[发明专利]一种语音识别纠错方法及人机对话系统

权利要求书

1.一种语音识别纠错方法，其特征在于：包括以下步骤：

获取语音识别结果和候选语义片段以及语音识别结果的拼音和候选语义片段的拼音；

将语音识别结果和候选语义片段进行组合，形成若干新的纠错文本，计算语音识别结果和候选语义片段的拼音相似度和纠错文本的组合分数，根据组合分数筛选纠错文本得到纠错候选列表；

语言模型优化步骤，利用语言模型计算语言模型评分，并根据组合分数和语言模型评分生成最终纠错列表；

计算语音识别结果和候选语义片段的拼音相似度具体包括以下步骤：

计算语音识别结果的拼音对应的字符串的子字符串和候选语义片段之间的拼音相似度，形成相似度矩阵M_k；

根据拼音相似度计算组合分数；计算所述组合分数时加权字符串长度；

对组合分数按照由大到小排序，并取前N个组合分数对应的候选语义片段，得到纠错候选列表；

假设语音识别的字符串的长度为n,对应汉语拼音[str0,str1,str2,...,str n-1]；候选语义片段为t1、t2、...、tX，对应拼音s1、s2、...、sX；相似度矩阵M_k的矩阵大小为：n*n，其中M_k(i,j)，0＝i＝j＝n-1，表示字符串[stri,...,strj]和字符串sk的拼音相似度；

计算语音识别结果的拼音与每个语义片段的拼音的相似度矩阵的步骤中，采用基于编辑距离的算法来计算两个字符串的相似度；

相似度矩阵的计算步骤中，采用动态规划从正向、反向两个方向运算；

计算得分最高的前N个片段组合F(n)；

初始状态，F(1)为M_k(0,0)对应的得分最高的前N个字符串，及字符串str0和候选片段拼音s1、s2、...、sX相似度最高的前N个字符串；

用F_score(n)表示最优片段组合F(n)对应的组合分数，length_weight表示字符串长度权重；动态规划的从n-1到n的决策过程如下，F(n)由下列多种情况组成：

F_score(n)＝M_k(0,n-1)*n*length_weight；这种情况组合分数为整个语音识别的字符串和候选片段拼音匹配的相似度乘以字符串的长度n，再乘以字符串长度权重；

F_score(n)＝F_score(1)+M_k(1,n-1)*(n-1)*length_weight；这种情况组合分数为第一个字符串的最优组合分数，加上字符串[str1,str2,...,str n-1]和候选片段拼音匹配的相似度乘以字符串的长度n-1，再乘以字符串长度权重；

F_score(n)＝F_score(2)+M_k(2,n-1)*(n-2)*length_weight；这种情况组合分数为字符串[str0,str1]的最优组合分数，加上字符串[str3,...,str n-1]和候选片段拼音匹配的相似度乘以字符串的长度n-2，再乘以字符串长度权重；

按照上述过程迭代计算，中间的情况不再赘述，最后的两种情况为：

F_score(n)＝F_score(n-1)+M_k(n-1,n-1)*1*length_weight；这种情况组合分数为字符串[str0,...,str n-2]的最优组合分数，加上字符串[strn-1]和候选片段拼音匹配的相似度乘以字符串的长度1，再乘以字符串长度权重；

F_score(n)＝F_score(n-1)+self_score；这种情况组合分数为字符串[str0,...,strn-2]的最优组合分数，加上新增字符串[str n-1]本身对应的相似度设定值self_score；

对F_score(n)的各种情况进行排序，取前N个，得到纠错候选列表；

所述语言模型优化步骤包括：

语言模型评分步骤，将纠错候选列表输入语言模型，计算纠错候选列表中各个纠错文本的ngram分数；

分数融合步骤，按照预设的权重，将语言模型评分和组合分数进行加权求和，得到最终评分；

排序步骤，按照最终评分由高到低将纠错候选列表中的纠错文本进行排序。

2.一种人机对话系统，其特征在于：包括语音识别纠错模块，所述语音识别纠错模块使用了如权利要求1中所述的语音识别纠错方法。

3.根据权利要求2所述的一种人机对话系统，其特征在于：还包括语音识别模块、话术模块、意图识别模块，所述话术模块用于向用户发送对话内容或根据用户的语音对应的意图回应用户的对话内容，所述语音识别模块用于识别用户的语音内容，所述意图识别模块用于根据语音内容和对话内容上下文识别用户的意图，所述语音识别纠错模块用于在意图识别模块识别失败后，生成纠错候选列表，所述意图识别模块还用于根据语音识别纠错模块生成的纠错候选列表重新识别用户的意图。