[发明专利]在web页框架中启用语法的方法和系统

说明书

技术领域

本发明的领域涉及数据处理，或者，更具体地，涉及用于在web页框架中启用语法的方法、装置和产品。

背景技术

由于小型设备已经日益变小，与通过键盘或者指示笔运行于小型设备上的应用的用户交互变得越来越受限和麻烦。特别地，类似移动电话和PDA的小型手持设备通过诸如多模式接入等其他方式提供许多功能并包含充分的处理能力来支持用户交互。支持多模式接入的设备将多个用户输入方式或者通道组合在同一个交互中，允许一个用户通过多个输入模式或者通道同时与该设备上的应用交互。输入的方法包括语音识别、键盘、触摸屏、指示笔、鼠标、手写以及其他。多模式输入往往会使得小型设备的使用更加容易。

多模式应用往往运行于提供多模式web页以在多模式浏览器上显示的服务器。作为本说明书中所使用的术语，“多模式浏览器”通常意味着能够接收多模式输入并且以多模式输出与用户交互的web浏览器。典型地，多模式浏览器展现了用XHTML+Voice(“X+V”)编写的web页。X+V提供了使用户能够通过除了诸如键盘敲击和鼠标指针动作等传统输入方式以外的口语对话与通常运行于服务器上的多模式应用交互的标记语言。X+V通过将XHTML(可扩展超文本标记语言)和VoiceXML所支持的语音识别词汇表结合起来的方式为标准web内容增加了口语交互。对于可视化的标记，X+V包括XHTML标准。对于话音标记，X+V包括VoiceXML的子集。

目前，轻量级话音解决方案需要开发人员建立语法和词典对自动语音识别(automatic speech recognition，ASR)引擎所必须识别的词的可能数量加以限制——作为提高准确度的手段。典型地，一些普及的设备已经由于设备的形状因数的缘故限制了交互和输入模态，信息站设备也已经通过设计限制了交互和输入模态。在这两种情况下，实施与说话者无关的话音识别的使用来增强用户体验以及与设备的交互。与说话者无关的识别的当前技术允许写下一些复杂的话音应用，只要每个可能的话音命令都有与之相关联的有限的词汇表。例如，如果用户被提示说出城市的名称，则系统就可以相当自信地识别出所说的城市名称。

话音交互的特性与X+V相结合，从而可以直接用于X+V内容之中。X+V包括支持语音合成、语音对话、命令和控制以及语音语法的话音模块。话音处理装置可以附着于X+V元素并对具体事件做出响应。对VoiceXML元素与相应的可视化接口元素进行同步，X+V采用XML Events事件(本文档中通常称为“事件”)。对X+V的详细说明可以从网页http://www.voicexml.org的VoiceXML论坛上获得。对XHTML和XML Events的详细说明可以从网址为http://www.w3.org/MrakUp的万维网联盟的HTML的主页上获得。对VoiceXML的详细说明可以从网址为http://www.w3.org/voice的万维网联盟的Voice Browser Activity上获得。

多模式应用可以跨越多个XHTML web页。这些web页中的一个可以规定多个框架，其中每个框架包含其自身的XHTML页面。对于HTML框架的概述，  可参见万维网联盟的网站http://www.w3.org/TR/html401/present/frames.html。框架允许作者呈现浏览器同时显示的多个视图或者子窗口。一个常见的用途是将应用的导航作为独立的子窗口分离。当另一个子窗口中的内容更新时，导航子窗口并不改变。为了规定多个框架，在包括包含<frameset>标记元素的应用的文档中，有一个被称为“框架集文档”的顶级XHTML文档。一个或多个<frame>元素像<frameset>的子代一样被配置为框架集文档中的标记。每个框架都有一个名称以便多个XHTML文档可以作为新内容放置于其内部。每个框架都可以在识别文档的标记中通过其名称被目标定位从而显示在由框架定义的子窗口中。XHTML文档内的<link>和<anchor>元素规定哪一个框架将通过“目标”标记属性装载引用的XHTML文档。如果缺少“目标”属性，则默认当前框架为目标。如果用户通过图形用户界面(GUI)利用鼠标单击激活框架中的超链接，则只有目标框架随着新内容被更新。

然而，在现有技术中，只有当前受到关注的框架将启用语音识别语法。由于用户可以同时看见浏览器显示的所有框架，所以用户希望启用针对所有框架的语法。针对超链接的框架通过GUI，而不是通过话音启用。