DE10304461B3

DE10304461B3 - Automatische Konfigurierung einer sprecherunabh ngigen Sprachwahl

Info

Publication number: DE10304461B3
Application number: DE10304461A
Authority: DE
Inventors: Gerhard Hoffmann; Maurice Van Riek
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2003-02-04
Filing date: 2003-02-04
Publication date: 2004-03-04
Anticipated expiration: 2023-02-05
Also published as: WO2004070493A2; WO2004070493A3; EP1590799A2

Abstract

Das Vokabular für eine sprecherunabhängige Namenswahl wird anhand von Anruflisten aktualisiert.

Description

Die Technologie der Spracherkennung für mobile Endgeräte ist mittlerweile so weit fortgeschritten, dass es möglich ist, eine sprecherunabhängige Namenswahl (Speaker Independent Name Dialing) zu realisieren. Einträge eines Adressbuches können dabei direkt durch Sprechen des eingetragenen Namens gewählt werden, ohne dass zuvor vom Benutzer ein Training des Sprachmusters durchgeführt werden muss.
Die Funktion der sprecherunabhängigen Namenswahl ist aus technischen Gründen gegenwärtig auf eine geringe Anzahl von Namen beschränkt, die etwa 50 bis 100 Namen umfasst. Dies resultiert aus den geringen Ressourcen in Mobiltelefonen und dem begrenzten Vokabular von in mobilen Endgeräten verwendeten embedded Spracherkennern.
Im High-End-Bereich der Mobiltelefone erreichen die Einträge im Adressbuch aber leicht mehrere hundert Namen. 500 Adresseinträge sind bei so genannten Power-Usern keine Seltenheit. Diese Anzahl der Adressbucheinträge übersteigt damit die Anzahl der möglichen Einträge für die sprecherunabhängige Namenswahl. Aus diesem Grund ist eine pauschale Nutzung der Namenswahl-Funktion für alle Adressbucheinträge nicht mehr automatisch möglich. Das Problem besteht nun darin, eine geeignete Untermenge von Adressbucheinträgen auszuwählen, für die die sprecherunabhängige Namenswahl aktiviert ist.

Bisher geht man davon aus, dass der Benutzer bei großen Adressbüchern manuell die zugelassenen Einträge für die Namenswahl zum Beispiel durch Markieren, Ankreuzen etc. auswählt. Dies bedeutet aber vor der Nutzung der Namenswahl eine Interaktion mit dem Gerät für jeden freizuschaltenden Eintrag, was dem eigentlichen Vorteil der sofortigen Benutzung der Sprachwahl ohne Training entgegensteht.

Aus der Druckschrift DE 196 24 988 A1 ist ein Verfahren zur Spracherkennung bekannt, bei dem das zur Spracherkennung verwendete Vokabular anhand der Häufigkeit seiner Worte aktualisiert wird.

Davon ausgehend besteht die Aufgabe der vorliegenden Erfindung darin, eine automatische, ohne Benutzerinteraktion erzielbare Auswahl einer Untermenge benutzerrelevanter Einträge für die Namenswahl aus vorhandenen Adressbucheinträgen zu ermöglichen. Allgemein besteht die Aufgabe darin, das Vokabular bei der Spracherkennung an den Bedarf des Benutzers anzupassen.

Diese Aufgabe wird durch die in den unabhängigen Patentansprüchen angegebenen Erfindungen gelöst. Vorteilhafte Ausgestaltungen ergeben sich aus den Unteransprüchen.

Dementsprechend arbeitet ein Verfahren zur rechnergestützten Spracherkennung mit einer Liste von zuletzt stattgefundenen bzw. aufgerufenen Aktionen zur Steuerung einer Vorrichtung. Dies ist insbesondere die Vorrichtung, von der die Spracherkennung vorgenommen wird, selbst. Die Liste der zuletzt stattgefundenen Aktionen wird dabei zweckmäßigerweise nicht alle von der Vorrichtung durchgeführten Aktionen enthalten, sondern nur bestimmte Aktionstypen. Nämlich diejenigen Aktionstypen, für die eine Spracheingabe vorgesehen ist. Im Verfahren zur Spracherkennung wird anhand der Liste von zuletzt stattgefundenen Aktionen das zur Spracherkennung verwendete Vokabular aktualisiert. Dadurch kann es ständig und automatisch den Bedürfnissen des Benutzers angepasst werden.

Die Aktualisierung kann auf zweierlei Arten geschehen. Zum einen können Ausdrücke im Vokabular gelöscht werden, denen kein Listeneintrag in der Liste von zuletzt stattgefundenen Aktionen zugeordnet ist. Diese Ausdrücke werden offensichtlich zur Steuerung der Vorrichtung mittels Spracheingabe aktuell nicht benutzt.

Der durch das Löschen in der Vorrichtung frei gewordene Speicherplatz kann nun möglichst sinnvoll wieder aufgefüllt werden.

Dazu werden Ausdrücke, also insbesondere Wörter, Buchstaben etc., die bislang nicht im Vokabular vorhanden waren, in das Vokabular aufgenommen, wenn ihnen ein Listeneintrag zugeordnet ist. Hierfür kann beispielsweise der Listeneintrag selbst mittels einer Graphem-Phonem-Konvertierung als erkennbares Muster in das Vokabular aufgenommen werden. Alternativ kann aber auch ein Muster für das Vokabular generiert werden, das einem beispielsweise über ein Adressbuch dem Listeneintrag zugeordneten Namen oder einer anderweitig dem Listeneintrag zugeordneten Bezeichnung entspricht.

Die Vorrichtung hat vorzugsweise eine Kommunikationsfunktion und ist insbesondere ein mobiles Endgerät, beispielsweise in Form eines Mobiltelefons. Dann ist oder enthält die Liste von zuletzt stattgefundenen Aktionen vorzugsweise eine Liste von Verbindungen, insbesondere Anrufen.

Am interessantesten für eine Spracherkennung zur Steuerung einer Vorrichtung in Form eines Telefons sind natürlich die zuletzt gewählten Anrufe. Bei ihnen ist die Wahrscheinlichkeit am höchsten, dass die Aktion, nämlich das Anrufen eines der zuletzt gewählten Teilnehmer, in naher Zukunft wieder ausgeführt werden soll. Deshalb ist es besonders sinnvoll, hierfür die Möglichkeit einer Sprach- oder Namenwahl zur Verfügung zu stellen und zu aktivieren. Entsprechend ist oder enthält die Liste von zuletzt stattgefundenen Aktionen vorzugsweise eine Liste von zuletzt über die Vorrichtung gewählten Anrufen.

Ähnliche Vorteile ergeben sich, wenn die Liste von zuletzt stattgefundenen Aktionen alternativ oder ergänzend eine Liste von entgangenen und/oder angenommenen Anrufen ist oder enthält.

Damit das für die Spracherkennung verwendete Vokabular ständig aktuell gehalten wird, sollte es nach jeder Veränderung der Liste von zuletzt stattgefundenen Aktionen aktualisiert werden. Das heißt, dass immer, wenn eine Aktion ausgeführt oder aufgerufen worden ist, die für die Spracherkennung relevant ist, also insbesondere von einem Typ ist, der durch die Spracherkennung ausführbar oder aufrufbar ist, eine Aktualisierung des Vokabulars anhand dieses neuen Eintrags in die Liste von zuletzt stattgefundenen Aktionen vorgenommen wird.

Zur Einsparung von Rechenkapazität kann dies aber auch erst ab einer bestimmten, gegebenenfalls vom Benutzer festlegbaren Anzahl von Veränderungen der Liste von zuletzt stattgefundenen Aktionen geschehen.

Alternativ oder ergänzend kann schließlich auch vorgesehen werden, dass die Aktualisierung des verwendeten Vokabulars vom Benutzer der Vorrichtung ausgelöst wird.

Um zu vermeiden, dass besondere, wichtigen Aktionen entsprechende Äußerungen aus der Liste gelöscht werden, kann das Vokabular resistente Ausdrücke enthalten, die nicht anhand der Liste der zuletzt stattgefundenen Aktionen aktualisiert, also insbesondere nicht gelöscht werden können.

Weist die Vorrichtung ein Adressbuch auf, so wird das Verfahren vorzugsweise erstmals gestartet, sobald die Anzahl der im Adressbuch verzeichneten Einträge die maximal zulässige oder mögliche Anzahl von Namenswahleinträgen übersteigt.

Das Verfahren kann allgemein zur benutzeradaptiven Vokabularauswahl von embedded Spracherkennern anhand im System vorhandener Nutzungsdaten erweitert werden. Es ergeben sich dabei eine Reihe von weiteren Anwendungsbeispielen wie zum Beispiel

– Sprachkommandos anhand der zuletzt aufgerufenen Programme,
– Voice Links anhand der zuletzt besuchten Web-Seiten,
– Städte-/Straßennahmen anhand der zuletzt eingegebenen Navigationsziele.

Eine Vorrichtung, die eingerichtet ist, das geschilderte Verfahren auszuführen, lässt sich zum Beispiel durch Programmieren und Einrichten einer Datenverarbeitungsanlage mit Vorsehen von jeweils zu den genannten Verfahrensschritten gehörigen und dafür speziell eingerichteten Mitteln realisieren.

Ein Programmprodukt für eine Datenverarbeitungsanlage, das Codeabschnitte enthält, mit denen eines der geschilderten Verfahren auf der Datenverarbeitungsanlage ausgeführt werden kann, lässt sich durch geeignete Implementierung des Verfahrens in einer Programmiersprache und Übersetzung in von der Datenverarbeitungsanlage ausführbaren Code ausführen. Die Codeabschnitte werden dazu gespeichert. Dabei wird unter einem Programmprodukt das Programm als handelbares Produkt verstanden. Es kann in beliebiger Form vorliegen, so zum Beispiel auf Papier, einem computerlesbaren Datenträger oder über ein Netz verteilt.

Weitere wesentliche Vorteile und Merkmale der Erfindung ergeben sich aus der Beschreibung eines Ausführungsbeispiels.
Erfindungsgemäß werden für die Selektion der Namenswahleinträge Zusatzinformationen über das Telefonverhalten des Benutzers hinzugezogen. Dazu eignen sich sehr gut die Protokolldaten der letzten Anrufe, die für gewählte, angenommene und entgangene Anrufe in den gängigen Mobiltelefonen vorhanden sind. In der Regel kann man davon ausgehen, dass diese Daten den derzeit aktiven Kommunikationspartnerkreis darstellen und damit eine hohe Wahrscheinlichkeit besteht, dass der Benutzer eine dieser Nummern in naher Zukunft wieder wählen wird.
Dementsprechend werden die Protokolldaten der letzten Anrufe analysiert. Dazu wird zuerst die Liste der zuletzt gewählten Telefonnummern bzw. Anrufe ausgewertet. Die gewählte Telefonnummer wird dabei mit den Einträgen im Adressbuch verglichen. Existiert für die Nummer ein Eintrag im Adressbuch, wird dieser markiert und für die Namenswahlfunktion freigeschaltet. Das Verfahren wird solange wiederholt, bis die Maximalzahl von zugelassenen Namenswahleinträgen erreicht ist. Wurde nach dem Komplettdurchlauf der Liste der zuletzt gewählten Telefonnummern die Maximalzahl von Namenswahleinträgen noch nicht erreicht, so kann zusätzlich auf die Liste der entgangenen und/oder angenommenen Anrufe zurückgegriffen werden. Diese werden dann analog dem beschriebenen Verfahren bearbeitet, bis die Maximalzahl von Namenswahleinträgen erreicht ist.
Anrufe können in Form von klassischen Sprachanrufen geführt werden, aber auch als SMS- oder E-Mail-Versand. Dementsprechend können statt Telefonnummern auch andere Verbindungsadressierungen zum Einsatz kommen.
Das beschriebene Verfahren kann automatisch oder manuell angestoßen werden. Wird es manuell vom Benutzer ausgelöst, dienst es zum einmaligen Setup der Namenswahlfunktion. Wird es automatisch zum Beispiel nach jeder Änderung der Protokolldaten angestoßen, so werden die für die Namenswahl zugelassenen Einträge gemäß dem Telefonverhalten des Benutzers adaptiert.
Zur Realisierung kann ein HNEK-basierter Erkenner mit einer Graphem-zu-Phonem-Umsetzung verwendet werden, der auf dem Mobiltelefon ablauffähig ist. Die maximal zulässige Anzahl von Namenswahleinträgen wir beispielsweise auf 100 und die maximale Anzahl von Adressbucheinträgen auf 500 festgelegt.
In das Adressbuch werden vom Benutzer schrittweise Adressen eingetragen. Solange die Anzahl der Adressbucheinträge <- 100 ist, sind alle Einträge des Adressbuchs für die sprecherunabhängige Namenswahl freigeschaltet. Sie werden dazu mittels Graphem-zu-Phonem-Umsetzung in die Lautschrift des Erkenners umgewandelt und in dessen Vokabular aufgenommen. Jede Zuordnung eines Namenswahleintrages wird dabei mitprotokolliert, so dass sich für das Erkennervokabular eine Sortierung nach der Häufigkeit der Nutzung durchführen lässt. Ist die Anzahl der Adressbucheinträge > 100, so wird das automatische Update der Namenswahleinträge aktiviert. Dazu wird nun die Liste von zuletzt stattgefundenen Aktionen, das heißt in diesem Fall die Protokolldaten der letzten Anrufe ausgewertet. Zuerst werden sukzessive die zuletzt gewählten Nummern in ihrer zeitlichen Abfolge mit den Adressbucheinträgen verglichen. Existiert für eine Nummer ein Adressbucheintrag, wird der zugehörige Name (Vorname und/oder Nachname) über die Graphemzu-Phonem-Umsetzung in die Lautschrift des Erkenners umgewandelt. Existiert dieser Name noch nicht im Erkennervokabular, so wird durch ihn der am wenigsten genutzte Name des bisherigen Vokabulars substituiert und als neuer Updateeintrag markiert. Dies wird solange wiederholt, bis das Updatevokabular die Größe von 100 Namen erreicht hat oder das Ende der Liste erreicht ist. Ist bei Listenende die Vokabulargröße von 100 Update-Namen noch nicht erreicht, wird in analoger Weise mit den Einträgen der entgangenen und/oder angenommenen Anrufe verfahren.
Das beschriebene Verfahren wird nach jeder Änderung der Listeneinträge im Hintergrund wiederholt, so dass eine permanente Aktualisierung der aktiven Namenswahleinträge gegeben ist.
Zusätzlich zum beschriebenen Verfahren kann als sinnvolle Ergänzung dem Benutzer die Option gegeben werden, einzelne Einträge manuell für die Namenswahl als permanent zu markieren. Diese werden dann resistent gehalten und sind nicht von einem automatischen Update betroffen. Die Anzahl der Update-Einträge verringert sich dann um die Anzahl der resistenten Einträge.
Durch die Erfindung wird eine telefonieverhaltensadaptierte Vokabularauswahl für die sprecherunabhängige Namenswahl ermöglicht. Sie erlaubt es, eine automatische, für den Benutzer möglichst optimale Auswahl von zugelassenen Einträgen für die Namenswahl aus vorhandenen Adressbucheinträgen anzugeben. Es werden die Protokolldaten der letzten Anrufe zur Auswahl der für die Namenswahl aktiven Namen benutzt.

Claims

Verfahren zur Spracherkennung mit einer Liste von zuletzt stattgefundenen Aktionen zur Steuerung einer Vorrichtung, bei dem das zur Spracherkennung verwendete Vokabular anhand der Liste von zuletzt stattgefundenen Aktionen aktualisiert wird.
Verfahren nach Anspruch 1, bei dem das Vokabular aktualisiert wird, indem Ausdrücke im Vokabular, denen kein Listeneintrag zugeordnet ist, gelöscht werden.
Verfahren nach Anspruch 1 oder 2, bei dem das Vokabular aktualisiert wird, indem Ausdrücke, die bislang nicht im Vokabular vorhanden waren, in das Vokabular aufgenommen werden, wenn ihnen ein Listeneintrag zugeordnet ist.
Verfahren nach einem der vorgehenden Ansprüche, bei dem die Liste der zuletzt stattgefundenen Aktionen eine Liste von Verbindungen enthält.
Verfahren nach einem der vorgehenden Ansprüche, bei dem die Liste der zuletzt stattgefundenen Aktionen eine Liste von zuletzt gewählten Anrufen enthält.
Verfahren nach einem der vorgehenden Ansprüche, bei dem die Liste von zuletzt stattgefundenen Aktionen eine Liste von zuletzt entgangenen und/oder angenommenen Anrufen enthält.
Verfahren nach einem der vorgehenden Ansprüche, bei dem das verwendete Vokabular automatisch nach jeder Veränderung oder einer bestimmten Anzahl von Veränderungen der Liste von zuletzt stattgefundenen Aktionen aktualisiert wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Aktualisierung des verwendeten Vokabulars vom Benutzer der Vorrichtung auslösbar ist.
Verfahren nach einem der vorgehenden Ansprüche, bei dem das Vokabular resistente Ausdrücke enthält, die nicht anhand der Liste der zuletzt stattgefundenen Aktionen aktualisiert werden.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Verfahren ausgelöst wird, sobald eine Anzahl von Adressbucheinträgen über einer maximal zulässigen Anzahl von Namenswahleinträgen liegt.
Verfahren nach einem der vorgehenden Ansprüche, bei dem die Liste der zuletzt stattgefundenen Aktionen eine Liste von zuletzt aufgerufenen Programmen enthält.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Liste der zuletzt stattgefundenen Aktionen eine Liste von zuletzt besuchten Websites enthält.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Liste der zuletzt stattgefundenen Aktionen eine Liste von zuletzt als Navigationsziel eingegebenen Städte- und/oder Straßennamen enthält.
Vorrichtung, die eingerichtet ist, ein Verfahren nach zumindest einem der vorstehenden Ansprüche auszuführen.
Programmprodukt für eine Datenverarbeitungsanlage, das Codeabschnitte enthält, mit denen ein Verfahren nach einem der Ansprüche 1 bis 13 auf einer Datenverarbeitungsanlage ausführbar ist.