[发明专利]使用语音识别模型生成结构化文本内容

说明书

方法、系统和装置，包括在计算机存储介质上编码的计算机程序，基于表示一个或多个话语的输入声学序列，使用语音识别模型来生成结构化文本内容。一种方法包括获得输入声学序列，该输入声学序列表示一个或多个话语；使用语音识别模型来处理该输入声学序列以生成输入声学序列的转录，其中，语音识别模型包括特定于领域的语言模型；并且将所生成的输入声学序列的转录作为输入提供给特定于领域的预测模型，以生成从输入声学序列的转录导出的结构化文本内容。

技术领域

本说明书涉及语音识别系统。

背景技术

语音识别系统接收声学序列并且生成由声学序列表示的话语的转录。一些语音识别系统包括发音系统、声学建模系统和语言模型。声学建模系统生成声学序列的音素表示，发音系统从音素表示生成声学序列的语义图表示，并且语言模型从语义图表示生成由声学序列表示的话语的转录。

发明内容

本说明书描述了基于表示一个或多个话语的输入声学序列使用语音识别模型来生成结构化文本内容的系统和方法。

通常，本说明书中描述的主题的一个创新方面以方法体现，该方法包括下述动作：获得输入声学序列，所述输入声学序列表示一个或多个话语；使用语音识别模型来处理所述输入声学序列以生成所述输入声学序列的转录；以及将所生成的所述输入声学序列的转录作为输入提供给特定于领域的预测模型，以生成从所述输入声学序列的转录导出的结构化文本内容。在一些实施方式中，特定于领域的预测模型包括机器学习模型，例如序列对序列模型。机器学习模型可以包括神经网络模型，诸如深度神经网络模型。

该方面的其他实施例包括记录在一个或多个计算机存储设备上的相应计算机系统、装置和计算机程序，分别被配置为执行方法的动作。一个或多个计算机的系统可以被配置为借助于安装在系统上的软件、固件、硬件或其任何组合来执行特定操作或动作，其在操作中可以使得系统执行动作。一个或多个计算机程序可以被配置为通过包括当由数据处理装置执行时，使该装置执行动作的指令来执行特定操作或动作。

前述和其他实施方式可以各自任选地单独或组合地包括一个或多个下述特征。在一些实施方式中，所述语音识别模型包括特定于领域的语言模型。

在一些实施方式中，所述特定于领域的语言模型包括已经使用特定于医学的训练数据训练的医学语言模型。

在一些实施方式中，所述特定于领域的预测模型包括概要预测模型，所述概要预测模型被配置为生成从所述输入声学序列的转录导出的医师笔记。

在一些实施方式中，所述概要预测模型被进一步配置为生成医师笔记，所述医师笔记从所述输入声学序列的转录以及以下中的一个或多个导出：(i)所述输入声学序列、(ii)与所述输入声学序列相关联的数据、(iii)表示医师口述的声学序列或(iv)表示患者的病历的数据。

在一些实施方式中，所述医师笔记包括具有特定文档格式的文档。

在一些实施方式中，所述医师笔记包括所述概要预测模型已经基于所述文档格式从所述输入声学序列的转录中提取的信息。

在一些实施方式中，所述医师笔记包括所述概要预测模型已经从所述输入声学序列的转录中提取并且基于所述文档格式进行扩充的信息。

在一些实施方式中，所述特定于领域的预测模型包括自动预测模型，所述自动预测模型被配置为基于所述输入声学序列的转录，生成数字数据和/或其他数据。

在一些实施方式中，所述自动预测模型被进一步配置为生成基于所述输入声学序列的转录以及以下中的一个或多个的数据：(i)所述输入声学序列、(ii)与所述输入声学序列相关联的数据、(iii)表示医师口述的声学序列或(iv)表示患者的病历的数据。

在一些实施方式中，所述特定于领域的预测模型包括患者指导预测模型，所述患者指导预测模型被配置为生成从所述输入声学序列的转录导出的患者指导。