[发明专利]一种语音识别结果处理方法及相关装置在审
申请号: | 201910104210.8 | 申请日: | 2019-02-01 |
公开(公告)号: | CN109829163A | 公开(公告)日: | 2019-05-31 |
发明(设计)人: | 张琪;胡新辉;徐欣康 | 申请(专利权)人: | 浙江核新同花顺网络信息股份有限公司 |
主分类号: | G06F17/27 | 分类号: | G06F17/27;G10L15/26 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 罗满 |
地址: | 310000 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 标点 语音识别结果 标注 序列标注 语义标注 计算机可读存储介质 计算机装置 处理系统 相关装置 学习训练 训练数据 语义特征 实时性 申请 | ||
1.一种语音识别结果处理方法,其特征在于,包括:
对语音识别结果进行语义特征标注,得到语义标注结果;
采用序列标注模型对所述语义标注结果进行标识,得到已标注标点数据;其中,所述序列标注模型是根据已标注标点的训练数据进行深度学习训练得到的;
对所述已标注标点数据进行整理,得到最终标点添加结果。
2.根据权利要求1所述的语音识别结果处理方法,其特征在于,对语音识别结果进行语义特征标注,得到语义标注结果,包括:
对语音识别结果进行分词,得到分词结果;
对所述分词结果中的每个词汇标注对应的词性,得到所述语义标注结果。
3.根据权利要求1所述的语音识别结果处理方法,其特征在于,对语音识别结果进行语义特征标注,得到语义标注结果,包括:
对语音识别结果进行分词,得到分词结果;
对所述分词结果中的每个词汇标注对应的词性和词长,得到所述语义标注结果。
4.根据权利要求1所述的语音识别结果处理方法,其特征在于,对语音识别结果进行语义特征标注,得到语义标注结果,包括:
对语音识别结果进行分词,得到分词结果;
对每个分词结果中的每个词汇进行句法分析,得到所述每个词汇对应的句法成分;
对所述分词结果中的所述每个词汇标注对应的词性、词长以及句法成分,得到所述语义标注结果。
5.根据权利要求1至4任一项所述的语音识别结果处理方法,其特征在于,采用序列标注模型对所述语义标注结果进行标识,得到已标注标点数据;其中,所述序列标注模型是根据已标注标点的训练数据进行深度学习训练得到的,包括:
采用已训练双向BiLSTM模型和已训练CRF模型对所述语义标注结果进行标识,得到所述已标注标点数据;其中,所述已训练双向BiLSTM模型和所述已训练CRF模型是根据已标注标点的训练数据进行深度学习训练得到的。
6.一种语音识别结果处理系统,其特征在于,包括:
语义特征标注模块,用于对语音识别结果进行语义特征标注,得到语义标注结果;
模型识别模块,用于采用序列标注模型对所述语义标注结果进行标识,得到已标注标点数据;
数据整理模块,用于对所述已标注标点数据进行整理,得到最终标点添加结果。
7.根据权利要求6所述的语音识别结果处理系统,其特征在于,所述语义特征标注模块,包括:
数据分词单元,用于对语音识别结果进行分词,得到分词结果;
词性标注单元,用于对所述分词结果中的每个词汇标注对应的词性,得到所述语义标注结果。
8.根据权利要求6或7所述的语音识别结果处理系统,其特征在于,所述模型识别模块,具体用于采用已训练双向BiLSTM模型和已训练CRF模型对所述语义标注结果进行标识,得到所述已标注标点数据;其中,所述已训练双向BiLSTM模型和所述已训练CRF模型是根据已标注标点的训练数据进行深度学习训练得到的。
9.一种计算机装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述的语音识别结果处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的语音识别结果处理方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江核新同花顺网络信息股份有限公司,未经浙江核新同花顺网络信息股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910104210.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种文本分词方法及装置
- 下一篇:用于生成文本的方法和装置