[发明专利]车载环境下语音交互意图识别及过程管理方法

权利要求书

1.车载环境下语音交互意图识别及过程管理方法，其特征在于：包括以下步骤：

一、车载环境下的语音交互用户意图分类：

二、结合车载环境语音交互意图类型的训练数据准备：

使用人工采集结合程序半自动生成的方式准备神经网络的训练数据；

三、基于BIO格式的训练数据词性标注：

基于BIO格式的数据集，在数据集中将每一个字或词标注为“B-A”、“I-A”或者“O”；

四、构建关键信息标注的双向长短期记忆神经网络级联条件随机场模型：

利用条件随机场模型与长短期记忆神经网络进行级联，形成双向长短期记忆神经网络级联条件随机场模型，对基于BIO格式的数据集进行标签化标注；

五、基于标注结果，利用文本卷积神经网络模型进行单句意图识别：

文本卷积神经网络模型将CNN应用到文本分类任务中，利用多个不同大小的卷积核来提取句子中的关键信息，实现单句意图识别；

六、动作执行器执行操作：

根据用户意图执行在系统中预设定的操作；

七、进行对话管理：

系统在与用户交互的过程中不断根据历史交互信息与当前输入短句决定下一步应该执行的最优动作。

2.根据权利要求1所述的车载环境下语音交互意图识别及过程管理方法，其特征在于：步骤一中，将车载环境下的语音交互用户意图分为五大类和多个小类，五大类包括播放音频、导航、打电话、回答、控制。

3.根据权利要求1所述的车载环境下语音交互意图识别及过程管理方法，其特征在于：步骤三中，针对数据集做如下预处理：

（1）从数据集中按行获取数据，分别得到短句和其对应的标签，构造句子序列和标签序列，这两个序列长度保持一致；

（2）将短句序列中的空白符、换行符以及标点符号等特殊字符删除；

（3）根据词典得到词对应的整数索引，根据索引可以查询到每个词对应的词向量，神经网络的输入内容即为词向量序列。

4.根据权利要求1所述的车载环境下语音交互意图识别及过程管理方法，其特征在于：步骤五中，文本卷积神经网络模型的输入层接收一个固定长度的文本序列；然后后面的卷积层使用多个尺寸不同的卷积核对输入序列进行滑动卷积操作，这些卷积核将相邻的字或词转化成一个数值；接着后面的池化层从多个卷积核返回的卷积后的值中选取最大值输入到全连接层，最终通过softmax进行分类。

5.根据权利要求4所述的车载环境下语音交互意图识别及过程管理方法，其特征在于：步骤五中，卷积操作的具体计算方法为：

式中C_i为卷积后的值，W为参数矩阵，x_i表示输入文本的第i个词，b表示偏置，h表示一维卷积核大小，f表示卷积函数。

6.根据权利要求1所述的车载环境下语音交互意图识别及过程管理方法，其特征在于：步骤七中，对话管理如下式所示：

式中t表示当前时刻，S_t为当前时刻系统所处状态，I_t为当前时刻用户输入短句，f表示状态转移函数。