CN108022586B - 用于控制页面的方法和装置 - Google Patents

用于控制页面的方法和装置 Download PDF

Info

Publication number
CN108022586B
CN108022586B CN201711237766.1A CN201711237766A CN108022586B CN 108022586 B CN108022586 B CN 108022586B CN 201711237766 A CN201711237766 A CN 201711237766A CN 108022586 B CN108022586 B CN 108022586B
Authority
CN
China
Prior art keywords
voice
page
operational order
terminal
text information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711237766.1A
Other languages
English (en)
Other versions
CN108022586A (zh
Inventor
王文宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201711237766.1A priority Critical patent/CN108022586B/zh
Publication of CN108022586A publication Critical patent/CN108022586A/zh
Priority to US16/133,344 priority patent/US11164573B2/en
Priority to JP2018173784A priority patent/JP6751122B2/ja
Application granted granted Critical
Publication of CN108022586B publication Critical patent/CN108022586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/26Speech to text systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/3332Query translation
    • G06F16/3334Selection or weighting of terms from queries, including natural language queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16Sound input; Sound output
    • G06F3/167Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/40Processing or translation of natural language
    • G06F40/58Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/06Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063Training
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/183Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/187Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223Execution procedure of a spoken command
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请实施例公开了用于控制页面的方法和装置。该方法的一具体实施方式包括:接收终端发送的、用户从终端输入的语音信息,其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息;对语音信息进行语音识别,生成文字信息;对文字信息进行解析,生成操作指令;向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。该实施方式实现了基于语音的页面控制。

Description

用于控制页面的方法和装置
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于控制页面的方法和装置。
背景技术
随着科技的发展,带屏设备(例如手机、平板电脑、智能电视等)逐渐在人们生活中占据了重要位置。目前,带屏设备可以为用户展现用户需要的页面,并且,用户可以通过触摸屏幕的方式对所展现的页面进行控制(例如翻页、退出页面、调节页面亮度等)。
发明内容
本申请实施例提出了用于控制页面的方法和装置。
第一方面,本申请实施例提供了一种用于控制页面的方法,该方法包括:接收终端发送的、用户从终端输入的语音信息,其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息;对语音信息进行语音识别,生成文字信息;对文字信息进行解析,生成操作指令;向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。
在一些实施例中,对文字信息进行解析,生成操作指令,包括:将文字信息输入预先训练的深度学习模型,获得操作指令,其中,深度学习模型用于表征文字信息与操作指令的对应关系。
在一些实施例中,深度学习模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合中的每个训练样本包括文字信息和预先设置的操作指令;利用机器学习方法,将训练样本集合中的每个训练样本的文字信息作为输入,将操作指令作为输出,训练得到深度学习模型。
在一些实施例中,对所述信息进行语音识别,生成文字信息,包括:确定预先设置的语音关键词信息集合中是否包括与语音信息相匹配的语音关键词信息;响应于确定预先设置的语音关键词信息集合中包括与语音信息相匹配的语音关键词信息,获取与语音信息相匹配的语音关键词信息;将预先设置的、与所获取的语音关键词信息相对应的文字关键词信息确定为语音信息的文字信息。
在一些实施例中,操作包括以下至少一项:跳转页面,滑动页面,翻页,退出页面。
第二方面,本申请提供了一种用于控制页面的装置,该装置包括:接收单元,配置用于接收终端发送的、用户从终端输入的语音信息,其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息;识别单元,配置用于对语音信息进行语音识别,生成文字信息;解析单元,配置用于对文字信息进行解析,生成操作指令;发送单元,配置用于向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。
在一些实施例中,解析单元包括:输入模块,配置用于将文字信息输入预先训练的深度学习模型,获得操作指令,其中,深度学习模型用于表征文字信息与操作指令的对应关系。
在一些实施例中,深度学习模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合中的每个训练样本包括文字信息和预先设置的操作指令;利用机器学习方法,将训练样本集合中的每个训练样本的文字信息作为输入,将操作指令作为输出,训练得到深度学习模型。
在一些实施例中,识别单元包括:第一确定模块,配置用于确定预先设置的语音关键词信息集合中是否包括与语音信息相匹配的语音关键词信息;获取模块,配置用于响应于确定预先设置的语音关键词信息集合中包括与语音信息相匹配的语音关键词信息,获取与语音信息相匹配的语音关键词信息;第二确定模块,配置用于将预先设置的、与所获取的语音关键词信息相对应的文字关键词信息确定为语音信息的文字信息。
在一些实施例中,操作包括以下至少一项:跳转页面,滑动页面,翻页,退出页面。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述用于控制页面的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述用于控制页面的方法中任一实施例的方法。
本申请实施例提供的用于控制页面的方法和装置,通过接收终端发送的、用户从终端输入的语音信息,其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息,然后对语音信息进行语音识别,生成文字信息,接着对文字信息进行解析,生成操作指令,最后向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作,从而实现了基于语音信息的页面控制。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的用于控制页面的方法的一个实施例的流程图;
图3是根据本申请的用于控制页面的方法的一个应用场景的示意图;
图4是根据本申请的用于控制页面的方法的又一个实施例的流程图;
图5是根据本申请的用于控制页面的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于控制页面的方法或用于控制页面的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、电子书阅读软件、音乐播放软件、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持语音交互的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103所发送的语音信息进行处理的语音处理服务器。语音处理服务器可以对接收到的、用于控制页面的语音信息等数据进行分析等处理,并将处理结果(例如操作指令)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于控制页面的方法一般由服务器105执行,相应地,用于控制页面的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于控制页面的方法的一个实施例的流程200。该用于控制页面的方法,包括以下步骤:
步骤201,接收终端发送的、用户从终端输入的语音信息。
在本实施例中,用于控制页面的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收终端发送的、用户从终端输入的语音信息。其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息。
在本实施例中,目标页面可以为终端上显示的、用户欲对其进行控制的页面。具体的,目标页面可以为网页、图形化界面或者文本用户界面等。语音控制请求可以为用户对目标页面进行的操作或者对终端进行的操作,例如点击目标页面上的语音控制按钮、以说话的方式输入预先设置的语音控制唤醒词等。语音信息可以为用户以说话的形式输入的声音信息,语音信息与用户以说话的方式表述的内容相对应。用户表述的内容可以包括但不限于以下至少一项:字,词语,句子。例如,用户欲将目标页面翻页到下一页,用户表述的内容可以为“把页面翻页到下一页”、“下一页”等。
步骤202,对语音信息进行语音识别,生成文字信息。
在本实施例中,基于步骤201中得到的语音信息,上述电子设备(例如图1所示的服务器)可以对语音信息进行语音识别,生成文字信息。其中,文字信息可以包括但不限于以下至少一项:字,词语,句子。
在本实施例中,文字信息可以用于表征用户以说话的方式表述的内容。具体的,文字信息可以用于表征用户以说话的方式表述的全部内容或者部分内容。例如,用户输入语音信息,表述的内容为“把页面翻页到下一页”,经过语音识别,生成的文字信息则可以为“把页面翻页到下一页”、“下一页”或者“翻页”等,其中,“把页面翻页到下一页”即为用户以说话的方式表述的全部内容,“下一页”、“翻页”即为用户以说话的方式表述的部分内容。
在本实施例的一些可选的实现方式中,上述电子设备可以通过如下步骤对语音信息进行语音识别,生成文字信息:首先上述电子设备可以确定预先设置的语音关键词信息集合中是否包括与上述语音信息相匹配的语音关键词信息;接着响应于确定预先设置的语音关键词信息集合中包括与语音信息相匹配的语音关键词信息,上述电子设备可以获取与语音信息相匹配的语音关键词信息;最后将预先设置的、与所获取的语音关键词信息相对应的文字关键词信息确定为上述语音信息的文字信息。
在本实施例的一些可选的实现方式中,上述电子设备还可以通过语音识别技术对语音信息进行语音识别,生成文字信息。需要说明的是,语音识别技术是目前广泛研究和应用的公知技术,在此不再赘述。
步骤203,对文字信息进行解析,生成操作指令。
在本实施例中,基于步骤202中得到的文字信息,上述电子设备(例如图1所示的服务器)可以对文字信息进行解析,生成操作指令。其中,操作指令为上述终端可以识别的指令,操作指令可以用于指示终端对目标页面的操作。可以理解的是,多个文字信息可以对应一个操作指令。例如,文字信息“把页面翻页到下一页”或者“下一页”均可以对应操作指令“Control_NextPage”。
在本实施例的一些可选的实现方式中,上述电子设备可以通过自然语言处理技术对文字信息进行解析,生成操作指令。需要说明的是,自然语言处理技术是目前广泛研究和应用的公知技术,在此不再赘述。
步骤204,向终端发送操作指令。
在本实施例中,基于步骤203中得到的操作指令,上述电子设备(例如图1所示的服务器)可以向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。
示例性的,生成的操作指令为“Control_NextPage”。上述电子设备可以将该操作指令发送给终端。终端响应于接收到该操作指令,可以查找预先制定的操作指令与操作的对应关系,进而对目标页面执行该操作指令所对应的操作。例如,该操作指令所对应的操作可以为“控制目标页面翻页至下一页”。
继续参见图3,图3是根据本实施例的用于控制页面的方法的应用场景的一个示意图。在图3的应用场景中,终端301显示了一个页码为“2/88”的页面,如标号302;用户欲通过语音对终端所显示的页面进行控制,则可以向终端发送语音控制请求(例如语音唤醒词),然后输入语音信息303,其中,语音信息303所表征的用户的表述为“下一页”;然后,终端接收语音信息303,并将语音信息303发送给语音处理服务器304;接着,语音处理服务器304对接收到的语音信息303进行语音识别,生成文字信息305;然后,语音处理服务器304对文字信息305进行解析,生成操作指令306;最后,语音处理服务器304将生成的操作指令306发送给终端301,使得终端301执行操作指令306所指示的操作。此时,终端301所显示的页面的页码为“3/88”,如标号307所示。
本申请的上述实施例提供的方法通过接收终端发送的、用户从终端输入的语音信息,然后对语音信息进行语音识别,生成文字信息,接着对文字信息进行解析,生成操作指令,最后向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作,从而实现了基于语音的页面控制。
进一步参考图4,其示出了用于控制页面的方法的又一个实施例的流程400。该用于控制页面的方法的流程400,包括以下步骤:
步骤401,接收终端发送的、用户从终端输入的语音信息。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤402,对语音信息进行语音识别,生成文字信息。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤403,将文字信息输入预先训练的深度学习模型,获得操作指令。
在本实施例中,基于步骤402中得到的文字信息,上述电子设备(例如图1所示的服务器)可以将文字信息输入预先训练的深度学习模型,获得操作指令。其中,深度学习模型可以用于表征文字信息与操作指令的对应关系。作为示例,深度学习模型可以是技术人员基于大量的文字信息和操作指令而预先制定的、存储有多个文字信息与操作指令的对应关系的对应关系表;也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、用于对文字信息与操作指令的匹配度进行计算的计算公式,例如,该计算公式可以是将操作指令中的英文单词翻译为中文文字后,与文字信息进行相似度计算的相似度计算公式,得到的相似度计算结果可以用于表征所计算的文字信息与操作指令是否匹配。
在本实施例的一些可选的实现方式中,上述深度学习模型可以通过如下步骤训练得到:首先,上述电子设备可以获取训练样本集合,其中,训练样本集合中的每个训练样本包括文字信息和预先设置的操作指令;然后,对于训练样本集合中的每个训练样本,上述电子设备可以将文字信息作为输入,将操作指令作为输出,利用机器学习方法,训练得到深度学习模型。具体的,对于训练样本集合中的每个训练样本,上述电子设备可以使用多层感知机(Multi-layer Perceptron,MLP)、卷积神经网络(Convolutional Neural Network)等基本模型,将文字信息作为输入,将操作指令作为输出,利用机器学习方法,训练得到深度学习模型。
需要说明的是,上述训练深度学习模型的方法是目前广泛研究和应用的公知技术,在此不再赘述。
步骤404,向终端发送操作指令。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于控制页面的方法的流程400突出了通过深度学习模型对文字信息进行解析的步骤。由此,本实施例描述的方案可以更加智能高效,从而实现更灵活的页面控制。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于控制页面的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于控制页面的装置500包括:接收单元501、识别单元502、解析单元503和发送单元504。其中,接收单元501配置用于接收终端发送的、用户从终端输入的语音信息,其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息;识别单元502配置用于对语音信息进行语音识别,生成文字信息;解析单元503配置用于对文字信息进行解析,生成操作指令;发送单元504配置用于向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。
在本实施例中,用于控制页面的装置500的接收单元501可以通过有线连接方式或者无线连接方式接收终端发送的、用户从终端输入的语音信息。其中,终端用于显示目标页面,以及用于响应于接收到用户针对目标页面的语音控制请求,接收语音信息。
在本实施例中,目标页面可以为终端上显示的、用户欲对其进行控制的页面。具体的,目标页面可以为网页、图形化界面或者文本用户界面等。语音控制请求可以为用户对目标页面进行的操作或者对终端进行的操作。语音信息可以为用户以说话的形式输入的声音信息,语音信息与用户以说话的方式表述的内容相对应。用户表述的内容可以包括但不限于以下至少一项:字,词语,句子。
在本实施例中,基于接收单元501得到的语音信息,识别单元502可以对语音信息进行语音识别,生成文字信息。其中,文字信息可以包括但不限于以下至少一项:字,词语,句子。
在本实施例中,文字信息可以用于表征用户以说话的方式表述的内容。具体的,文字信息可以用于表征用户以说话的方式表述的全部内容或者部分内容。
在本实施例中,基于识别单元502得到的文字信息,解析单元503可以对文字信息进行解析,生成操作指令。其中,操作指令为上述终端可以识别的指令,操作指令可以用于指示终端对目标页面的操作。可以理解的是,多个文字信息可以对应一个操作指令。
在本实施例中,基于解析单元503得到的操作指令,发送单元504可以向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。
在本实施例的一些可选的实现方式中,解析单元503可以包括:输入模块(图中未示出),配置用于将文字信息输入预先训练的深度学习模型,获得操作指令,其中,深度学习模型用于表征文字信息与操作指令的对应关系。
在本实施例的一些可选的实现方式中,深度学习模型可以通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合中的每个训练样本包括文字信息和预先设置的操作指令;利用机器学习方法,将训练样本集合中的每个训练样本的文字信息作为输入,将操作指令作为输出,训练得到深度学习模型。
在本实施例的一些可选的实现方式中,识别单元502可以包括:第一确定模块(图中未示出),配置用于确定预先设置的语音关键词信息集合中是否包括与语音信息相匹配的语音关键词信息;获取模块(图中未示出),配置用于响应于确定预先设置的语音关键词信息集合中包括与语音信息相匹配的语音关键词信息,获取与语音信息相匹配的语音关键词信息;第二确定模块(图中未示出),配置用于将预先设置的、与所获取的语音关键词信息相对应的文字关键词信息确定为语音信息的文字信息。
在本实施例的一些可选的实现方式中,操作包括以下至少一项:跳转页面,滑动页面,翻页,退出页面。
本申请的上述实施例提供的装置500通过接收单元501接收终端发送的、用户从终端输入的语音信息,然后识别单元502对语音信息进行语音识别,生成文字信息,接着解析单元503对文字信息进行解析,生成操作指令,最后发送单元504向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作,从而实现了基于语音的页面控制。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机***600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元、识别单元、解析单元、发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收单元还可以被描述为“接收语音信息单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:接收终端发送的、用户从终端输入的语音信息,其中,终端用于显示目标页面,以及用于响应于接收到用户针对所述目标页面的语音控制请求,接收语音信息;对语音信息进行语音识别,生成文字信息;对文字信息进行解析,生成操作指令;向终端发送操作指令,以便终端对目标页面执行操作指令所指示的操作。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种用于控制页面的方法,包括:
接收终端发送的、用户从所述终端输入的语音信息,其中,所述终端用于显示目标页面,以及用于响应于接收到所述用户针对所述目标页面的语音控制请求,接收语音信息;
对所述语音信息进行语音识别,生成文字信息;
对所述文字信息进行解析,生成操作指令,其中,所述对所述文字信息进行解析,生成操作指令,包括:将所述文字信息输入预先训练的深度学习模型,获得操作指令,所述深度学习模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合中的每个训练样本包括文字信息和预先设置的操作指令;利用机器学习方法,将训练样本集合中的每个训练样本的文字信息作为输入,将操作指令作为输出,训练得到深度学习模型;
向所述终端发送操作指令,以便所述终端对所述目标页面执行所述操作指令所指示的操作。
2.根据权利要求1所述的方法,其中,所述对所述语音信息进行语音识别,生成文字信息,包括:
确定预先设置的语音关键词信息集合中是否包括与所述语音信息相匹配的语音关键词信息;
响应于确定预先设置的语音关键词信息集合中包括与所述语音信息相匹配的语音关键词信息,获取与所述语音信息相匹配的语音关键词信息;
将预先设置的、与所获取的语音关键词信息相对应的文字关键词信息确定为所述语音信息的文字信息。
3.根据权利要求1-2之一所述的方法,其中,所述操作包括以下至少一项:
跳转页面,滑动页面,翻页,退出页面。
4.一种用于控制页面的装置,包括:
接收单元,配置用于接收终端发送的、用户从所述终端输入的语音信息,其中,所述终端用于显示目标页面,以及用于响应于接收到所述用户针对所述目标页面的语音控制请求,接收语音信息;
识别单元,配置用于对所述语音信息进行语音识别,生成文字信息;
解析单元,配置用于对所述文字信息进行解析,生成操作指令,其中,所述解析单元包括:输入模块,配置用于将所述文字信息输入预先训练的深度学习模型,获得操作指令,所述深度学习模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合中的每个训练样本包括文字信息和预先设置的操作指令;利用机器学习方法,将训练样本集合中的每个训练样本的文字信息作为输入,将操作指令作为输出,训练得到深度学习模型;
发送单元,配置用于向所述终端发送操作指令,以便所述终端对所述目标页面执行所述操作指令所指示的操作。
5.根据权利要求4所述的装置,其中,所述识别单元包括:
第一确定模块,配置用于确定预先设置的语音关键词信息集合中是否包括与所述语音信息相匹配的语音关键词信息;
获取模块,配置用于响应于确定预先设置的语音关键词信息集合中包括与所述语音信息相匹配的语音关键词信息,获取与所述语音信息相匹配的语音关键词信息;
第二确定模块,配置用于将预先设置的、与所获取的语音关键词信息相对应的文字关键词信息确定为所述语音信息的文字信息。
6.根据权利要求4-5之一所述的装置,其中,所述操作包括以下至少一项:
跳转页面,滑动页面,翻页,退出页面。
7.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-3中任一所述的方法。
CN201711237766.1A 2017-11-30 2017-11-30 用于控制页面的方法和装置 Active CN108022586B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711237766.1A CN108022586B (zh) 2017-11-30 2017-11-30 用于控制页面的方法和装置
US16/133,344 US11164573B2 (en) 2017-11-30 2018-09-17 Method and apparatus for controlling page
JP2018173784A JP6751122B2 (ja) 2017-11-30 2018-09-18 ページ制御方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711237766.1A CN108022586B (zh) 2017-11-30 2017-11-30 用于控制页面的方法和装置

Publications (2)

Publication Number Publication Date
CN108022586A CN108022586A (zh) 2018-05-11
CN108022586B true CN108022586B (zh) 2019-10-18

Family

ID=62077738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711237766.1A Active CN108022586B (zh) 2017-11-30 2017-11-30 用于控制页面的方法和装置

Country Status (3)

Country Link
US (1) US11164573B2 (zh)
JP (1) JP6751122B2 (zh)
CN (1) CN108022586B (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806671B (zh) * 2018-05-29 2019-06-28 杭州认识科技有限公司 语义分析方法、装置及电子设备
CN108845788B (zh) * 2018-06-11 2021-09-14 联想(北京)有限公司 模拟操控方法和便携式终端
CN110019742B (zh) * 2018-06-19 2024-05-17 北京京东尚科信息技术有限公司 用于处理信息的方法和装置
CN110673886B (zh) * 2018-07-03 2023-10-03 百度在线网络技术(北京)有限公司 用于生成热力图的方法和装置
CN109120509B (zh) * 2018-07-26 2021-12-28 创新先进技术有限公司 一种信息收集的方法及装置
CN110795011A (zh) * 2018-08-03 2020-02-14 珠海金山办公软件有限公司 一种页面切换的方法、装置、计算机存储介质及终端
CN109243450A (zh) * 2018-10-18 2019-01-18 深圳供电局有限公司 一种交互式的语音识别方法及***
CN109584013B (zh) * 2018-11-30 2021-01-29 北京字节跳动网络技术有限公司 生成物品描述信息的方法和装置
CN110147216A (zh) * 2019-04-16 2019-08-20 深圳壹账通智能科技有限公司 应用程序的页面切换方法、装置、计算机设备和存储介质
CN112083982A (zh) * 2019-06-14 2020-12-15 北京易数科技有限公司 信息处理方法和装置
CN113366467A (zh) * 2019-06-26 2021-09-07 深圳市欢太科技有限公司 信息推荐方法、装置、电子设备以及存储介质
CN110472008B (zh) * 2019-07-04 2023-04-18 创新先进技术有限公司 智能交互方法以及装置
JP7237356B2 (ja) * 2019-08-28 2023-03-13 株式会社トーアエンジニアリング Cad制御支援システム
CN110765375B (zh) * 2019-10-22 2022-08-02 普信恒业科技发展(北京)有限公司 一种页面跳转方法、装置及***
CN112309388A (zh) * 2020-03-02 2021-02-02 北京字节跳动网络技术有限公司 用于处理信息的方法和装置
CN111367492B (zh) * 2020-03-04 2023-07-18 深圳市腾讯信息技术有限公司 网页页面展示方法及装置、存储介质
CN111583920A (zh) * 2020-04-17 2020-08-25 上海中通吉网络技术有限公司 应用程序的语音控制方法、装置和设备
CN113643697A (zh) * 2020-04-23 2021-11-12 百度在线网络技术(北京)有限公司 一种语音控制方法、装置、电子设备及存储介质
CN113626542A (zh) * 2020-05-08 2021-11-09 未来穿戴技术有限公司 按摩仪的寻找方法、装置、终端、按摩仪和存储介质
CN112037778A (zh) * 2020-06-19 2020-12-04 北京汉德英孚科技有限公司 一种操控终端、电子设备及其操控方法
CN111916084A (zh) * 2020-09-09 2020-11-10 深圳创维-Rgb电子有限公司 智能家居语音控制方法及装置、设备、存储介质
CN111966939A (zh) * 2020-09-18 2020-11-20 北京百度网讯科技有限公司 页面跳转方法及装置
CN112269556A (zh) * 2020-09-21 2021-01-26 北京达佳互联信息技术有限公司 信息展示方法、装置、***、设备、服务器及存储介质
CN113778367A (zh) * 2020-10-14 2021-12-10 北京沃东天骏信息技术有限公司 语音交互的方法、装置、设备和计算机可读介质
CN112269607A (zh) * 2020-11-17 2021-01-26 北京百度网讯科技有限公司 小程序的控制方法、***、服务器以及终端设备
CN112364144B (zh) * 2020-11-26 2024-03-01 北京汇钧科技有限公司 交互方法、装置、设备和计算机可读介质
CN114697717A (zh) * 2020-12-28 2022-07-01 深圳Tcl新技术有限公司 一种文本输入方法和终端设备
CN112927693A (zh) * 2021-03-03 2021-06-08 立讯电子科技(昆山)有限公司 基于语音控制的控制方法、装置和***
CN113674742B (zh) * 2021-08-18 2022-09-27 北京百度网讯科技有限公司 人机交互方法、装置、设备以及存储介质
CN113961285A (zh) * 2021-09-27 2022-01-21 北京三快在线科技有限公司 页面显示方法、服务器、客户端、电子设备及存储介质
CN113986434A (zh) * 2021-10-21 2022-01-28 深圳市联谛信息无障碍有限责任公司 一种操作移动终端用户界面的方法、装置及其电子设备
CN114500419A (zh) * 2022-02-11 2022-05-13 阿里巴巴(中国)有限公司 信息交互方法、设备以及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105551492A (zh) * 2015-12-04 2016-05-04 青岛海信传媒网络技术有限公司 语音控制的方法、装置与终端
CN106384591A (zh) * 2016-10-27 2017-02-08 乐视控股(北京)有限公司 一种与语音助手应用交互的方法和装置
EP3142107A1 (en) * 2015-09-14 2017-03-15 Samsung Electronics Co., Ltd. Voice recognition apparatus and controlling method thereof
CN106782604A (zh) * 2016-12-07 2017-05-31 乐视控股(北京)有限公司 语音消息的处理方法、装置及其电子设备
CN107154262A (zh) * 2017-05-31 2017-09-12 北京安云世纪科技有限公司 一种语音操作方法、装置和移动终端

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69819690T2 (de) 1997-12-30 2004-08-12 Koninklijke Philips Electronics N.V. Spracherkennungsvorrichtung unter verwendung eines befehlslexikons
US20090182562A1 (en) 2008-01-14 2009-07-16 Garmin Ltd. Dynamic user interface for automated speech recognition
US9530405B2 (en) 2012-11-30 2016-12-27 Mitsubishi Electric Corporation Intention estimating device and intention estimating method
CN103474068B (zh) 2013-08-19 2016-08-10 科大讯飞股份有限公司 实现语音命令控制的方法、设备及***
JP6348831B2 (ja) * 2014-12-12 2018-06-27 クラリオン株式会社 音声入力補助装置、音声入力補助システムおよび音声入力方法
JP6514503B2 (ja) * 2014-12-25 2019-05-15 クラリオン株式会社 意図推定装置、および意図推定システム
US9946862B2 (en) * 2015-12-01 2018-04-17 Qualcomm Incorporated Electronic device generating notification based on context data in response to speech phrase from user
CN106941001A (zh) * 2017-04-18 2017-07-11 何婉榕 自动翻页方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3142107A1 (en) * 2015-09-14 2017-03-15 Samsung Electronics Co., Ltd. Voice recognition apparatus and controlling method thereof
CN105551492A (zh) * 2015-12-04 2016-05-04 青岛海信传媒网络技术有限公司 语音控制的方法、装置与终端
CN106384591A (zh) * 2016-10-27 2017-02-08 乐视控股(北京)有限公司 一种与语音助手应用交互的方法和装置
CN106782604A (zh) * 2016-12-07 2017-05-31 乐视控股(北京)有限公司 语音消息的处理方法、装置及其电子设备
CN107154262A (zh) * 2017-05-31 2017-09-12 北京安云世纪科技有限公司 一种语音操作方法、装置和移动终端

Also Published As

Publication number Publication date
US11164573B2 (en) 2021-11-02
JP2019102063A (ja) 2019-06-24
JP6751122B2 (ja) 2020-09-02
CN108022586A (zh) 2018-05-11
US20190164549A1 (en) 2019-05-30

Similar Documents

Publication Publication Date Title
CN108022586B (zh) 用于控制页面的方法和装置
US11151765B2 (en) Method and apparatus for generating information
CN108305626A (zh) 应用程序的语音控制方法和装置
CN108986805B (zh) 用于发送信息的方法和装置
CN108877782A (zh) 语音识别方法和装置
CN107733722B (zh) 用于配置语音服务的方法和装置
CN108595628A (zh) 用于推送信息的方法和装置
CN109981787B (zh) 用于展示信息的方法和装置
CN109325213A (zh) 用于标注数据的方法和装置
CN109993150A (zh) 用于识别年龄的方法和装置
CN108989882A (zh) 用于输出视频中的音乐片段的方法和装置
CN109522486A (zh) 用于匹配信息的方法和装置
CN108831505A (zh) 用于识别应用的使用场景的方法和装置
CN107808007A (zh) 信息处理方法和装置
CN109299477A (zh) 用于生成文本标题的方法和装置
CN109740167A (zh) 用于生成信息的方法和装置
CN108933730A (zh) 信息推送方法和装置
CN109359194A (zh) 用于预测信息类别的方法和装置
CN108900612A (zh) 用于推送信息的方法和装置
CN108924218A (zh) 用于推送信息的方法和装置
CN110211564A (zh) 语音合成方法及装置、电子设备和计算机可读介质
CN109036397A (zh) 用于呈现内容的方法和装置
CN111142667A (zh) 一种基于文本标记生成语音的***和方法
CN109858045A (zh) 机器翻译方法和装置
CN108959087A (zh) 测试方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210508

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

Patentee after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.