[发明专利]索引和搜索带有文本元数据的语音

权利要求书

1.一种索引包含语音数据（52）和文本元数据（54）的口头文档（50）的 方法，所述方法包括：

生成（305）有关来自语音数据（52）的经识别语音的信息，所述经识别 语音包括第一序列的文本词语，所述信息包含通过使用基于长度的分数求和确 定的词语出现在语音数据中该词语的位置处的后验概率以及每个所述词语在 所述第一序列中的词语位置信息；

生成（313）有关文本元数据（54）的词语的第二序列的信息，所述文本 元数据包括第二序列的文本词语，所述信息包括每个词语在所述文本元数据的 词语的第二序列中的位置信息和概率信息，所述位置信息与每个词语在所述经 识别语音的词语的第一序列中的位置的词语位置信息具有相同的格式；

基于有关经识别语音的信息和有关在所述文本元数据的词语的第二序列 的信息来构造（314）索引。

2.如权利要求1所述的方法，其特征在于，还包括，分类（304）语音数 据（52）和文本元数据（54）至少之一。

3.如权利要求2所述的方法，其特征在于，分类（304）包括分类不同类 型的语音数据（52）。

4.如权利要求2所述的方法，其特征在于，分类（304）包括分类不同类 型的文本元数据（54）。

5.如权利要求2所述的方法，其特征在于，构造（314）所述索引包括用 类别信息构造（314）所述索引。

6.如权利要求1所述的方法，其特征在于，生成（305）有关来自语音数 据（52）的经识别语音的信息包括生成位置专用后验网格。

7.如权利要求4所述的方法，其特征在于，生成（313）有关文本元数据 （54）的信息包括生成位置专用后验网格。

8.如权利要求1所述的方法，其特征在于，生成（305）有关来自语音数 据（52）的经识别语音的信息包括基于语音数据（52）的相同部分标识（306） 至少两个替换的语音单元序列；以及其中基于所述有关经识别语音的信息构造 （314）索引包括：对于所述至少两个替换语音单元序列中的每一语音单元， 将指示所述语音单元在所述两个替换语音单元序列的至少一个之中的位置的 信息放在所述索引中的一个条目中。

9.如权利要求1所述的方法，其特征在于，生成（305）有关来自语音数 据（52）的经识别语音的信息包括通过对至少两个概率求和来确定语音单元出 现在所述位置的概率，其中每一概率与所述语音单元出现在单独的语音单元序 列中相关联。

10.一种基于搜索查询来检索口语文档的方法，包括：

接收（316）搜索查询；

在索引中搜索（318）关联于所述搜索查询中一词语的条目，所述索引包 括：

与具有语音数据和文本元数据的口语文档的文档标识符有关的信 息；

标识不同类型的语音数据以及语音数据相对于文本元数据的至少一 个的类别类型标识符；和

所述词语在包括多个词语的所述文本元数据中的概率信息和位置信 息，该位置信息指示了所述词语在所述多个词语中的位置，而该概率信息 基于长度的分数求和指示了所述词语出现在该位置的后验概率；

通过搜索（318）所述索引来相对于彼此排列口语文档；以及

基于所述经排列的口语文档返回（320）搜索结果。

11.如权利要求10所述的方法，其特征在于，通过搜索（318）所述索引 排列所述口语文档包括：对每一口语文档计算组成的n元分数的集合。

12.如权利要求11所述的方法，其特征在于，每一组成的n元分数是通过 在n元的所有可能形成上对各个n元分数求和来形成的。

13.如权利要求12所述的方法，其特征在于，所述组成的n元分数的集合 是基于不同的类别类型的分数计算的。

14.如权利要求13所述的方法，其特征在于，所述类别类型的分数是通过 将每一相应类别类型的组成的n元分数的每一个求和在一起来计算的。