-
Hintergrund
-
Informationshandhabungsgeräte ("Geräte"), zum Beispiel Laptopcomputer, Tablets, Smartphones, Desktop-Computer, Smartfernseher, Navigationsgeräte, Autokonsolen usw. können verwendet werden, um Spracheingaben zu verarbeiten, die z. B. durch einen Audioempfänger wie ein Mikrofon empfangen wurden. Die Spracherkennungstechnologie ermöglicht es einem Gerät zum Beispiel, gesprochene Wörter in Maschinentext umzuwandeln, z. B. durch Umwandeln eines digitalen Audiosignals in ein Maschinentextwort für den Gebrauch in einer zugrundeliegenden Anwendung, z. B. einem textbearbeitenden Dokument, einer Suchanwendung usw.. Herkömmliche Verbesserungen der Spracherkennungstechnologie befassten sich vorwiegend mit der Genauigkeit der Erkennung, d.h. das Wort oder die Wörter, die tatsächlich vom Benutzer gesprochen wurden, genau zu identifizieren.
-
Kurze Zusammenfassung
-
Zusammenfassend stellt ein Aspekt ein Verfahren bereit, das Folgendes umfasst: Empfangen einer Spracheingabe eines Benutzers an einem Audioempfänger eines Informationshandhabungsgerätes; Identifizieren von Wörtern, die in der Spracheingabe des Benutzers enthalten sind unter Verwenden eines Prozessors; Bestimmen, ob eines der identifizierten Wörter einen in der Spracheingabe des Benutzers enthaltenen Befehl unklar erscheinen lässt unter Verwenden des Prozessors; Zugreifen auf Kontextdaten unter Verwenden des Prozessors; Eindeutig machen des Befehls, basierend auf den Kontextdaten unter Verwenden des Prozessors; Begehen einer vorbestimmten Maßnahme gemäß dem Befehl unter Verwenden des Prozessors.
-
Ein weiterer Aspekt stellt ein Informationshandhabungsgerät bereit, welches Folgendes umfasst: einen Audioempfänger; einen Prozessor; und eine Speichervorrichtung, die Anweisungen speichert, welche durch den Prozessor ausführbar sind, um: an dem Audioempfänger des Informationshandhabungsgeräts eine Spracheingabe eines Benutzers zu empfangen; in der Spracheingabe des Benutzers enthaltene Wörter zu identifizieren; bestimmen, ob eines der identifizierten Wörter einen in der Spracheingabe des Benutzers enthaltenen Befehl unklar erscheinen lässt; auf Kontextdaten zuzugreifen; den Befehl, basierend auf den Kontextdaten, eindeutig zu machen; und eine vorbestimmte Maßnahme gemäß dem Befehl zu begehen.
-
Ein weiterer Aspekt stellt ein Produkt bereit, das Folgendes umfasst: ein Speichergerät, auf dem Code enthalten ist, wobei der Codeumfasst: Code, der an einem Audioempfänger eines Informationshandhabungsgeräts eine Spracheingabe eines Benutzers empfängt; Code, der unter Verwenden eines Prozessors Wörter identifiziert, die in der Spracheingabe des Benutzers enthalten sind; Code, der unter Verwenden des Prozessors bestimmt, ob eines der identifizierten Wörter einen in der Spracheingabe des Benutzers enthaltenen Befehl unklar erscheinen lässt; Code, der unter Verwenden des Prozessors auf Kontextdaten zugreift; Code, der unter Verwenden des Prozessors den Befehl, basierend auf den Kontextdaten eindeutig macht; und Code, der unter Verwenden des Prozessors eine vorbestimmte Maßnahme gemäß dem Befehl begeht.
-
Das Vorangehende ist eine Zusammenfassung und kann daher Vereinfachungen, Verallgemeinerungen und Auslassungen von Einzelheiten enthalten; der Fachmann wird daher feststellen, dass die Zusammenfassung nur erläuternd ist und nicht die Absicht hat, in irgendeiner Weise beschränkend zu sein.
-
Um die Ausführungsformen, zusammen mit anderen und weiteren Merkmalen und Vorteilen hiervon besser verstehen zu können, wird auf die folgende Beschreibung Bezug genommen, in Verbindung mit den beigefügten Zeichnungen. Der Umfang der Erfindung wird in den angefügten Ansprüchen aufgezeigt.
-
Kurze Beschreibung der unterschiedlichen Ansichten der Zeichnungen
-
1 zeigt ein Beispiel eines Schaltkreises eines Informationshandhabungsgeräts.
-
2 zeigt ein weiteres Beispiel eines Informationshandhabungsgeräts.
-
3 zeigt ein Beispiel eines Verfahrens zum Verwenden von Kontext, um natürliche Spracherkennungsbefehle zu interpretieren.
-
Ausführliche Beschreibung
-
Es versteht sich ohne Weiteres, dass die Komponenten der Ausführungsformen, wie allgemein in den Figuren hierin beschrieben und dargestellt, in einer Vielfalt von unterschiedlichen Konfigurationen neben den beschriebenen Ausführungsbeispielen eingerichtet und entworfen werden können. Die folgende, detailliertere Beschreibung der Ausführungsbeispiele, wie in den Figuren dargestellt, ist nicht dazu gedacht, den Umfang der Ausführungsformen, wie beansprucht, einzuschränken, sondern ist lediglich repräsentativ für beispielhafte Ausführungsformen.
-
Die Bezugnahme in dieser Beschreibung auf "eine Ausführungsform" oder "die Ausführungsform" (oder ähnliches) bedeutet, dass ein entsprechendes in Verbindung mit der Ausführungsform beschriebenes Merkmal, Struktur oder Eigenschaft in zumindest einer Ausführungsform enthalten ist. Die Erscheinung der Redewendungen "in einer Ausführungsform" oder "in der Ausführungsform" oder ähnliches an verschiedenen Stellen in dieser Beschreibung bezieht sich nicht unbedingt auf dieselbe Ausführungsform.
-
Des Weiteren können die beschriebenen Merkmale, Strukturen oder Eigenschaften in einer geeigneten Weise bei einer oder mehreren Ausführungsformen kombiniert werden. In der folgenden Beschreibung werden zahlreiche konkrete Einzelheiten bereitgestellt, um die Ausführungsformen besser verstehen zu können. Ein Fachmann wird jedoch erkennen, dass die unterschiedlichen Ausführungsformen ohne eine oder mehrere der konkreten Einzelheiten oder mit anderen Verfahren, Komponenten, Materialien usw. durchführbar sind. In anderen Fällen werden gut bekannte Strukturen, Materialien oder Operationen nicht dargestellt oder genau beschrieben, um Verwirrung zu vermeiden.
-
Spracherkennungstechnologie ist beliebt und wird in Verbindung mit einer Vielfalt von Anwendungen verwendet. Zum Beispiel können viele Geräte-Anwendungen, z. B. Internet-Suchanwendungen, Textverarbeitungsanwendungen, Kommunikationsanwendungen (Chat, E-Mail, SMS-Text usw.) und ähnliche Anwendungen Spracheingaben des Benutzers erfassen und diese Spracheingabe in von Maschinen verwendbare Form (hier als Maschinentext bezeichnet – ungeachtet ob das Sprachsignal wortwörtlich in Text umgewandelt wird) umwandeln zur Verwendung durch eine Anwendung. Zum Beispiel kann ein Benutzer einen Spracheingabebefehl wie "schicke diese Datei meinem Freund Jon" bereitstellen.
-
Aktuelle Spracherkennungstechnologien werden diese Spracheingabe treu und genau identifizieren. Deshalb wird eine herkömmliche Spracherkennung genau bestimmen, dass der Benutzer wortwörtlich die Wörter "schicke diese Datei meinem Freund Jon" gesagt hat. Jedoch ist es eine ganz andere Sache, entsprechend einer durch den Benutzer beabsichtigten Art und Weise auf die Spracheingabe zu reagieren. Deshalb muss die Spracheingabe analysiert und verstanden werden, damit die Vorrichtung eine geeignete Maßnahme ausführen kann, z. B. bestimmt werden, welche Datei "diese" Datei ist, welches Ziel mit "Jon" gemeint ist, welche Form von Kommunikation verwendet werden soll (z. B. E-Mail, Text usw.).
-
Dementsprechend bietet eine Ausführungsform Mechanismen für den Einsatz von Kontext, um natürliche Spracherkennungsbefehle zu interpretieren. In einer Ausführungsform werden mehrere Wörter identifiziert, die z. B. zweifelsohne bekannt sind. Eine Ausführungsform ergänzt die Standardausführung von vorprogrammierten oder vorbestimmten Befehlen, z. B. Gebrauch von bestimmten Schlüsselwörtern oder auslösende Redewendungen, mit der Fähigkeit, die Quelle der Mehrdeutigkeit innerhalb des Befehls zu bestimmen (z. B. die, die den Befehl normalerweise unausführbar machen würden) zusammen mit der Fähigkeit, Kontextdaten zu nutzen (aus einer Vielfalt von Quellen), die den Befehl so eindeutig machen, dass er ausführbar ist.
-
Die dargestellten Ausführungsbeispiele sind am besten durch Bezug auf die Figuren zu verstehen. Die folgende Beschreibung dient nur als Beispiel und zeigt lediglich bestimmte Ausführungsbeispiele.
-
Während mehrere unterschiedliche Stromkreise, Schaltkreise oder Komponenten bei Informationshandhabungsgeräten im Zusammenhang mit dem Schaltkreis eines Smartphones oder Tablets 100 verwendet werden können, umfasst ein in 1 gezeigtes Beispiel ein System-on-Chip-Design, das zum Beispiel in einem Tablet oder sonstigen Rechnerplattformen zu finden ist. Software und Prozessor(en) werden in einem einzigen Chip 110 kombiniert. Prozessoren umfassen interne arithmetische Einheiten, Register, Cache-Speicher, Busse, E/A-Ports usw., die in der Fachwelt gut bekannt sind. Interne Busse und Ähnliches hängen von den unterschiedlichen Anbietern ab, jedoch sind alle peripheren Geräte (120) im Wesentlichen an einem einzigen Chip 110 anschließbar. Der Schaltkreis 100 kombiniert den Prozessor, Speichersteuerung und E/A-Kontrollerhub in einem einzigen Chip 110. Auch verwenden Systeme 100 dieser Art normalerweise nicht SATA oder PCI oder LPC. Übliche Schnittstellen sind z. B. SDIO und I2C.
-
Es gibt Energieverwaltungschips 130, z. B. eine Batterieverwaltungseinheit, BMU, welche z. B. über eine wiederaufladbare Batterie 140, welche durch Anschluss an einer Stromquelle (nicht dargestellt) wieder aufgeladen werden kann, gelieferte Energie verwaltet. Bei zumindest einem Design wird ein einziger Chip, z. B. 110, verwendet, um BIOS-ähnliche Funktionalität und DRAM-Speicher bereitzustellen.
-
System 100 umfasst typischerweise einen oder mehrere eines WWAN-Transceivers 150 und eines WLAN-Transceivers 160 zum Verbinden mit verschiedenen Netzwerken, wie Telekommunikationsnetzwerken und drahtlosen Internetvorrichtungen, z. B. Zugangspunkten. Des Weiteren ist eine der zusätzlichen Vorrichtungen 120 üblicherweise ein Mikrofon, welches physikalische Elemente einbezieht, die Schallwellen in elektrische Audiosignale umwandeln. Üblicherweise wird System 100 einen berührungsempfindlichen Bildschirm 170 für die Dateneingabe und Anzeige/Wiedergabe enthalten. System 100 umfasst normalerweise auch verschiedene Speichervorrichtungen, z. B. Flash-Speicher 180 und SDRAM 190.
-
2 zeigt ein Blockdiagramm eines anderen Beispiels von Stromkreisen, Schaltkreisen oder Komponenten von Informationshandhabungsgeräten. Das in 2 dargestellte Beispiel entspricht Rechensystemen wie die THINKPAD-Serie von Personal Computer, die von Lenovo (US) Inc. of Morrisville, NC vertrieben werden, oder sonstigen Vorrichtungen. Wie aus der Beschreibung hierin ersichtlich ist, können Ausführungsformen andere Merkmale oder nur einige der Merkmale des Beispiels der 2 umfassen.
-
Das Beispiel der 2 umfasst einen so genannten Chipsatz 210 (eine Gruppe von integrierten Schaltkreisen oder Chips, die zusammen arbeiten, Chipsätze) mit einer Architektur, die je nach Hersteller unterschiedlich sein kann (z. B. INTEL, AMD, ARM, usw.). INTEL ist ein eingetragenes Warenzeichen der Intel Corporation in den Vereinigten Staaten und/oder anderen Ländern. AMD ist ein eingetragenes Warenzeichen der Advanced Micro Devices, Inc. in den Vereinigten Staaten und/oder anderen Ländern. ARM ist ein nicht eingetragenes Warenzeichen der ARM Holdings plc in den Vereinigten Staaten und/oder anderen Ländern. Die Architektur des Chipsatzes 210 umfasst eine Kern- und Speichersteuergruppe 220 und einen E/A-Steuerknoten 250, der Informationen (z. B. Daten, Signale, Befehle usw.) über eine direkte Managementschnittstelle (DMI) 242 oder eine Verbindungssteuerung 244 austauscht. In 2 ist die DMI 242 eine Chip-zu-Chip-Schittstelle (auf die manchmal auch als Verbindung zwischen einer "northbridge" und einer "southbridge" Bezug genommen wird). Die Kern- und Speichersteuergruppe 220 umfasst einen oder mehrere Prozessoren 222 (zum Beispiel Einzel- oder Mehrkern) und einen Speichersteuerknoten 226, der Informationen über einen Front-Side-Bus (FSB) 224 austauscht; dabei ist zu beachten, dass Komponenten der Gruppe 220 in einem Chip integriert sein könnten, der die herkömmliche "northbridge"-Architektur ersetzt. Einer oder mehrere Prozessoren 222 umfassen interne arithmetische Einheiten, Register, Cache-Speicher, Busse, E/A-Ports usw., wie es im Stand der Technik bekannt ist.
-
In 2 bildet der Speichersteuerknoten 226 Schnittstellen mit dem Speicher 240 (um zum Beispiel Unterstützung für eine Art von RAM-Speicher bereitzustellen, auf den als "Systemspeicher" oder "Speicher" Bezug genommen werden kann). Der Speichersteuerhub 226 beinhaltet des Weiteren eine LVDS-Schnittstelle 232 für ein Anzeigegerät 292 (z. B. einen CRT, einen Flachbildschirm, einen Touchscreen usw.). Ein Block 238 umfasst einige Technologien, die über die LVDS-Schnittstelle 232 unterstützt werden können (z. B. serielle digitale Videos, HDMI/DVI, Anzeigeanschluss). Der Speichersteuerknoten 226 beinhaltet ebenfalls eine PCI-Express-Schnittstelle (PCI-E) 234, die diskrete Grafiken 236 unterstützen kann.
-
In 2 umfasst der E/A-Steuerknoten 250 eine SATA-Schnittstelle 251 (z. B. für HDDs, SDDs, usw., 280), eine PCI-E-Schnittstelle 252 (zum Beispiel für drahtlose Verbindungen 282), eine USB-Schnittstelle 253 (z. B. für Vorrichtungen 284 wie Digitalisierer, Tastatur, Mäuse, Kameras, Telefone, Mikrophone, Speicher, sonstige angeschlossene Geräte, usw.), eine Netzwerkschnittstelle 254 (zum Beispiel LAN), eine GPIO-Schnittstelle 255, eine LPC-Schnittstelle 270 (für ASICs 271, eine TPM 272, einen Super-E/A-Steuerknoten 273, einen Firmware-Knoten 274, eine BIOS-Unterstützung 275 sowie verschiedene Arten von Speichern 276 wie ROM 277, Flash 278 und NVRAM 279), eine Energieverwaltungsschnittstelle 261, eine Taktgeneratorschnittstelle 262, eine Audioschnittstelle 263 (zum Beispiel für Lautsprecher 294), eine TCO-Schnittstelle 264, eine Systemmanagementbus-Schnittstelle 265 und einen SPI-Flash 266, welcher eine BIOS 268 und einen Bootcode 290 enthalten kann. Der E/A-Steuerknoten 250 kann eine Gigabit-Ethernet-Unterstützung aufweisen.
-
Sobald das System eingeschaltet ist, kann es konfiguriert sein, um einen Bootcode 290 für die BIOS 268 auszuführen, wie sie in dem SPI Flash 266 gespeichert ist, und danach Daten unter der Steuerung von einem oder mehreren Betriebssystemen und Anwendungssoftware (die z. B. im Systemspeicher 240 gespeichert ist) zu verarbeiten. Ein Betriebssystem kann an einer Vielzahl von Stellen gespeichert sein und z. B. gemäß der Anweisungen des BIOS 268 auf dieses zugegriffen werden. Wie hier beschrieben kann eine Vorrichtung weniger oder mehr Funktionen, als die im System der 2 gezeigt werden, enthalten.
-
Ein Schaltkreis eines Informationshandhabungsgeräts, wie er zum Beispiel in 1 oder 2 gezeigt wird, kann in Geräten verwendet werden, die es Benutzern ermöglichen, Spracheingaben zu machen, z. B. unter Verwenden der Mikrofone der jeweiligen Geräte, die wiederum durch auf dem Gerät laufende Anwendungen genutzt werden können. In dieser Hinsicht kann der in 1 und 2 aufgeführte Schaltkreis, z. B. im Speicher der Vorrichtung, Spracherkennungssoftware enthalten, die das vom Benutzer gesprochene Wort (oder Wörter) für den Gebrauch als Eingabe, um Maßnahmen zu ergreifen (z. B. eine Maschinentexteingabe erstellen; einen Befehl ausführen, um eine Anwendung zu steuern usw.), identifiziert.
-
3 zeigt ein Beispiel eines Verfahrens zum Verwenden von Kontext, um natürliche Spracherkennungsbefehle zu interpretieren. Wie dargestellt erhält eine Ausführungsform bei 301 eine Spracheingabe eines Benutzers, z. B. über ein in dem Gerät integriertes Mikrofon. Diese Spracheingabe kann dann bei 302 durch eine Spracherkennungsmaschine verarbeitet werden, um die wortwörtliche Eingabe genau zu identifizieren. Zum Beispiel wird die Spracheingabe eines Benutzers "schicke diese Datei meinem Freund Jon" von der Spracherkennungsmaschine bei 302 als die wortwörtliche Eingabe von "schicke", "diese", "Datei", "meinem" "Freund" und "Jon" erkannt werden.
-
Während bestimmte Technologien für das Zerlegen und Analysieren dieser Kette von Eingaben, d. h. "schicke", "diese", "Datei", "meinen", "Freund" und "Jon", existieren, um einen Befehl zu identifizieren, in diesem Fall einen "schicke"-Befehl, erscheinen die übrigen Wörter der Eingabe, auch wenn diese richtig identifiziert wurde, von dem Standpunkt aus, was geschickt werden soll, z. B. welche "Datei", an wen, z. B. welchen "Jon" und wie, z. B. per E-Mail, SMS-Text usw., dennoch als unklar.
-
Dementsprechend ermöglicht es eine Ausführungsform, diese Mehrdeutigkeiten in der Spracheingabe des Benutzers durch Verwenden von Kontext, der z. B. in der Spracheingabe selbst, in anderen Kontextdaten oder einer Kombination des Vorstehenden begründet ist, eindeutig zu machen. In diesem Beispiel identifiziert eine Ausführungsform, welches der identifizierten Wörter die Spracheingabe des Benutzers mehrdeutig erscheinen lässt. Da das Wort "schicke" mit einem Befehl verbunden werden kann, z. B. eine Datei zu übertragen, kann es nicht als Quelle einer Mehrdeutigkeit identifiziert werden.
-
Die Wörter "Datei" und "Jon" können jedoch, wie bei 303 bestimmt, besonders problematisch sein. Bei der Identifizierung von mehrdeutigen Wörtern innerhalb der Spracheingabe des Benutzers können von allein Kontextdaten wirksam eingesetzt werden. Zum Beispiel kann das Wort "schicke" bei den identifizierten Wörtern, die eine Mehrdeutigkeit hervorrufen, ausgelassen werden, indem eine direkte Kontextanalyse angewendet wird, z. B. indem "schicke" direkt mit einem Übertragen-Befehl und die Ausführungsart für die aktuell laufende Anwendung, die die Eingabe erhält, z. B. E-Mail-Anwendung, SMS, Textanwendung usw., vorzugeben.
-
Andererseits könnten andere Wörter nicht so leicht eindeutig zu machen sein und können daher als der Gegenstand weiterer Analyse unter Verwenden von zusätzlichem Kontext identifiziert werden, in diesem Fall z. B. "Datei" und "Jon". Mit der Identifizierung des Wortes "Jon" als Quelle der Mehrdeutigkeit bei 303 kann eine Ausführungsform Kontextdaten innerhalb der Spracheingabe des Benutzers wirksam einsetzen, z. B. "Freund", um eine zusätzliche Quelle von Kontextdaten ausfindig zu machen, z. B. "Freund"-Kontakte auf dem Gerät. Eine Ausführungsform kann demnach bei 304 auf Kontextdaten innerhalb der Spracheingabe des Benutzers sowie außerhalb der Spracheingabe des Benutzers zugreifen, z. B. Kontaktlisten und Teilgruppen davon, um zu versuchen, die Spracheingabe eindeutig zu machen und somit die geeignete Befehlsfunktion, die ausgeführt werden soll, zu identifizieren.
-
Des Weiteren können andere Kontextdaten verwendet werden. In diesem Beispiel kann das Wort "diese" als ein mehrdeutiges Wort vorbestimmt oder standardmäßig identifiziert werden und als solches bei 303 identifiziert werden. Das Wort "diese" kann demnach als auslösendes Ereignis, bei dem eine Ausführungsform auf zusätzliche Kontextdaten zugreift, um das Wort "diese" zu interpretieren/eindeutig zu machen, verwendet werden. Es ist zu beachten, dass andere solche Wörter in ähnlicher Weise behandelt werden können und dass das Wort "diese" als nicht beschränkendes Beispiel verwendet wird. Eine Ausführungsform könnte zum Beispiel in ähnlicher Weise "diese" oder "diese (mehrere)" eindeutig machen, z. B. in dem Fall, dass mehrere Dateien ausgewählt werden, um sie zu verschicken, oder mehrere Dateien geöffnet wurden usw.
-
Demnach wird eine Ausführungsform, nach der die Identifizierung einer Quelle der Mehrdeutigkeit innerhalb einer Spracheingabe des Benutzers, z. B. "diese", bei 303, gegebenenfalls bei 304 auf zusätzliche Kontextdaten zugreifen. Im Beispiel des Wortes "diese" kann eine Ausführungsform eine Analyse des Kontextes, in dem das Wort "diese" in der Spracheingabe des Benutzers erscheint, durchführen, z. B. unmittelbar vor dem Wort "Datei". Demnach werden (in diesem Fall von der Spracheingabe des Benutzers selbst abgeleitet) Kontextdaten verwendet, um einen Zusammenhang zwischen den Wörtern "Datei" und "diese" zu bestimmen. Dies ermöglicht eine weitere Analyse, z. B. Kontextdaten in Bezug auf "Dateien" zu verwenden.
-
In dieser Hinsicht können die Kontextdaten, auf die bei 304 zugegriffen wird, Dateien umfassen, die als sachdienlich für die aktuelle Situation bekannt sind, z. B. Dateien, die derzeitig in Anwendungen offen sind, eine Datei, die in einer laufenden Anwendung ausgewählt oder hervorgehoben ist, eine vor kurzem verwendete Datei oder Dateien, usw. Demnach kann eine vermutete Liste von "Objekten", d. h. Daten oder Dateien, die "diese" Datei verkörpern können, gesammelt werden.
-
Eine Ausführungsform kann daher bei 305 bestimmen, ob die Mehrdeutigkeit gelöst wurde. Zum Beispiel kann die Mehrdeutigkeit um das Wort "Jon" als gelöst angesehen werden, indem ein einziger "Jon" in einer Gruppe von Kontakten auf dem Gerät, der sich in einer "persönlichen" oder "Freunde"-Teilgruppe befindet, gefunden wird. Alternativ kann, sollte sich nur ein "Jon" unter den Kontakten befinden, diese Mehrdeutigkeit bei 305 als gelöst angesehen werden. Gleichermaßen kann, sollte nur eine Datei ausgewählt sein oder nur eine Anwendung mit einer offenen Datei identifiziert werden, die Mehrdeutigkeit bezüglich welche Datei "diese" Datei ist, bei 305 als gelöst angesehen werden.
-
Je nach der Anzahl der zu lösenden Mehrdeutigkeiten und/oder der statistischen Sicherheit, zu der die Mehrdeutigkeiten (oder eine Gruppe davon) gelöst wurden, kann eine Ausführungsform daraufhin bei 306 eine Maßnahme oder einen Befehl ausführen oder begehen. Wenn zum Beispiel nur eine Datei und nur ein Jon identifiziert werden, kann eine Ausführungsform automatisch eine vorbestimmte Maßnahme ergreifen, die der Spracheingabe "schicke diese Datei meinem Freund Jon" entspricht. Dies kann, erneut zum Teil basierend auf einer Mehrdeutigkeitsanalyse, wie oben beschrieben, oder entsprechend einer vorbestimmten Standardregel, indem z. B. eine ähnliche Übertragungsmodalität ausgewählt wird (z. B. ist es bis zu einem bestimmten Konfidenzgrad möglich, dass E-Mail die bevorzugte Art und Weise in diesem Kontext ist, z. B. basierend auf einem Benutzerverlauf der Übertragung von Dateien dieser Art) oder einer vorbestimmten Regel bezüglich der Art und Weise (z. B. SMS-Textnachrichten-Modalität verwenden, um eine Bilddatei an einen Kontakt zu schicken, der nur eine Telefonnummer und keine E-Mail hat), erfolgen.
-
Das Auflösen von Mehrdeutigkeiten kann mehrere Spracheingaben zur Lösung von Mehrdeutigkeiten, z. B. wie bei natürlichen Sprachbefehlen, berücksichtigen. Wenn der Benutzer, der den Sprachbefehl "schicke diese Datei meinem Freund Jon" vorher eine Datei gesucht hat, z. B. mit dem Sprachbefehl "suche die Datei mit dem Namen quarterlyearnings.ppt", kann eine Ausführungsform diese vorherige Spracheingabe, die z. B. unter Kontextdaten gespeichert ist, einsetzen, um richtig zu folgern, welche Datei "diese" Datei ist. In dieser Hinsicht kann der Kontext auf andere Anwendungen und/oder Vorrichtungen (z. B. aktive Anwendungen, Maschinenzustand usw.) zugreifen. Demzufolge könnte ein Sprachbefehl des Benutzers "schicke dies jedem, der bei der Versammlung anwesend war", unter der Voraussetzung, dass eine Ausführungsform als Kontextdaten Informationen speichern kann, um "dies" eindeutig einer konkreten Datei zuzuordnen, auch das "jedem" eindeutig als die Personen identifizieren, die in einem Kalendereintrag, der in einem Geräteterminkalender unter "Gestern" gespeichert wurde, enthalten sind.
-
Sollte eine Ausführungsform nicht bestimmen, dass die Mehrdeutigkeit bei 305 gelöst wurde, z. B. zu einem vorbestimmten Konfidenzgrenzwert, könnte eine Ausführungsform den Benutzer um weitere Eingabe bitten. Sollte zum Beispiel mehr als ein Kontakt mit dem Namen "Jon" in der Freunde-Teilgruppe der Kontakte vorliegen, könnte eine Ausführungsform den Benutzer um weitere eindeutig machende Eingaben bitten, z. B. eine Auswahl von einer Liste von Kontakten mit dem Namen Jon, einer Bitte nach einem Nachnamen, einer Adresse (oder einem Teil davon) usw., bevor der Befehl begangen wird. Sollte keine Mehrdeutigkeit gefunden werden, könnte eine Ausführungsform den Befehl ohne weitere Verzögerung bei 306 ausführen.
-
Bei der Lösung der Mehrdeutigkeit mithilfe von Kontextdaten bei 305 umfasst das Eindeutig Machen daher die Zuordnung eines Kontextdatenelements, z. B. eines Kontaktlisteneintrags zu dem identifizierten Wort, das den Befehl mehrdeutig macht, z. B. Jon. Die Zuordnung dieser Elemente kann demnach als Verknüpfung eines Geräteobjektes (z. B. die Kontaktnummer oder E-Mail des Kontakts "Jon") mit dem identifizierten Wort, welches den Befehl Mehrdeutig macht, mithilfe des Kontextdatenelements, z. B. "Jon", angesehen werden. Mit dieser Verknüpfung kann eine Ausführungsform im Grunde genommen das identifizierte Wort, welches den Befehl mehrdeutig macht, z. B. "Jon", durch eine Geräteobjektbezeichnung, z. B. Kontaktnummer, wodurch die Spracheingabe in "schicke [Bezeichnung des Dateiobjekts] meinem Freund [Bezeichnung des Kontaktobjekts]" oder gezielter "schicke [Datei a] an [123-456-7890]", ersetzen.
-
Demnach ermöglicht es eine Ausführungsform Benutzern, natürliche Sprachbefehle zu äußern, wobei die Mehrdeutigkeiten dieser natürlichen Sprachbefehle identifiziert und gelöst werden, sodass die Befehle mit oder ohne weitere Benutzereingabe (z. B. Bestätigung) ausgeführt werden können. Wie aus dem Vorhergehenden ersichtlich, ermöglicht es eine Ausführungsform einem Benutzer, weiter natürliche Spracheingaben oder Befehle mit einer minimalen Anzahl von Fehlern bezüglich der Ausführung der entsprechenden Befehle oder Maßnahmen zu verwenden.
-
Wie der Fachmann bemerken wird, können verschiedene Aspekte in einem System, Verfahren oder Geräteprogramm-Produkt enthalten sein. Dementsprechend können Aspekte die Form einer vollständigen Hardwareausführungsform oder einer Ausführungsform, die Software einschließt, annehmen, auf die allgemein als "Schaltkreis", "Modul" oder "System" Bezug genommen werden kann. Des Weiteren können Aspekte die Form eines Geräteprogramm-Produktes annehmen, das in einem oder mehreren gerätelesbaren Medien integriert ist, die darin enthaltenen gerätelesbaren Programmcode aufweisen.
-
Es sollte beachtet werden, dass die hier beschriebenen unterschiedlichen Funktionen unter Verwenden von in einem gerätelesbaren Speichermedium, wie einer Nicht-Signal-Speichervorrichtung, gespeicherte, durch einen Prozessor ausführbare Anweisungen implementiert werden können. Eine beliebige Kombination von einem oder mehreren Nicht-Signal gerätelesbaren Speichermedien kann verwendet werden. Ein Speichermedium kann z. B. ein elektronisches, magnetisches, optisches, elektromagnetisches, Infrarot- oder Halbleitersystem, Vorrichtung, oder Gerät oder irgendeine geeignete Kombination davon sein. Konkretere Beispiele von Speichermedien würden die Folgenden umfassen: eine tragbare Computerdiskette, eine Festplatte, Schreib-Lese-Speicher (RAM), Nur-Lese-Speicher (ROM), ein löschbarer, programmierbarer Nur-Lese-Speicher (EPROM oder Flash-Speicher), eine Glasfaserleiter, einen tragbaren Compact Disc-Nur-Lese-Speicher (CD-ROM), ein optisches Speichergerät, ein magnetisches Speichergerät oder eine geeignete Kombination davon. Im Zusammenhang mit diesem Dokument ist ein Speichermedium nicht ein Signal und umfasst "nicht vorübergehend" alle Medien, ausgenommen Signalmedien.
-
Auf einem Speichermedium enthaltener Programmcode kann unter Verwenden eines geeigneten Mediums, welches drahtlose, drahtgebundene Lichtleiterfasern, RF usw. oder eine geeignete Kombination davon einschließt aber nicht darauf begrenzt ist, übertragen werden.
-
Programmcode für die Ausführung von Operationen kann in einer beliebigen Kombination von Programmiersprachen geschrieben werden. Der Programmcode kann vollständig auf einem einzigen Gerät, zum Teil auf einem einzigen Gerät, als alleinstehendes Softwarepaket, zum Teil auf einem einzigen Gerät und zum Teil auf einem anderen Gerät oder vollständig auf dem anderen Gerät ausgeführt werden. In manchen Fällen können die Geräte durch eine beliebige Art von Verbindung oder einem Netzwerk verbunden werden, einschließlich eines lokalen Netzwerks (LAN) oder eines Weitbereichsnetzwerks (WAN), oder die Verbindung kann durch andere Geräte (z. B. über das Internet unter Verwenden eines Internet Service Providers), durch drahtlose Verbindungen, z. B. Nahfeldkommunikation oder durch eine festverdrahtete Verbindung wie über einen USB-Anschluss, erfolgen.
-
Hierin werden Ausführungsbeispiele in Bezug auf Figuren beschrieben, die beispielhafte Verfahren, Geräte und Programmprodukte entsprechend der unterschiedlichen Ausführungsbeispiele beschreiben. Es versteht sich, dass die Maßnahmen und Funktionalität zumindest zum Teil durch Programminstruktionen implementiert werden können. Diese Programminstruktionen können von einem Prozessor eines Informationshandhabungsgeräts für allgemeine Zwecke, eines Informationshandhabungsgeräts mit speziellem Zweck oder einem anderen programmierbaren Datenverarbeitungsgerät bereitgestellt werden, sodass die Instruktionen, die über einen Prozessor des Geräts ausgeführt werden, die angegebenen Funktionen/Handlungen durchführen.
-
Es sei anzumerken, dass während konkrete Blöcke in den Figuren verwendet werden und eine bestimmte Anordnung von Blöcken dargestellt ist, dies keine begrenzenden Beispiele sind. In bestimmten Zusammenhängen können zwei oder mehr Blöcke kombiniert werden, ein Block in zwei oder mehr Blöcke aufgeteilt werden oder bestimmte Blöcke geeignet neu geordnet oder neu organisiert werden, zumal die expliziten Beispiele nur zu beschreibenden Zwecken verwendet werden und nicht begrenzend auszulegen sind.
-
Wie hierin verwendet, kann der Singular "ein" so ausgelegt werden, dass er den Plural "einen oder mehr" einbezieht, sofern nicht anders angegeben.
-
Diese Offenbarung wurde zu Zwecken der Darstellung und Beschreibung vorgestellt, hat jedoch nicht die Absicht, vollständig oder einschränkend zu sein. Viele Veränderungen und Abweichungen werden für den Fachmann ersichtlich sein. Die beispielhaften Ausführungsformen wurden ausgewählt und beschrieben, um Prinzipien und praktische Anwendungen zu erklären und es dem Durchschnittsfachmann zu ermöglichen, die Offenbarung von verschiedenen Ausführungsformen mit verschiedenen Veränderungen, wie sie für den jeweiligen Gebrauch geeignet sind, zu verstehen.
-
Dementsprechend versteht es sich, dass diese Beschreibung, auch wenn beispielhafte Ausführungsformen in Bezug auf die begleitenden Figuren beschrieben wurden, nicht einschränkend ist und dass verschiedene andere Änderungen dieser von einem Fachmann vorgenommen werden können, ohne vom Geist der Offenbarung abzuweichen.
