[发明专利]基于历史数据及机器学习自适应获取词库领域的方法及系统

说明书

本公开提供了一种基于历史数据及机器学习自适应获取语音词库领域的方法，包括：步骤S1，对语音识别结果进行语义平面的句模分类，找到语音指令中的动核以及与其相关的动元；步骤S2，摘取出语音指令中的动元，结合机器学习及用户历史数据，选择出数个词库；步骤S3，在选择的词库中用自然语言处理中的方法进行句法平面的分词，综合多个词库领域的结果进行评估，求取评估分值最高的领域作为最优结果，输出所述最优结果，同时更新用户历史数据；步骤S4，将最优结果结合语用平面的句类分析，确定最终的词库领域。通过用户历史词库的使用情况结合机器学习，自适应地从用户的历史数据中获取对应的领域，从而大大增加了灵活性以及准确性。

技术领域

本公开涉及人工智能语音交互领域，尤其涉及一种基于历史数据及机器学习自适应获取词库领域的方法及系统。

背景技术

智能音箱作为人机交互方式的探索方向之一，在近几年不断的发展下，各家厂商都在开发ASR并且利用中文分词来进行词义理解。由于中文的特点，复句的分析十分复杂且消耗时间。所以ASR厂商一般会让用户选择对应的词库来匹配对应的领域，如音乐领域、聊天领域等，以减少算法的复杂度。

但是智能音箱收到的语音指令多为简单句，即只有一个动核结构，并且多为祈使句和疑问句，模式也是比较有限的，这使得我们可以根据智能音箱的收到的语音指令特点，进行识别结果和对应领域的优化。

现有的智能音箱语音词库领域的选择缺乏灵活性，一般是需要手动指定，或通过调用参数，或者在申请ASR服务的时候手动填入。并且当指定了词库领域的之后，并没有办法根据用户的使用场景和历史数据进行相应的调整。

公开内容

(一)要解决的技术问题

本公开提供了一种基于历史数据及机器学习自适应获取语音词库领域的方法及系统，以至少部分解决以上所提出的技术问题。

(二)技术方案

根据本公开的一个方面，提供了一种基于历史数据及机器学习自适应获取语音词库的方法，包括：步骤S1，对语音识别结果进行语义平面的句模分类，找到语音指令中的动核以及与其相关的动元；步骤S2，摘取出所述语音指令中的动元，结合机器学习及用户历史数据，选择出数个词库；步骤S3，在选择的词库中用自然语言处理方法进行句法平面的分词，综合多个词库领域的结果进行评估，求取评估分值最高的领域作为最优结果，输出所述最优结果，同时更新用户历史数据；步骤S4，将最优结果结合语用平面的句类分析，确定最终的词库领域。

在本公开一些实施例中，所述步骤S1中进行语义平面的句模分类采用模式匹配算法，获取语音指令中的动核以及与其相关的动元。

在本公开一些实施例中，所述步骤S2包括：将语音指令中的动核以及与其相关的动元分离，并摘取出动元，根据动元结合机器深度学习所选择出的数个词库；并根据用户历史数据，选取用户使用最频繁的数个词库领域。

在本公开一些实施例中，所述步骤S3中，在选择的词库中用自然语言处理中的N－最短路径方法进行句法平面的分词；在选择最短路径是采用贪心算法或Dijkstra最短路径算法。

在本公开一些实施例中，所述步骤S3中，综合多个词库领域的结果进行评估包括：对词与词之间的关联程度进行评估，以及对最短路算法结果进行评估；更新用户历史数据包括：更新用户历史词库领域使用情况，以及通过历史数据和机器学习对词库内名词的权值进行优化。

在本公开一些实施例中，所述步骤S1之前还包括：步骤S0，ASR识别引擎接收用户发出语音指令，进行语音识别，得到语音识别结果。