基于大数据的预测性语音识别方法及装置
技术领域
本发明涉及语音识别技术领域,特别是一种基于大数据的预测性语音识别方法及装置。
背景技术
目前语音交互技术已经愈发的成熟,在语音交互时,语音识别过程往往需要对识别出的各个字打分,每个字对应不同的分数,将打分最高的字作为识别结果。这种打分的方式准确率不高,并且仅由该打分方式作出识别结果,不够客观,影响用户体验。
发明内容
为了解决上述问题,发明人构思了基于大数据的角度出发,对语音识别的中间识别结果作优化处理,优化中间识别过程,使得识别结果更加准确、合理,极大提升了用户体验。
根据本发明的第一方面,提供了一种基于大数据的预测性语音识别方法,包括如下步骤:
接收第一识别结果;
判断第一识别结果是否为识别出的首个汉字,
如果是首个汉字,根据置信度确定第一识别结果的最终识别结果;
如果非首个汉字,根据第一识别结果的置信度和对在先最终识别结果的大数据分析结果,确定第一识别结果的最终识别结果。
根据本发明的第二方面,提供了一种基于大数据的预测性语音识别装置,包括
中间结果获取模块,用于接收第一识别结果;
预测识别模块,包括
判定单元,用于判断第一识别结果是否为识别出的首个汉字,在判断为首汉字时调用首汉字预测单元进行相应处理,否则调用后续汉字预测单元进行相应处理;
首汉字预测单元,用于根据置信度确定第一识别结果的最终识别结果;
后续汉字预测单元,用于根据第一识别结果的置信度和对在先最终识别结果的大数据分析结果,确定第一识别结果的最终识别结果。
根据本发明的第三个方面,提供了一种电子设备,其包括: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上述方法的步骤。
根据本发明的第四个方面,提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
根据本发明提供了方法及装置,通过对识别中间结果进行置信度分析,并基于大数据对该识别结果进行二次分析,可以获得准确率高的识别结果,大大的提高了用户的体验感。
附图说明
图1为本发明一实施方式的基于大数据的预测性语音识别方法流程图;
图2为本发明一实施方式的基于大数据的预测性语音识别装置原理框图;
图3为为本发明一种实施方式的电子设备的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
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。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在本发明中,“模块”、“装置”、“***”等指应用于计算机的相关实体,如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说,例如,元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有,运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中,并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间,并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号,例如,来自一个与本地***、分布式***中另一元件交互的,和/或在因特网的网络通过信号与其它***交互的数据的信号通过本地和/或远程过程来进行通信。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”,不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明实施例的基于大数据的预测性语音识别方法可以应用于任何配置了语音功能的终端设备,例如,智能手机、平板电脑、智能家居等终端设备,本发明对此不作限制,从而能够使得用户在使用这些终端设备的过程中获得更及时准确的响应,提升用户体验。
下面结合附图对本发明作进一步详细的说明。
图1示意性地显示了根据本发明一实施方式的基于大数据的预测性语音识别方法流程图,如图1所示,本实施例包括如下步骤:
步骤S101:接收第一识别结果。在开始语音交互后,启动语音监听对用户发出的语音进行识别,根据现有技术语音识别对接收到的语音进行识别,获取第一识别结果。需要说明的是,现有技术对语音的识别是进行逐个汉字的识别,然后依次确定每个字的识别结果的,因而,本发明实施例的方法是对识别出的每一个字进行二次识别分析,以确定对该汉字的最终识别结果。
步骤S102:判断第一识别结果是否为识别出的首个汉字,从而确定最终识别结果。如果是首个汉字,则启动步骤S103:根据置信度确定第一识别结果的最终识别结果,第一个字的识别会根据现有技术中声学分和语言分打分,对打分最高的字作为首个汉字,置信度根据经验值例如选取以70%作为置信阈值进行判断,一般的识别结果在解析过程中会得出对应的置信度,为了提供识别的准确度也可以适当的调高置信度。如果达到了置信度就直接将这个识别结果输出作为最终识别结果。
如果不是首个汉字的识别结果,则启动步骤S104:会先根据第一识别结果的置信度和对在先最终识别结果的大数据分析结果,确定第一识别结果的最终识别结果。具体实现为:
首选判断第一识别结果的置信度是否达到置信度阈值,如果达到置信度阈值,则将第一识别结果作为最终识别结果,即上述步骤。如果低于置信度阈值,则对在先最终识别结果进行大数据分析,基于分析结果确定第一识别结果的最终识别结果,从而实现预测的功能。对于将在先最终识别结果进行大数据分析的方式,示例性地可以为,预先获取大数据的数据库,其中,大数据的数据库可以是选用在线的词典库,也可以是用户自己配置生成的词典库,只要大数据的数据库满足“在大数据中存储有多种词典”,其包含有根据机器经验统计语音识别匹配词典、根据惯常的语音交互的结果进行统计的词库等特征即可,其中,词典库中优选配置为存储有汉字、汉字发音、汉字词组及词组标签,词组标签包括常用、非常用和使用次数。常用和非常用标识该词或词组是否为常用词,使用次数标识该词或词组在日常被用户使用的次数。基于大数据的词典,对在先最终识别结果(即中间识别结果或识别出的上一个汉字的最终识别结果,示例性地,对于接收到的用户语音指令“打开音乐…”中,“打”、””“打开”、“打开音”均为中间识别结果,“开”的上一个汉字的最终识别结果为首汉字“打”,“音”的上一个汉字的最终识别结果为第二个汉字“开”,以此类推)进行匹配生成多组排列组合,即通过将该在先最终识别结果与大数据的数据库进行匹配,可以获取到与在先最终识别结果匹配的多个词组组合。然后,从排列组合中剔除不常用组合(即基于常用、不常用的词组标签进行筛选),形成高匹配度的排列组合。例如,对于“导航”这一识别结果,对于词典中可能会根据第一个字“导”,联想到多个词语,例如“导弹”、“导播”、“导航”。但是对于“导弹”、“导播”这种词汇在语音交互中并不常用,所以会剔除掉,留下“导航”这一备选项,并根据排列组合中最后一个汉字(如“航”)与当前第一识别结果(如“含”)的相似度确定最终识别结果(即确定为“航”,而非“含”,修正了第一识别结果),其中,相似度根据使用次数和/或发音首字母确定,例如使用次数多的优选匹配,或首字母发音相同的优先匹配,或满足使用次数达到预设值且首字母发音相同的优先匹配等。
根据本实施例,可以通过大数据的词典对中间识别结果进行二次分析,结合置信度达到预测识别结果的功能,相比现有的仅仅基于识别结果的评分选取最高分的识别结果作为最终识别结果的方法,可以获得准确率高的识别结果,大大的提高了用户的体验感。
图2示意性地显示了根据本发明一实施方式的基于大数据的预测性语音识别装置原理框图,如图2所示,
基于大数据的预测性语音识别装置包括中间结果获取模块3和预测识别模块2。
中间结果获取模块3用于接收第一识别结果,可以根据现有技术语音识别对接收到的语音进行识别,获取第一识别结果。
预测识别模块2,包括判定单元201、首汉字预测单元202和后续汉字预测单元203。
判定单元201用于判断第一识别结果是否为识别出的首个汉字,在判断为首汉字时调用首汉字预测单元203进行相应处理,否则调用后续汉字预测单元203进行相应处理,具体实现方式可以参照上述的方法部分。当判断为首汉字时就会直接调用首汉字预测单元202进行处理,具体的实现方式可以参照上述的方法部分。
首汉字预测单元202用于根据置信度确定第一识别结果的最终识别结果。不同的识别结果的单个字有不同的置信度,根据机器经验可以将置信度设置为70%,作为置信阈值进行判断,一般的识别结果在解析过程中会得出对应的置信度,为了提供识别的准确度也可以适当的调高置信度。如果达到了置信度就直接将这个识别结果输出作为最终识别结果。各个识别结果包含有该字对应的置信度,该单元将获取的识别结果的置信度与预设的置信度进行比较,判断其是否达到规定的置信度,如果达到即作为最终识别结果,保证了识别结果的准确性。
后续汉字预测单元203用于根据第一识别结果的置信度和对在先最终识别结果的大数据分析结果,确定第一识别结果的最终识别结果。其具体实现通过上述的方法实现。
后续汉字预测单元203包括第一预测元件2031、第二预测元件2032和汉字词典库2033。
第一预测元件2031用于判断第一识别结果的置信度是否达到置信度阈值,若达到置信度阈值,则将第一识别结果作为最终识别结果,该最终识别结果的判断与上述首汉字预测单元202的判断方法一致。否则调用第二预测元件2032进行相应处理。
第二预测元件2032用于对在先最终识别结果进行大数据分析,基于分析结果确定第一识别结果的最终识别结果。进行大数据分析需要借助于汉字词典库2033进行参考基准。汉字词典库2033用于存储汉字、汉字发音、汉字词组及词组标签,词组标签包括常用、非常用和使用次数。基于大数据分析对在线最终识别结果进行确认的方法可以参照上述方法部分的步骤,在此不进行赘述。
根据本实施例的装置可以实现对识别结果进行预测,借助于大数据的内部信息,可以得到更为精确的预测结果,大大提高了用户的体验感,克服了一些识别结果的误错率较高等问题。
在一些实施例中,本发明实施例提供一种非易失性计算机可读存储介质,所述存储介质中存储有一个或多个包括执行指令的程序,所述执行指令能够被电子设备(包括但不限于计算机,服务器,或者网络设备等)读取并执行,以用于执行本发明上述任一项基于大数据的预测性语音识别方法。
在一些实施例中,本发明实施例还提供一种计算机程序产品,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当所程序指令被计算机执行时,使计算机执行上述任一项基于大数据的预测性语音识别方法。
在一些实施例中,本发明实施例还提供一种电子设备,其包括: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,指令被所述至少一个处理器执行,以使至少一个处理器能够执行基于大数据的预测性语音识别方法。
在一些实施例中,本发明实施例还提供一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时基于大数据的预测性语音识别方法。
上述本发明实施例的基于大数据的预测性语音识别装置可用于执行本发明实施例的基于大数据的预测性语音识别方法,并相应的达到上述本发明实施例的实现基于大数据的预测性语音识别方法所达到的技术效果,这里不再赘述。本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。
图3是本申请另一实施例提供的执行基于大数据的预测性语音识别方法的电子设备的硬件结构示意图,如图3所示,该设备包括:
一个或多个处理器310以及存储器320,图3中以一个处理器310为例。
执行基于大数据的预测性语音识别方法的设备还可以包括:输入装置330和输出装置340。
处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接,图3中以通过总线连接为例。
存储器320作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的基于大数据的预测性语音识别方法对应的程序指令/模块。处理器310通过运行存储在存储器320中的非易失性软件程序、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基于大数据的预测性语音识别方法。
存储器320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***、至少一个功能所需要的应用程序;存储数据区可存储根据基于大数据的预测性语音识别装置的使用所创建的数据等。此外,存储器320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器320可选包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至基于大数据的预测性语音识别装置。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。
输入装置330可接收输入的数字或字符信息,以及产生与基于大数据的预测性语音识别装置的用户设置以及功能控制有关的信号。输出装置340可包括显示屏等显示设备。
上述一个或者多个模块存储在所述存储器320中,当被所述一个或者多个处理器310执行时,执行上述任意方法实施例中的基于大数据的预测性语音识别方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、***总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。