[发明专利]一种语音驱动的智能人机交互方法

说明书

本发明公开了一种语音驱动的智能人机交互方法。其处理流程为：用户在客户端通过语音告诉系统自己的需求；系统接收到语音指令后，利用语音识别技术将语音识别成字符串，进而根据语义库就解析用户输入的语义；系统的对话管理器结合知识库和对话上下文，组织回答语句，并以语音方式回答用户；用户得到应答后根据个人需求继续与系统对话，直到满足用户需求为止。与传统的人机交互途径(如鼠标、键盘、触摸屏等)相比，本发明的方法解放了人们的双手，使人机交互更符合人类认知和语言习惯，同时也提高了人机交互的趣味性，在网络购物、信息查询等所有需要与计算机和互联网进行交互的领域均具有广阔应用前景。

技术领域

本发明涉及一种语音驱动的智能人机交互方法，技术应用领域为电子商务与信息查询。

背景技术

自然语言符合人类认知习惯，是一种最为自然和方便快捷的交流方式。随着语音识别、语音合成、自然语言处理和人工智能等技术的发展，人与计算机之间语音方式的交流成为可能。语音驱动的人机交互方式为人机交互提供了一种新途径，解放了人们的双手，能有效提高人机交互的便捷性和易用性。

由于语音识别存在一定误差以及口语交流过程中用户意图往往存在一定模糊性，人机自然语言交互是一种非精确的信息交互。一次人机语音对话一般需要人机之间的多次往复交流，因此人机对话系统需要循环执行语音识别和理解、对话生成、语音合成等各个环节，以完成与用户的沟通。自20世纪90年代以来，出现了三代人机对话系统。第一代系统为信息型，其交互模式比较固定，即系统提供一些信息查询的选项，用户指定查询哪些信息，系统以语音方式将信息返回给用户，主要应用于包裹追踪、简单的金融应用、以及航班状态信息查询等方面。第二代系统为交易型，多面向流程比较固定的应用、采用预先定义的流程进行人机交互，例如银行间移动资金、股票交易。第三代系统为问题解决型，其交互形式从严格的指导对话转向使用更加自然的语言，人机对话方式更为灵活，系统也更为智能化，但目前第三类系统尚处于研究阶段，尚未出现成熟的语音驱动智能人机交互方法及相关系统。

发明内容

本发明解决的技术问题是：为克服现有技术存在的缺陷，针对当前人机交互方式复杂，智能化程度低的问题，提出了一种语音驱动的基于知识的智能人机交互方法，该方法采用语音的方式，基于主题知识进行智能交互，使得用户能够以一种类似于人与人之间自然流畅的交流方式进行信息查询等操作。

本发明的技术解决方案为：一种语音驱动的智能人机交互方法，步骤如下：

(1)语音输入界面接收用户输入的语音；

(2)语音识别模块识别用户语音输入，得到识别结果：字符串S；

(3)语义理解模块对字符串S进行分词，并根据文法对分词结果中的每个短语添加语义标签；文法包括语言模型和语义分类器：语言模型定义了所有可能由语音识别器处理的词汇空间，由文法的规则描述或统计文法领域的n元组集合定义；语义分类器将词汇短语映射到语义标签的一个有限集，由训练好的统计分类器实现；

(4)对话管理器根据语义理解模块的语义解析结果，结合知识库确定将要执行的操作：①如果用户的语音输入指定了所感兴趣事物的属性，对话管理器将查询后台的领域知识库，确定对话主题的必要属性信息、可选属性信息和属性优先级；如果用户提供的属性信息不足，对话管理器下一步将询问用户缺少的必要属性信息；如果用户提供的属性信息覆盖了对话主题的必要属性信息，对话管理器下一步将让用户确认所感兴趣事物的信息；②如果用户的语音输入为查询某一问题或名词，对话管理器将调用第三方搜索引擎查询、筛选和重新组织相关信息，并在下一步将结果返回给用户；