语音识别的优化方法、装置、设备以及存储介质与流程

本申请涉及数据处理领域，尤其涉及语音技术、智能交通等领域。

背景技术：

目前语音识别在进行方言识别时，会出现根据发音识别出谐音词同音词的情况。在上述识别结果不准确的情况下，会导致语义解析无法解析出真正意图。

当上述情况发生在自动驾驶的车机交互过程中时，一旦语义解析错误，便会导致安全隐患。

技术实现要素：

本申请提供了一种语音识别的优化方法、装置、设备以及存储介质。

根据本申请的一方面，提供了一种语音识别的优化方法，可以包括以下步骤：

对接收到的语音信息进行识别，得到多个候选识别结果；

根据每个候选识别结果的分值，在候选识别结果中确定出目标识别结果；其中，分值是预先确定的；

对目标识别结果进行语义解析，得到解析结果；

确定解析结果的置信度，根据置信度更新目标识别结果的分值。

根据本申请的另一方面，提供了一种语音识别的优化装置，可以包括以下组件：

语音信息识别模块，用于对接收到的语音信息进行识别，得到多个候选识别结果；

目标识别结果确定模块，用于根据每个候选识别结果的分值，在候选识别结果中确定出目标识别结果；其中，分值是预先确定的；

语义解析模块，用于对目标识别结果进行语义解析，得到解析结果；

分值更新模块，用于确定解析结果的置信度，根据置信度更新目标识别结果的分值。

第三方面，本申请实施例提供一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。

第四方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。

根据本申请的技术可以克服现有技术中，一旦出现错误的语音识别结果便会导致无法解析出正确指令的问题。将语音识别过程和语义解析过程作为一个整体，利用语义解析结果优化语音识别，从而可以提高语音识别的准确性。后续在实际进行语音识别过程中，可以优先选择分值最高的候选识别结果作为目标识别结果，从而可以降低同音词的误识别率。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请语音识别的优化方法的流程图；

图2是根据本申请确定解析结果的置信度的流程图；

图3是根据本申请语音识别的优化方法的流程图；

图4是根据本申请语音识别的优化方法的流程图；

图5是是根据本申请语音识别的优化装置的示意图；

图6是用来实现本申请实施例的语音识别的优化方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

如图1所示，本申请提供一种语音识别的优化方法，可以包括以下步骤：

s101：对接收到的语音信息进行识别，得到多个候选识别结果；

s102：根据每个候选识别结果的分值，在候选识别结果中确定出目标识别结果；其中，分值是预先确定的；

s103：对目标识别结果进行语义解析，得到解析结果；

s104：确定解析结果的置信度，根据置信度更新目标识别结果的分值。

在本申请实施例中，整个过程可以包括语音识别和语义解析两部分。其中，语音识别部分可以根据用户的语音信息得到语音识别结果。语义解析部分可以对语音识别结果进行解析，得到用户的意图。

上述整个过程的执行主体可以是(半)自动驾驶车辆的车机，或者可以是与车机通信的云端服务器等。以下示例以执行主体为车机为例进行说明。例如，车机可以对驾驶员或乘车人对于车辆的控制指令、或者通过车辆对智能家电等设备的远程控制指令进行识别，从而根据识别结果进行对应的控制。

例如，驾驶员在驾驶过程中，向车机说出“提高主驾温度”。车机对上述语音的识别结果可以是以下分词：“提高”、“主驾”、“住家”、“猪价”、“温度”、“稳度”等多个分词。可以根据预先训练的模型得到上述各分词的高频排序。例如，可以得到“提高主驾温度”、“提高住家温度”等多个候选识别结果。

在多个候选识别结果中，往往会因为关键词所对应的词槽识别出现误差，从而导致最终无法得出正确的语音解析结果。关键词对应的词槽可以是指令对象，或者指令本身。

因此，在本方案中，根据每个候选识别结果的分数，可以从多个候选识别结果中确定出一个目标识别结果。候选识别结果的分数可以是通过与驾驶员或乘车人在多次历史交互过程中确定出来的。即，该分数是预先已经确定的。

可以利用语义解析模型等，对目标识别结果进行解析，从而得到驾驶员的意图。

例如，确定出的目标识别结果为“提高主驾温度”。根据意图识别，可以解析出驾驶员的意图为调节温度。进一步，根据调节对象所对应的词槽可以确定驾驶员的期望是调整“主驾”位置的温度。通过对可控制对象进行遍历，以确认是否存在温度控制对象为主驾位置。当存在该温度控制对象的情况下，可以确认“提高主驾温度”是一个可行的执行指令。基于该可行的执行指令，可以给“提高主驾温度”的识别结果一个较高的置信度。例如，较高的置信度可以是满分。

又例如，目标识别结果为“提高住家温度”。根据意图识别，可以解析出驾驶员的意图为调节温度。进一步，根据调节对象所对应的词槽可以确定驾驶员的期望是调整“住家”的温度。则在可控制对象中进行遍历，确认是否存在温度控制对象为住家。当不存在该控制对象时，可以确认“提高住家温度”是一个不可行的执行指令。基于该不可行的执行指令，可以给“提高住家温度”的识别结果一个较低的置信度。例如，较低的置信度可以是零分。

根据解析结果的置信度，可以对得到解析结果的目标识别结果进行打分。该分数值可以直接作为目标识别结果的分值。例如，在置信度为满分的情况下，目标识别结果为“提高主驾温度”的分值可以是满分。在置信度为零分的情况下，目标识别结果为“提高住家温度”的分值可以是零分。

或者，可以将本次得到的置信度与候选识别结果的历史置信度进行综合计算，将计算结果作为候选识别结果的分值。综合计算的方式可以包括加权求和、求方差等。

通过上述方案，可以克服现有技术中，一旦出现错误的语音识别结果便会导致无法解析出正确指令的问题。将语音识别过程和语义解析过程作为一个整体，利用语义解析结果优化语音识别。从而可以提高语音识别的准确性。后续在实际进行语音识别过程中，可以优先选择分值最高的候选识别结果作为目标识别结果，从而可以降低同音词的误识别。

在一种实施方式中，步骤s104中的确定解析结果的置信度，可以包括根据用户对解析结果的反馈确定置信度，也可以包括如图2所示的以下步骤：

s1041：确定解析结果所对应的垂类；

s1042：获取垂类对应的样本库；

s1043：根据解析结果与样本库中的内容的匹配程度确定置信度。

在当前实施例中，根据用户对解析结果的反馈确定置信度以及步骤s1041至步骤s1043之间，可以是和/或的逻辑关系。

解析结果所对应的垂类可以包括打电话、车辆控制、天气查询和/或智能家居远程控制等。根据解析结果的意图等可以确定出解析结果所属的垂类。

例如，在语音交互的场景下，多轮语音交互可以是：驾驶员的语音为“我想打电话”。车机根据解析结果反馈语音信息为“请问打电话给谁”？驾驶员回答“xiaowang”。在此情况下，候选识别结果可以包括“小王”、“笑王”、“销旺”等。示例性地，“小王”可以是是人名，“笑王”、“销旺”等可以是智能家电(例如空调)的品牌，以上示例仅用作说明，并未指代真实品牌。

例如，在多个候选识别结果中，“小王”的分值最高。则将“小王”确定为目标识别结果。

在根据解析结果确定的垂类为打电话的情况下，可以确定通讯录为样本库，进而在通讯录中查询与“小王”相匹配的通话对象。

在根据解析结果确定的垂类为智能家居远程控制的情况下，可以确定智能家居的品牌或者命名为样本库，进而在智能家居的品牌或者智能家居的命名中查询与“小王”相匹配的控制对象。

根据解析结果与对应垂类的样本库中内容的匹配程度，可以确定出解析结果的置信度。例如，在根据解析结果确定的垂类为打电话的情况下，目标识别结果“小王”可以与通讯录中的人名成功匹配，因此目标识别结果“小王”在打电话所对应的垂类中的置信度会较高。

再例如，在根据解析结果确定的垂类为智能家居远程控制的情况下，目标识别结果“小王”无法与智能家居产品名录成功匹配，则目标识别结果“小王”在智能家居远程控制所对应的垂类中的置信度会较低。

另外，还可根据用户(驾驶员)的人工干预确定解析结果的置信度。

车机根据通讯录查找到“小王”，并且拨通小王的电话。即，车机得出该解析结果的置信度高。与此同时，在驾驶员并未对该解析结果所对应的指令进行干预的情况下，可以默认为驾驶员(用户)认可该解析结果，由此可以确定出由用户(驾驶员)对解析结果的反馈所确定的置信度高。

因此，在垂类为打电话的情况下，“小王”作为读音“xiaowang”的分值最高的候选识别结果。

第二次多轮语音交互可以是：驾驶员的语音为“打开空调”。车机根据解析结果反馈语音信息为“请问开启哪个空调？”驾驶员回答“xiaowang”。其中，“xiaowang”可以是一个空调的品牌的读音，示例性地，该品牌可以是“笑王”或“销旺”等。该品牌与“小王”的发音近似。在确定出“小王”为目标识别结果的情况下，由于无法与智能家居产品名录(“笑王”或“销旺”)成功匹配而无法得出正确的指令。因此会发生驾驶员进行人工干预的情况。例如，驾驶员对解析结果进行纠正，将“小王”纠正为“笑王”或“销旺”等。

基于此，后续在进行语音识别的过程中，在识别出驾驶员的意图为打电话时，将“小王”的置信度置于最高。在识别出驾驶员的意图为控制空调时，将“笑王”(“销旺”)的置信度置于最高。

通过上述方式，可以结合解析结果的垂类所对应的样本库和/或用户对解析结果的反馈等多个维度确定解析结果的置信度。从而可以满足对不同候选识别结果的分值确定，以便在选择目标识别结果时可以更准确的命中。

结合图3所示，在一种实施方式中，在解析结果的置信度是通过多种方式确定的情况下，本申请的方法还可以包括以下步骤：

s301：分别为每种方式分配权重；

s302：根据每种方式的权重、以及每种方式确定出的置信度，得到解析结果的置信度。

如前述示例所示，解析结果的置信度可以通过解析结果的可执行性确定。另外，还可以通过用户(驾驶员)对解析结果的反馈确定。

可以对不同的方式分配权重。例如，可以为用户对解析结果的反馈分配第一权重，为解析结果的可执行性分配第二权重。其中，第一权重可以大于第二权重。

进一步的，根据每种方式的权重、以及每种方式确定出的置信度，得到解析结果的置信度。例如，在目标识别结果可执行的情况下，可以确认解析结果的可执行性高。基于此，采用解析结果的可执行性确定的第一置信度较高。

而在用户未对该解析结果进行干预的情况下，表示用户认可该解析结果。因此可以确定，采用用户对解析结果的反馈所确定的第二置信度较高。反之，在用户对该解析结果进行干预的情况下，可以确定第二置信度较低。可以设置第二置信度的权重更高。结合第一置信度以及其权重、第二置信以及其度权重，可以得出解析结果最终的置信度。

通过上述方式，可以通过分配权重的方式确定出置信度，满足置信度的客观、准确。

在一种实施方式中，步骤s102可以进一步包括：

在每个候选识别结果的分值均低于阈值的情况下，随机选择一个候选识别结果作为目标识别结果。

可以预先设置阈值。在各候选识别结果的分值均低于阈值的情况下，可以在候选识别结果中任选其一作为目标识别结果。

通过上述方案，可以以随机的方式使更多的候选识别结果参与分值测评，从而可以更快、更全面地确定出符合语音信息本意的目标识别结果。

在一种实施方式中，本申请还可以包括以下步骤：

在存在未获得分值的候选识别结果的情况下，将未获得分值的候选识别结果作为目标识别结果。

未获得分值的候选识别结果一般为新出现的词汇，例如新兴词汇或者用户的自定义词汇等。在出现上述词汇的情况下，可以优先进行分值测评，从而可以更快、更全面地确定出符合语音信息本意的目标识别结果。

结合图4所示，在一种实施方式中，本申请提供一种语音识别的优化方法，可以包括以下步骤：

s401：接收语音信息。

s402：确定候选识别结果。

候选识别结果是基于语音信息得到的，候选识别结果可能有多个。

s403：判断是否存在满分候选识别结果。存在的情况下，执行步骤s407；反之，在不存在的情况下，执行步骤s404。

候选识别结果的分值可以包括满分、零分和未打分三种。其中满分和零分可以基于在语音识别的历史数据确定。未打分可以是新出现的候选识别结果。

s404：判断是否存在未打分的候选识别结果，存在的情况下执行步骤s405；反之，在不存在的情况下，执行步骤s406。

s405：选择未打分的候选识别结果，继续执行步骤407。

s406：随机选择一个候选识别结果。

s407：确定解析结果。

对于选择的候选识别结果进行语义解析，得到解析结果。

s408：根据解析结果的置信度更新候选识别结果的分值。

解析结果可以通过是否可执行进行确定，或者也可以通过用户的反馈进行确定。根据解析结果，可以更新候选识别结果的分值。

如图5所示，本申请提供一种语音识别的优化装置，包括以下组件：

语音信息识别模块501，用于对接收到的语音信息进行识别，得到多个候选识别结果；

目标识别结果确定模块502，用于根据每个候选识别结果的分值，在候选识别结果中确定出目标识别结果；其中，分值是预先确定的；

语义解析模块503，用于对目标识别结果进行语义解析，得到解析结果；

分值更新模块504，用于确定解析结果的置信度，根据置信度更新目标识别结果的分值。

在一种实施方式中，分值更新模块504可以进一步包括以下组件：

第一置信度确定子模块，用于确定解析结果所对应的垂类，获取垂类对应的样本库，根据解析结果与样本库中的内容的匹配程度确定置信度，和/或，

第二置信度确定子模块，用于根据用户对解析结果的反馈确定置信度。

在一种实施方式中，在解析结果的置信度是通过多种方式确定的情况下，语音识别的优化装置还可以包括：

权重分配模块，用于分别为每种方式分配权重；

置信度确定模块，用于根据每种方式的权重、以及每种方式确定出的置信度，得到解析结果的置信度。

在一种实施方式中，目标识别结果确定模块502可以具体用于：在每个候选识别结果的分值均低于阈值的情况下，随机选择一个候选识别结果作为目标识别结果。

在一种实施方式中，目标识别结果确定模块502还可以用于：在存在未获得分值的候选识别结果的情况下，将未获得分值的候选识别结果作为目标识别结果。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的语音识别的优化方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器610、存储器620，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器610为例。

存储器620即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的语音识别的优化方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的语音识别的优化方法。

存储器620作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的语音识别的优化方法对应的程序指令/模块(例如，附图5所示的语音信息识别模块501、目标识别结果确定模块502、语义解析模块503和分值更新模块504)。处理器610通过运行存储在存储器620中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的语音识别的优化方法。

存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据语音识别的优化方法的电子设备的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至语音识别的优化方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

语音识别的优化方法的电子设备还可以包括：输入装置630和输出装置640。处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置630可接收输入的数字或字符信息，以及产生与语音识别的优化方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置640可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除