[发明专利]语义理解及语音交互方法、装置、设备及存储介质

说明书

本发明公开了一种语义理解及语音交互方法、装置、设备及存储介质。获取语音输入的文本信息，获取场景信息，基于所述文本信息和所述场景信息，对所述语音输入的意图进行分析，以得到意图识别结果。结合场景信息对用户的语音输入的意图进行分析，可以实现更精准的语义理解，从而为用户提供更加精准的语音交互服务提供了支持。

技术领域

本发明涉及语音交互领域，特别是涉及一种语义理解及语音交互方法、装置、设备及存储介质。

背景技术

语音交互属于人机交互的范畴，是人机交互发展到目前的一种较为前沿的交互方式。语音交互就是用户通过自然语言给机器下指令，以达成自己的目的的过程。语义理解是实现语音交互的一个重要部分。语义理解的主要工作是理解用户的语音输入想要表达的意思，即识别用户的语音输入的意图信息。

传统的语义理解方案主要是根据固定的语义识别模型或专家经验来识别用户的语音输入的意图信息。但是由于用户的表达环境(生活环境、时间、空间、兴趣、个人状态等)在不断变化，脱离语境的文本通常情况下是意义不明或者无意义的，使得现有的语义理解方案会导致错误的语义理解，或者答非所问、甚至完全无法理解。

因此，需要一种改进的语义理解方案，以准确地理解用户的语音意图。

发明内容

本发明的一个目的在于，提供一种能够准确理解用户的语音意图的语义理解及语音交互方案。

根据本发明的第一个方面，提出了一种语义理解方法，包括：获取语音输入的文本信息；获取场景信息；基于文本信息和场景信息，对语音输入的意图进行分析，以得到意图识别结果。

可选地，场景信息包括以下至少一项：时间信息；位置信息；周围环境信息；接收语音输入的设备的状态信息；接收语音输入的设备上的应用信息；用户信息；上下文信息。

可选地，对语音输入的意图进行分析的步骤包括：对文本信息进行解析，以得到文本语义信息；对场景信息进行解析，以得到场景语义信息；基于文本语义信息和场景语义信息，确定意图识别结果。

可选地，基于文本语义信息和场景语义信息确定意图识别结果的步骤包括：将文本语义信息和场景语义信息进行比对，以确定场景语义信息中的可用部分；基于文本语义信息和可用部分，确定意图识别结果。

可选地，基于文本语义信息和场景语义信息确定意图识别结果的步骤包括：将文本语义信息涉及的领域和场景语义信息涉及的领域进行比对，以确定语音输入针对的意图领域；以及/或者将文本语义信息涉及的意图和场景语义信息涉及的意图进行比对，以确定语音输入针对的意图信息；以及/或者基于文本语义信息涉及的第一槽位信息和场景语义信息涉及的字段信息，确定语音输入针对的第二槽位信息，其中，意图识别结果包括意图领域和/或意图信息和/或第二槽位信息。

可选地，基于文本语义信息和场景语义信息确定意图识别结果的步骤还包括：在文本语义信息涉及的意图和场景语义信息涉及的意图不匹配的情况下，重新执行将文本语义信息涉及的领域和场景语义信息涉及的领域进行比对的步骤，以重新确定语音输入针对的意图领域；以及/或者在文本语义信息涉及的第一槽位信息和场景语义信息涉及的字段信息不匹配的情况下，重新执行将文本语义信息涉及的领域和场景语义信息涉及的领域进行比对的步骤，以重新确定语音输入针对的意图领域。

可选地，文本语义信息包括领域、和/或意图、和/或第一槽位信息；并且/或者场景语义信息包括一个或多个场景状态及与每个场景状态对应的状态信息。

可选地，场景状态包括以下至少一种：导航状态；驻车状态；巡航状态；娱乐状态；通勤状态；兴趣点状态。

可选地，该方法还包括：对意图识别结果进行信息整合，并将整合后的数据发送给服务端，以由服务端基于整合后的数据进行交互。