[发明专利]基于家用电器的语音处理方法和装置

说明书

本发明公开了一种基于家用电器的语音处理方法和装置。其中，该方法包括：家用电器接收语音信息，并在对所述语音信息进行语音识别的过程中，将所述语音信息划分为至少如下两部分：对应合理语句的第一语音信息和对应不合理语句的第二语音信息；获取所述第一语音信息对应的第一识别结果，并将所述第二语音信息转换为合理语句；对转换后的所述第二语音信息进行语音识别，得到第二识别结果；基于所述第一识别结果和所述第二识别结果生成用于控制所述家用电器的指令语句。本发明解决了现有技术中，家用电器设备根据自然语言生成语句的准确性较低的技术问题。

技术领域

本发明涉及智能家居领域，具体而言，涉及一种基于家用电器的语音处理方法和装置。

背景技术

现有技术中，对家用电器的语音控制方式逐渐增多，基于深度学习的语音识别方法是主要应用方式。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像信息，文本信息和自然语言信息。

但随着深度学习在自然语言信息处理中的应用，深度学习的各种模型多为基于概率模型，由概率统计得到的自然语言生成语句的准确性远不如人为规则生成的语句，即自然语言生成语句的准确性还不够高，在得到某些不通顺或者语法不合理的自然语言时，会将其在优化过程中舍弃，从而导致自然语言生成语句的准确度降低。

针对现有技术中，家用电器设备根据自然语言生成语句的准确性较低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于家用电器的语音处理方法和装置，以至少解决现有技术中，家用电器设备根据自然语言生成语句的准确性较低的技术问题。

根据本发明实施例的一个方面，提供了一种基于家用电器的语音处理方法，包括：家用电器接收语音信息，并在对语音信息进行语音识别的过程中，将语音信息划分为至少如下两部分：对应合理语句的第一语音信息和对应不合理语句的第二语音信息；获取第一语音信息对应的第一识别结果，并将第二语音信息转换为合理语句；对转换后的第二语音信息进行语音识别，得到第二识别结果；基于第一识别结果和第二识别结果生成用于控制家用电器的指令语句。

进一步地，家用电器接收语音信息，并在对语音信息进行语音识别的过程中，将语音信息划分为至少如下两部分：对应合理语句的第一语音信息和对应不合理语句的第二语音信息，包括：将语音信息转换为对应的文字信息；将文字信息进行分词，得到分词结果；获取分词结果中，相邻词语的联合概率；如果存在目标词语与前向词语之间的第一联合概率小于预设概率阈值，且目标词语与后向词语之间的第二联合概率也小于预设概率阈值，则确定目标词语所在的语句为不合理语句。

进一步地，获取预设的语句知识图谱，其中，语句知识图谱包括多个节点和多个节点之间的连接关系，多个节点用于表示文字信息和对文字信息的描述；将第二语音信息对应的文字信息在语句知识图谱中进行路径搜索，推理出第二语音信息对应的合理语句。

进一步地，在第一识别结果对应的语句指令和第二识别结果对应的语句指令不冲突的情况下，将第一识别结果和第二识别结果进行叠加，并确定叠加结果为用于控制家用电器的指令语句；在第一识别结果对应的语句指令和第二识别结果对应的语句指令相冲突的情况下，确定第一识别结果为用于控制家用电器的指令语句。

进一步地，在基于第一识别结果和第二识别结果生成用于控制家用电器的指令语句之后，记录接收语音信息的时间和语音信息对应的指令语句；将接收语音信息的时间和语音信息对应的指令语句作为第一训练数据集，对神经网络模型进行训练，其中，神经网络模型用于对家用电器的控制指令进行预测。

进一步地，在基于第一识别结果和第二识别结果生成用于控制家用电器的指令语句之后，提取语音信息的语音特征；将语音特征和语音信息作为第二训练数据集，对语音模型进行训练，其中，语音模型用于向与家用电器通信的其他设备发出语音指令。