[发明专利]车载环境下语音交互意图识别及过程管理方法

说明书

本发明涉及车载环境下语音智能交互技术领域，具体地说，涉及一种车载环境下语音交互意图识别及过程管理方法，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；三、基于BIO格式的训练数据词性标注；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；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；六、动作执行器执行操作；七、进行对话管理。本发明能较佳地对车载环境下整个语音交互过程进行管理。

技术领域

本发明涉及车载环境下语音智能交互技术领域，具体地说，涉及一种车载环境下语音交互意图识别及过程管理方法。

背景技术

车载语音交互和语音控制是人工智能与汽车结合最典型的体现，通过语音，而不是手去操作与控制车以及多媒体，很好地解放了双手，能极大提高驾车安全性。

现有车载语音交互的主要意图识别方法有以下几种：1、关键词匹配法；2、正则表达式匹配法；3、循环神经网络模型；4、长短期记忆神经网络模型。

但现有研究存在一些缺点：

1、没有针对车载环境对用户的意图进行分类以及约束限制，以提高用户意图识别的准确性；

2、现有车载环境用户意图识别智能模型与算法准确性有待提高，特别是利用深度神经网络模型的现有研究还较少。

发明内容

本发明的内容是提供一种车载环境下语音交互意图识别及过程管理方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的车载环境下语音交互意图识别及过程管理方法，其包括以下步骤：

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。

作为优选，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。

作为优选，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。

作为优选，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。