[发明专利]垃圾指令识别方法及装置

权利要求书

1.一种垃圾指令识别方法，其特征在于，所述方法包括：

获取音频信息；

将所述音频信息转换为文字信息；

提取所述音频信息的音频特征生成音频特征集合；

利用预训练的文本模型获取所述文本信息的特征向量；

将所述音频特征集合和所述特征向量作为深度神经网络分类器输入，根据所述深度神经网络的输出确定所述音频信息是否为垃圾指令。

2.根据权利要求1所述的方法，其特征在于，在所述获取音频信息之后，所述方法还包括：

如果所述音频信息无法转换为文字信息，则确定所述音频信息为垃圾指令，并丢弃所述音频信息。

3.根据权利要求1所述的方法，其特征在于，在所述将所述音频特征集合和所述特征向量作为深度神经网络分类器输入，根据所述深度神经网络的输出确定所述音频信息是否为垃圾指令之后，所述方法还包括：

如果所述音频信息不是垃圾指令，则对所述文本信息进行自然语言理解，并执行所述音频信息对应的动作；

如果所述音频信息是垃圾指令，则丢弃所述音频信息。

4.根据权利要求1所述的方法，其特征在于，所述将所述音频特征集合和所述特征向量作为深度神经网络分类器输入，根据所述深度神经网络的输出确定所述音频信息是否为垃圾指令，包括：

将所述音频特征集合和所述特征向量合成为一维特征，并将所述一维特征作为深度神经网络分类器输入，根据所述深度神经网络的输出确定所述音频信息是否为垃圾指令。

5.根据权利要求1所述的方法，其特征在于，所述音频特征包括：语音音频特征、语音文本特征及语音时长。

6.一种垃圾指令识别装置，其特征在于，所述装置包括：

第一获取单元，用于获取音频信息；

转换单元，用于将所述音频信息转换为文字信息；

生成单元，用于提取所述音频信息的音频特征生成音频特征集合；

第二获取单元，利用预训练的文本模型获取所述文本信息的特征向量；

确定单元，将所述音频特征集合和所述特征向量作为深度神经网络分类器输入，根据所述深度神经网络的输出确定所述音频信息是否为垃圾指令。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

丢弃单元，用于如果所述音频信息无法转换为文字信息，则确定所述音频信息为垃圾指令，并丢弃所述音频信息。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

执行单元，用于如果所述音频信息不是垃圾指令，则对所述文本信息进行自然语言理解，并执行所述音频信息对应的动作；

丢弃单元，用于如果所述音频信息是垃圾指令，则丢弃所述音频信息。

9.根据权利要求1所述的装置，其特征在于，所述确定单元具体用于：

将所述音频特征集合和所述特征向量合成为一维特征，并将所述一维特征作为深度神经网络分类器输入，根据所述深度神经网络的输出确定所述音频信息是否为垃圾指令。

10.根据权利要求1所述的装置，其特征在于，所述音频特征包括：语音音频特征、语音文本特征及语音时长。

11.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-5任一项所述的垃圾指令识别方法。

12.一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-5任一项所述的垃圾指令识别方法。