[发明专利]语音指令检测模型构建方法、检测方法及系统、人机交互方法及设备

权利要求书

1.一种语音指令检测模型构建方法，其特征在于，包括：

确定语音指令检测模型的拓扑结构；

收集大量人机交互的文本数据作为训练数据；

对所述训练数据中用户提问或回答语句文本进行分词，并以单轮回答或提问为单位，获取分词词串；

对所述分词词串中的每个词，依据对话历史信息，依次对各词进行语音指令结束点赋值，并标注业务类别、以及信息槽或状态槽，所述信息槽表示业务当前所包含的信息单元，所述状态槽表示业务当前的状态信息；

利用所述训练数据及其赋值信息和标注信息，训练得到语音指令检测模型的参数。

2.根据权利要求1所述的方法，其特征在于，所述语音指令检测模型的拓扑结构采用RNN模型，包括输入层、中间隐层和输出层；

所述输入层的输入包括：当前词的词向量w_n(t)、截止到上一个词的隐层向量h(t-1)、对话历史信息，其中，所述对话历史信息包括：截止到上一个词的业务分类信息c(t-1)、以及信息槽填充情况s(t-1)或状态槽填充情况st(t-1)；所述输出层的输出包括：检测结果p(t)，所述检测结果p(t)具体为当前词为语音指令结束点的概率得分、或者为表征当前词是否为语音指令结束点的数值。

3.根据权利要求2所述的方法，其特征在于，所述输出层的输出还包括：截止到当前词的业务分类信息c(t)、以及信息槽填充情况s(t)或状态槽填充情况st(t)。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

利用文法匹配的方式得到所述对话历史信息。

5.一种语音指令检测方法，应用于人机交互过程，其特征在于，包括：

实时接收用户语音数据，并对所述语音数据进行实时语音识别，得到识别文本；

依次对当前识别文本中的各词，基于权利要求1-4任一项中所述的语音指令检测模型进行语音指令检测，得到模型输出的检测结果；

根据所述检测结果确定语音指令结束点。

6.根据权利要求5所述的方法，其特征在于，所述检测结果具体为当前词为语音指令结束点的概率得分，并将该概率得分作为第一得分；

所述方法还包括：

基于当前识别文本对应的语音数据的声学信息确定当前词为语音指令结束点的概率得分，并将该概率得分作为第二得分；

所述根据所述检测结果确定语音指令结束点包括：

对第一得分和第二得分进行融合，得到综合得分；

如果所述综合得分大于设定阈值，则确定当前词为语音指令结束点。

7.根据权利要求6所述的方法，其特征在于，所述基于当前识别文本对应的语音数据的声学信息确定当前词为语音指令结束点的概率得分包括：

根据当前识别文本对应的语音数据获取当前词的停顿时长；

对当前词的停顿时长进行量化处理，得到当前词的量化停顿时长；

根据当前词的量化停顿时长确定当前词为语音指令结束点的概率得分。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

预先利用统计方法建立量化停顿时长与语音指令结束点概率的对应关系表；

所述根据当前词的量化停顿时长确定当前词为语音指令结束点的概率得分包括：

根据当前词的量化停顿时长查找所述对应关系表，得到当前词为语音指令结束点的概率得分。

9.一种人机交互方法，其特征在于，包括：

实时接收用户语音数据，并对所述语音数据进行实时语音识别，得到识别文本；

依次对当前识别文本中的各词，基于权利要求1-4任一项中所述的语音指令检测模型进行语音指令检测，以确定当前词是否为语音指令结束点，得到第一检测结果；

根据检测结果确定当前词是否为语音指令结束点；

如果是，则对以当前词为结束点的子句进行语义理解，得到语义理解结果；

根据所述语义理解结果生成交互结果。