库中的各个词组的音素信息作为第一音素信息；

将所述待识别音素信息分别与各个第一音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第一音素信息所对应的词组作为第一备选词组；

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

将所述第一备选词组作为待识别音素信息所对应的文字信息。

在本实施例中，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第三音素信息所对应的词组集合作为备选词组集合；

分别获取所述备选词组集合中的各个词组作为第二备选词组；

获取用户交互信息所生成的时间、获取第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间；

根据第一时刻以及所述用户交互信息所生成的时间生成第一权重；

根据第一时刻以及各个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间，分别为每个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间生成第二权重；

获取历史使用数据库，所述历史使用数据库包括至少一个预设备选词组以及每个预设备选词所对应的使用权重；

获取与第一备选词组相同的预设备选词组所对应的使用权重；

分别获取各个第二备选词组相同的预设备选词组所对应的使用权重；

根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息。

采用这种方式，当具有多个备选词组时，可以根据实际情况选择其中机会最大的一个。

在本实施例中，根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息包括：

根据所述第一备选词组的使用权重以及所述第一权重获取第一备选词组的最终权重；

为每个第二备选词组进行如下操作：

根据第二备选词组的使用权重以及该第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所对应的第二权重获取该第二备选词组的最终权重；

获取第一备选词组的最终权重以及各个第二备选词组的最终权重中数值最高的一个所对应的第一备选词组或第二备选词组作为待识别音素信息所对应的文字信息。

在本实施例中，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

分别获取每个第二话术数据库中的各个词组的音素信息作为第一音素信息；

将所述待识别音素信息分别与各个第一音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取备选动态语言模型中的各个不同发音词组中的每个不同发音词组的音素信息作为第四音素信息；

将所述待识别音素信息分别与各个第四音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则

获取相似度超过预设阈值的第四音素信息所对应的发音词组作为待识别音素信息所对应的文字信息。

下面以举例的方式对本申请进行进一步详细阐述，可以理解的是，该举例并不构成对本申请的任何限制。

实施例1：

获取第一时刻的用户语音信息(在本实施例中，所获取的用于语音信息为刘得花)；

根据用户语音信息获取待识别音素信息(将刘得花进行音素识别，从而获取待识别音素信息liudehua)；

获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息(例如，预设时间段为1分钟，在第一时刻之前的1分钟之内，车辆基本信息包括使用者打开了空调、打开了某音乐软件，用户交互信息为用户要求车辆打开车载通讯录)；

根据车辆基本信息和/或用户交互信息获取动态语言模型；

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型。

具体而言，采用如下方法根据车辆基本信息和用户交互信息获取动态语言模型：

根据用户交互信息获取用户意图信息(从上述描述可以看出，用户意图信息为打开车载通讯录)；

根据所述用户意图信息生成动态关联文字信息，具体而言，根据所述用户意图信息生成动态关联文字信息包括：

根据所述用户意图信息获取车辆与用户待互动功能(在本实施例中，车辆与用户待互动功能为通讯录功能)；

获取车辆与用户待互动功能所关联的第二话术数据库(在车辆上，每个功能都会预存一些话术，例如，通讯录功能会预存通讯录中的各个联系人的名字，用于进行语音播报等)，每个第二话术数据库中均包括多个词组(例如，在本实施例中，通讯录的第二话术数据库中就包括人名刘得花)；

将第二话术数据库中的各个词组注册至所述动态语言模型(即将刘得花注册至动态语言模型，可以理解的是，语言模型为现有技术，在此不再赘述)；

获取当前车辆中能够与用户进行互动的功能信息(在本实施例中，空调功能以及QQ音乐软件功能均可以与用户进行互动)；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库(例如，空调功能中的第一话术数据库中可能包括温度升高、温度降低，而QQ音乐软件的第一话术数据库中可能包括刘德华这一人名)，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息，则该词组称为相同发音词组(在本实施例中，没有具有相同的音素信息的词组，因此，不需要获取)；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将所述动态关联文字信息、各组词组集合注册至所述动态语言模型。

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型进一步包括：

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组均不与另外至少一个词组具有相同的音素信息，则该词组称为不同发音词组；

将各个不同发音词组注册至备选动态语言模型(在本实施例中，上述的温度升高、温度降低刘德华这一人名均属于不同发音词组，因此，都注册至备选动态语言模型)。

在本实施例中，根据待识别音素信息以及动态语言模型获取待识别音素信息所对应的文字信息，具体而言，本实施例采用如下方法：

分别获取每个第二话术数据库中的各个词组的音素信息(liudehua)作为第一音素信息；

将待识别音素信息(liudehua)分别与各个第一音素信息(liudehua)进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第一音素信息所对应的词组作为第一备选词组(刘得花)；

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否(在本实施例中，没有与liudehua的阈值超过预设阈值的)，则

将所述第一备选词组作为待识别音素信息所对应的文字信息；

根据所述文字信息生成人机交互命令信息。

实施例2：

获取第一时刻的用户语音信息(在本实施例中，所获取的用于语音信息为重播)；

根据用户语音信息获取待识别音素信息(将重播进行音素识别，从而获取待识别音素信息chongbo)；

获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息(例如，预设时间段为1分钟，在第一时刻之前的1分钟之内，车辆基本信息包括使用者打开了空调、打开了某音乐软件，用户交互信息为用户要求车辆打开车载通讯录)；

根据车辆基本信息和/或用户交互信息获取动态语言模型；

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型。

具体而言，采用如下方法根据车辆基本信息和用户交互信息获取动态语言模型：

根据用户交互信息获取用户意图信息(从上述描述可以看出，用户意图信息为打开车载通讯录)；

根据所述用户意图信息生成动态关联文字信息，具体而言，根据所述用户意图信息生成动态关联文字信息包括：

根据所述用户意图信息获取车辆与用户待互动功能(在本实施例中，车辆与用户待互动功能为通讯录功能)；

获取车辆与用户待互动功能所关联的第二话术数据库(在车辆上，每个功能都会预存一些话术，例如，通讯录功能会预存通讯录中的各个联系人的名字，用于进行语音播报等)，每个第二话术数据库中均包括多个词组(例如，在本实施例中，通讯录的第二话术数据库中就包括人名重博)；

将第二话术数据库中的各个词组注册至所述动态语言模型(即将重博注册至动态语言模型，可以理解的是，语言模型为现有技术，在此不再赘述)；

获取当前车辆中能够与用户进行互动的功能信息(在本实施例中，空调功能、QQ音乐软件功能均可以与用户进行互动)；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库(例如，空调功能中的第一话术数据库中可能包括温度升高、温度降低，而QQ音乐软件的第一话术数据库中一个功能即为重播，该功能同样也在第一话术数据库中作为一个词组出现)，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息，则该词组称为相同发音词组(重博以及重播具有相同的音素信息，因此，重博以及重播为相同发音词组)；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将所述动态关联文字信息、各组词组集合注册至所述动态语言模型。

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型进一步包括：

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组均不与另外至少一个词组具有相同的音素信息，则该词组称为不同发音词组；

将各个不同发音词组注册至备选动态语言模型(在本实施例中，上述的温度升高、温度降低均属于不同发音词组，因此，都注册至备选动态语言模型)。

在本实施例中，根据待识别音素信息以及动态语言模型获取待识别音素信息所对应的文字信息，具体而言，本实施例采用如下方法：

分别获取每个第二话术数据库中的各个词组的音素信息(chongbo)作为第一音素信息；

将待识别音素信息(chongbo)分别与各个第一音素信息(chongbo)进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第一音素信息所对应的词组作为第一备选词组(重博)；

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是(在本实施例中，重播的音素信息chongbo超过预设阈值)，则

获取相似度超过预设阈值的第三音素信息所对应的词组集合作为备选词组集合；

分别获取所述备选词组集合中的各个词组作为第二备选词组(重播、重博)；

获取用户交互信息所生成的时间(例如，在本实施例中，用户交互信息为用户要求车辆打开车载通讯录，该时间为10点10分10秒)、获取第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间(例如，空调功能为10点10分10秒，打开某音乐软件的时间为10点9分50秒)，由于小时相同，下述为了描述方便，仅描述分钟以及秒；

根据第一时刻(在本实施例中，第一时刻为10分20秒)以及所述用户交互信息所生成的时间生成第一权重；

具体采用如下方式生成第一权重：

设置一个权重数据库，例如，该权重数据库规定，与第一时刻差距为10秒内的，权重为10，与第一时刻差距为20秒内10秒外的，权重为5，举例来说，上述中，第一时刻为10分20秒，打开车载通讯录时间为10分10秒，即相差10秒，则第一权重为10。

根据第一时刻以及各个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间，分别为每个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间生成第二权重；举例来说，上述中，打开某音乐软件的时间为10点9分50秒，与第一时刻相差20秒，则第二权重为5。

获取历史使用数据库，所述历史使用数据库包括至少一个预设备选词组以及每个预设备选词所对应的使用权重；

获取与第一备选词组相同的预设备选词组所对应的使用权重(举例来说，重博这个词在历史上只使用过3次，则使用权重为3)；

分别获取各个第二备选词组相同的预设备选词组所对应的使用权重(举例来说，重播这个词在历史上使用过10次，则使用权重为10，重博由于也属于第一备选词组，因此，使用权重还是上述的3)；

根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息。

具体而言，根据所述第一备选词组的使用权重以及所述第一权重获取第一备选词组的最终权重(重博这个词的最终权重为10加3等于13，即最终权重为13)；

为每个第二备选词组进行如下操作：

根据第二备选词组的使用权重以及该第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所对应的第二权重获取该第二备选词组的最终权重(重播这个词的最终权重为5加10等于15，即最终权重为15，而重博这个词的最终权重为10加3等于13，即最终权重为13)；

获取第一备选词组的最终权重以及各个第二备选词组的最终权重中数值最高的一个所对应的第一备选词组或第二备选词组作为待识别音素信息所对应的文字信息(即获取重播)。

根据重播来进行相应的动作，例如，当时正在放某首歌曲，则将歌曲重播。

例子3：

获取第一时刻的用户语音信息(在本实施例中，所获取的用于语音信息为开热点)；

根据用户语音信息获取待识别音素信息(将重播进行音素识别，从而获取待识别音素信息kairedian)；

获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息(例如，预设时间段为1分钟，在第一时刻之前的1分钟之内，车辆基本信息包括使用者打开了空调、打开了某音乐软件，用户交互信息为用户要求车辆打开车载通讯录)；

根据车辆基本信息和/或用户交互信息获取动态语言模型；

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型。

具体而言，采用如下方法根据车辆基本信息和用户交互信息获取动态语言模型：

根据用户交互信息获取用户意图信息(从上述描述可以看出，用户意图信息为打开车载通讯录)；

根据所述用户意图信息生成动态关联文字信息，具体而言，根据所述用户意图信息生成动态关联文字信息包括：

根据所述用户意图信息获取车辆与用户待互动功能(在本实施例中，车辆与用户待互动功能为通讯录功能)；

获取车辆与用户待互动功能所关联的第二话术数据库(在车辆上，每个功能都会预存一些话术，例如，通讯录功能会预存通讯录中的各个联系人的名字，用于进行语音播报等)，每个第二话术数据库中均包括多个词组(例如，在本实施例中，通讯录的第二话术数据库中就包括人名重博)；

将第二话术数据库中的各个词组注册至所述动态语言模型(即将重博注册至动态语言模型，可以理解的是，语言模型为现有技术，在此不再赘述)；

获取当前车辆中能够与用户进行互动的功能信息(在本实施例中，空调功能、QQ音乐软件功能均可以与用户进行互动)；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库(例如，空调功能中的第一话术数据库中可能包括开热点、开冷点，而QQ音乐软件的第一话术数据库中一个功能即为重播，该功能同样也在第一话术数据库中作为一个词组出现)，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将所述动态关联文字信息、各组词组集合注册至所述动态语言模型。

在本实施例中，根据车辆基本信息和用户交互信息获取动态语言模型进一步包括：

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组均不与另外至少一个词组具有相同的音素信息，则该词组称为不同发音词组；

将各个不同发音词组注册至备选动态语言模型(在本实施例中，上述的开热点、开冷点均属于不同发音词组，因此，都注册至备选动态语言模型)。

在本实施例中，根据待识别音素信息以及动态语言模型获取待识别音素信息所对应的文字信息，具体而言，本实施例采用如下方法：

分别获取每个第二话术数据库中的各个词组的音素信息(chongbo)作为第一音素信息；

将待识别音素信息(chongbo)分别与各个第一音素信息(chongbo)进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取备选动态语言模型中的各个不同发音词组中的每个不同发音词组的音素信息作为第四音素信息(kairedian、kailengdian)；

将所述待识别音素信息分别与各个第四音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是(kairedian)，则

获取相似度超过预设阈值的第四音素信息所对应的发音词组作为待识别音素信息所对应的文字信息(开热点)。

在本实施例中，用户交互信息还可以是车辆的提问信息，例如，车辆的提问信息为“您想拨打谁的电话呢，请说联系人的名称”，此时，该车辆的提问信息所指向的用户意图信息还是通讯录。

本申请还提供了一种基于对话预测的人机交互装置，所述基于对话预测的人机交互装置包括用户语音信息获取模块、待识别音素信息获取模块、车辆基本信息获取模块、用户交互信息获取模块、动态语言模型获取模块、文字信息获取模块以及人机交互命令信息获取模块，

用户语音信息获取模块用于获取第一时刻的用户语音信息；

待识别音素信息获取模块用于根据用户语音信息获取待识别音素信息；

车辆基本信息获取模块用于获取在第一时刻之前的车辆基本信息；

用户交互信息获取模块用于获取在第一时刻之前的用户交互信息；

动态语言模型获取模块用于根据车辆基本信息和/或用户交互信息获取动态语言模型；

文字信息获取模块用于根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；

人机交互命令信息获取模块用于根据所述文字信息生成人机交互命令信息。

可以理解的是，上述对方法的描述，也同样适用于对装置的描述。

本申请还提供了一种电子设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，处理器执行计算机程序时实现如上的基于对话预测的人机交互方法。

本申请还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时能够实现如上的基于对话预测的人机交互方法。

图2是能够实现根据本申请一个实施例提供的基于对话预测的人机交互方法的电子设备的示例性结构图。

如图2所示，电子设备包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505以及输出设备506。其中，输入接口502、中央处理器503、存储器504以及输出接口505通过总线507相互连接，输入设备501和输出设备506分别通过输入接口502和输出接口505与总线507连接，进而与电子设备的其他组件连接。具体地，输入设备504接收来自外部的输入信息，并通过输入接口502将输入信息传送到中央处理器503；中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器504中，然后通过输出接口505将输出信息传送到输出设备506；输出设备506将输出信息输出到电子设备的外部供用户使用。

也就是说，图2所示的电子设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及一个或多个处理器，该一个或多个处理器在执行计算机可执行指令时可以实现结合图1描述的基于对话预测的人机交互方法。

在一个实施例中，图2所示的电子设备可以被实现为包括：存储器504，被配置为存储可执行程序代码；一个或多个处理器503，被配置为运行存储器504中存储的可执行程序代码，以执行上述实施例中的基于对话预测的人机交互方法。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动，媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数据多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

此外，显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，模块、程序段、或代码的一部分包括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，两个接连地标识的方框实际上可以基本并行地执行，他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，框图和/或流程图中的每个方框、以及框图和/或总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。

在本实施例中所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现装置/终端设备的各种功能。存储器可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

在本实施例中，装置/终端设备集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。本申请虽然以较佳实施例公开如上，但其实并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此，本申请的保护范围应当以本申请权利要求所界定的范围为准。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

此外，显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种基于对话预测的人机交互方法，其特征在于，所述基于对话预测的人机交互方法包括：

获取第一时刻的用户语音信息；

根据用户语音信息获取待识别音素信息；

获取在第一时刻之前的预设时间段内的车辆基本信息和/或用户交互信息；

根据车辆基本信息和/或用户交互信息获取动态语言模型；

根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；

根据所述文字信息生成人机交互命令信息。

2.如权利要求1所述的基于对话预测的人机交互方法，其特征在于，所述根据用户交互信息获取动态语言模型包括：

根据用户交互信息获取用户意图信息；

根据所述用户意图信息生成动态关联文字信息；

将动态关联文字信息注册至所述动态语言模型；

所述根据车辆基本信息获取动态语言模型包括：

获取当前车辆中能够与用户进行互动的功能信息；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息且具有相同的音素信息的两个词组的语义信息不同，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将各组词组集合注册至所述动态语言模型。

3.如权利要求2所述的基于对话预测的人机交互方法，其特征在于，所述根据所述用户意图信息生成动态关联文字信息包括：

根据所述用户意图信息获取车辆与用户待互动功能；

获取车辆与用户待互动功能所关联的第二话术数据库，每个第二话术数据库中均包括多个词组；

将第二话术数据库中的各个词组注册至所述动态语言模型。

4.如权利要求3所述的基于对话预测的人机交互方法，其特征在于，所述根据车辆基本信息和用户交互信息获取动态语言模型包括：

根据用户交互信息获取用户意图信息；

根据所述用户意图信息生成动态关联文字信息；

获取当前车辆中能够与用户进行互动的功能信息；

获取每个能够与用户进行互动的功能信息所关联的第一话术数据库，每个第一话术数据库中均包括多个词组；

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组与另外至少一个词组具有相同的音素信息，则该词组称为相同发音词组；

获取各个相同发音词组并进行分组，从而形成多组词组集合，每组词组集合中包括的各个词组均具有相同的音素信息；

将所述动态关联文字信息、各组词组集合注册至所述动态语言模型。

5.如权利要求4所述的基于对话预测的人机交互方法，其特征在于，所述根据车辆基本信息和用户交互信息获取动态语言模型进一步包括：

将各个第一话术数据库中的的词组相互进行比对且分别与所述第二话术数据库中的词组进行比对，若其中任意一个词组均不与另外至少一个词组具有相同的音素信息，则该词组称为不同发音词组；

将各个不同发音词组注册至备选动态语言模型。

6.如权利要求5所述的基于对话预测的人机交互方法，其特征在于，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

分别获取每个第二话术数据库中的各个词组的音素信息作为第一音素信息；

将所述待识别音素信息分别与各个第一音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第一音素信息所对应的词组作为第一备选词组；

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

将所述第一备选词组作为待识别音素信息所对应的文字信息。

7.如权利要求6所述的基于对话预测的人机交互方法，其特征在于，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则获取相似度超过预设阈值的第三音素信息所对应的词组集合作为备选词组集合；

分别获取所述备选词组集合中的各个词组作为第二备选词组；

获取用户交互信息所生成的时间、获取第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间；

根据第一时刻以及所述用户交互信息所生成的时间生成第一权重；

根据第一时刻以及各个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间，分别为每个第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所生成的时间生成第二权重；

获取历史使用数据库，所述历史使用数据库包括至少一个预设备选词组以及每个预设备选词所对应的使用权重；

获取与第一备选词组相同的预设备选词组所对应的使用权重；

分别获取各个第二备选词组相同的预设备选词组所对应的使用权重；

根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息。

8.如权利要求7所述的基于对话预测的人机交互方法，其特征在于，所述根据所述第一权重、第二权重以及各个使用权重获取第一备选词组或各个第二备选词组中的一个作为待识别音素信息所对应的文字信息包括：

根据所述第一备选词组的使用权重以及所述第一权重获取第一备选词组的最终权重；

为每个第二备选词组进行如下操作：

根据第二备选词组的使用权重以及该第二备选词组所对应的当前车辆中能够与用户进行互动的功能信息所对应的第二权重获取该第二备选词组的最终权重；

获取第一备选词组的最终权重以及各个第二备选词组的最终权重中数值最高的一个所对应的第一备选词组或第二备选词组作为待识别音素信息所对应的文字信息。

9.如权利要求8所述的基于对话预测的人机交互方法，其特征在于，当所述动态语言模型根据车辆基本信息和用户交互信息获取时，所述根据所述音素信息以及所述动态语言模型获取音素信息所对应的文字信息包括：

分别获取每个第二话术数据库中的各个词组的音素信息作为第一音素信息；

将所述待识别音素信息分别与各个第一音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取每组词组集合的音素信息作为第三音素信息；

将所述待识别音素信息分别与各个第三音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若否，则

分别获取备选动态语言模型中的各个不同发音词组中的每个不同发音词组的音素信息作为第四音素信息；

将所述待识别音素信息分别与各个第四音素信息进行相似度计算，从而判断是否有一个相似度超过预设阈值，若是，则

获取相似度超过预设阈值的第四音素信息所对应的发音词组作为待识别音素信息所对应的文字信息。

10.一种基于对话预测的人机交互装置，其特征在于，所述基于对话预测的人机交互装置包括：

用户语音信息获取模块，所述用户语音信息获取模块用于获取第一时刻的用户语音信息；

待识别音素信息获取模块，所述待识别音素信息获取模块用于根据用户语音信息获取待识别音素信息；

车辆基本信息获取模块，所述车辆基本信息获取模块用于获取在第一时刻之前的车辆基本信息；

用户交互信息获取模块，所述用户交互信息获取模块用于获取在第一时刻之前的用户交互信息；

动态语言模型获取模块，所述动态语言模型获取模块用于根据车辆基本信息和/或用户交互信息获取动态语言模型；

文字信息获取模块，所述文字信息获取模块用于根据所述待识别音素信息以及所述动态语言模型获取待识别音素信息所对应的文字信息；

人机交互命令信息获取模块，所述人机交互命令信息获取模块用于根据所述文字信息生成人机交互命令信息。

Images