[发明专利]基于声纹识别的机器人知识图谱节点更新方法

权利要求书

1.一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤为：

步骤一:机器人启动声纹识别，根据音频输入搜集目标人物的声纹信息；

步骤二:根据搜集的声纹信息，查询本地或云端数据库；

步骤三:判断搜集到的声纹信息是否在机器人知识图谱的数据库中，如果是则转到步骤七，如果否则继续步骤四；

步骤四:在机器人知识图谱中增加新的人物实体，并以声纹信息作为识别标签；

步骤五:机器人主动提问目标人物，获得其基本信息，根据基本信息增添新的三元组实例；

步骤六:根据新的三元组实例与现有知识图谱，推理出目标人物实体与其他实体的关系；

步骤七:以声纹识别技术区分不同的人物实体，针对性地作出个性化的人机交互选择；

步骤八:根据与目标人物实体的交互信息，用nlp技术，即自然语音处理技术，再次推理出新的相关三元组。

2.如权利要求1所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤一中搜集到的目标人物的声音信息，通过计算其语音频谱提取得到相应的语音特征MFCC，即梅尔倒谱系数。

3.如权利要求1所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤二中所述的知识图谱可以储存在本地也可以储存于云端服务器，且通用知识图谱和个性化知识图谱可以分开储存。

4.如权利要求1或2所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤三中所述的判断方法具体为：使用高斯混合通用背景模型，即GMM-UBM说话人识别系统，根据提取的所述语音特征MFCC的特征参数，利用数据库中已有的说话人GMM-UBM，计算得出说话人的概率得分，若得分超过设定阈值且得分最高，则认为是同一个人，若未超过设定阈值则判定为语音未注册。

5.如权利要求1、2或4之一所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤四中所述的增加新标签的方法具体为：使用所述GMM-UBM说话人识别系统，根据提取的所述语音特征MFCC的特征参数，采用最大后验概率自适应方法，即MAP，训练说话人GMM模型，以此注册新的声纹，并在知识图谱中创建新的人物实体，建立三元组，即人物标签-声纹-说话人模型；所述注册新的目标人物实体的标签的行为是机器人主动进行的。

6.如权利要求1所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤六中，当新的实体节点加入知识图谱后，每增加一个三元组，机器人都会尝试进行推理，根据已存在的直接相关的关系得出新实体与其他实体间接相关的关系，并尝试再次创建新的三元组。

7.如权利要求1所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，步骤七中所述的个性化交互是指机器人基于已知的人物实体的性别、年龄、家庭关系、社会关系、兴趣爱好等各种个人信息，在与人交互时，调整说话语气、称呼、主动建议等。

8.如权利要求1所述的一种基于声纹识别的机器人知识图谱节点更新方法，其特征在于，所述机器人依赖可靠的nlp技术与声纹识别系统确定与之交互的人物实体，可在日常生活交流中不断地主动创建与对话人物实体相关的新的三元组，并更新其知识图谱，进而不断学习。