[发明专利]语音检索的方法和系统

说明书

技术领域

本发明实施例涉及一种语音检索的方法和语音检索系统，并且更具体地，涉及采用多个语音特征进行检索的语音检索的方法和语音检索系统。

背景技术

近几年来，传统的文字检索已经越来越不能满足人们日益多元化的需要。随着语音识别技术的发展，基于语音识别技术的语音检索越来越受到人们的关注。但是，由于在检索时用户的发音可能与检索系统中预定的标准发音存在差异，在目前所采用的通过单个语音特征(例如单词)进行检索的方式中，语音识别的错误率较高，并且对于用户检索输入的发音有很高的要求。

在美国专利第US 2009/0030894A1号(专利文献1)中公开了一种语音索引和检索方法。该方法包括：接收由一个或多个检索项形成的检索输入；判断每个检索项属于“在词汇集合”还是“不在词汇集合”；根据检索项所属的集合类型选择一个或多个索引进行检索；针对每个检索项合并检索结果；以及合并所有检索项的检索结果。专利文献1的索引和检索方法通过将检索输入划分为多个检索项、对检索项进行词汇集合所属集合类型判断并根据判断结果选择不同的搜索引擎进行检索、以及采用两次合并的合并方法，提高了语音识别的准确性。

在美国专利第US 2009/0132251A1号(专利文献2)中，还公开了一种语音检索的方法。在该方法中，通过使用次文字单元作为语音检索的检索特征，提高了检索速度并且提高了语音识别的准确性。

然而，在现有的语音检索方法中，仍然存在检索精度不高、用户所希望的结果不被排在检索结果中相对前面的位置等问题。此外，当需要对多种语言或者新出现的词汇进行检索时，现有的语音检索方法需要重新构建检索系统，这意味着庞大的工作量。

发明内容

针对以上问题，希望提供一种能够提高检索精度的语音检索的方法和系统。

根据本发明的一个方面，提供了一种语音检索的方法。该语音检索的方法包括：接收来自用户的检索输入；利用多组声学模型和语言模型从检索输入中提取多个检索输入语音特征并获得每个检索输入语音特征的第一置信度；分别对多个检索输入语音特征进行检索，以得到对应于每个检索输入语音特征的检索结果列表以及检索结果列表中每条结果记录的第二置信度和搜索引擎得分；根据每个语音特征的第一置信度、第二置信度和搜索引擎得分计算该语音特征的每条结果记录的检索得分并进行归一化；根据归一化的检索得分，对每个检索结果列表进行重新排序；以及把各个特征的重新排序后的检索结果列表进行合并以得到最终的检索列表。

根据本发明的一个方面，提供了一种语音检索的系统。该语音检索的系统，包括：输入模块，用于接收来自用户的检索输入；解码模块，用于利用多组声学模型和语言模型从检索输入中提取多个检索输入语音特征并获得每个检索输入语音特征的第一置信度；检索模块，分别对解码模块提取的多个检索输入语音特征进行检索，以得到对应于每个检索输入语音特征的检索结果列表以及检索结果列表中每条结果记录的第二置信度和搜索引擎得分；重排序模块，根据每个语音特征的语音特征的第一置信度、第二置信度和搜索引擎得分计算该语音特征的每条结果记录的检索得分并进行归一化，并根据归一化的检索得分，对每个检索结果列表进行重新排序；以及合并模块，把各个特征的重新排序后的检索结果列表进行合并以得到最终的检索列表。

通过利用语音的多个特征，本发明的语音检索方法和系统可以得到比使用一个语音特征的语音检索方法和系统更好的结果。并且通过利用置信度对检索结果进行重新排序，降低了语音识别时较低置信度结果对语音搜索的影响。

此外，本发明的语音检索方法和系统适用于多种语言的语音检索以及对对新兴词汇的语音检索。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是描述了根据本发明的一个实施例的语音检索方法的流程图；

图2是描述了根据本发明实施例的图1所示的方法的步骤的一个例子的流程图；

图3是描述了根据本发明实施例的图1所示的方法的步骤的另一个例子的流程图；

图4是示出了根据本发明的一个实施例的语音检索系统的框图。

图5是示出了根据本发明的另一个实施例的语音检索系统的框图。

图6是示出了根据本发明的另一个实施例的语音检索系统的框图。