[发明专利]在参与者之间的对话中检测可行动项

说明书

本文描述了用于检测语音中的可行动项的计算机实现的技术。在一种操作方式中，该技术需要：接收话语信息，该话语信息表达由对话的一个参与者向对话的至少一个其他参与者说出的至少一个话语；将话语信息转换为识别的语音信息；使用机器训练的模型来识别与识别的语音信息相关联的至少一个可行动项；以及执行与一个或多个可行动项相关联的至少一个计算机实现的动作。机器训练的模型可以对应于深度结构的卷积神经网络。在一些实现方式中，该技术使用源环境语料库来产生机器训练的模型，该源环境语料库并非最佳地适用该模型旨在被应用于其中的目标环境。该技术进一步提供了用于适配源‑环境模型以使得其更适合目标环境的各种适配技术。

背景技术

用户可以依靠个人数字助理来促进执行某些计算机实现的任务。在操作中，用户可以直接向个人数字助理发出口头命令，诸如通过指示“助理，预约周二上午10点与JohnSmith的会面”。个人数字助理应用自然语言处理来解释用户的口头指令，并且然后执行用户的指令。尽管数字助理技术现在提供了令人满意的可用性、准确性和便利性，但与个人数字助理交互却表示人工的人机交换，这背离了用户按照其与环境交互的典型方式。

发明内容

本文描述了用于检测语音中的可行动项的计算机实现的技术。在一种操作方式中，该技术需要：接收话语信息，该话语信息表达由对话的一个参与者向对话的至少一个其他参与者说出的至少一个话语；将话语信息转换为识别的语音信息；使用机器训练的模型来识别与识别的语音信息相关联的至少一个可行动项；以及执行与一个或多个可行动项相关联的至少一个计算机实现的动作。

在一些实现方式中，机器训练的模型对应于深度结构的卷积神经网络。

在一些实现方式中，该技术基于已经从源环境被收集的训练数据的源语料库来产生机器训练的模型。源环境与机器训练的模型旨在被应用于其中的目标环境不同。例如，源环境可以从属于人类参与者在其中与个人数字助理交互的域，而目标环境从属于对话的人类参与者在其中直接相互交互的域。在其他实现方式中，该技术基于从属于目标环境的训练数据来产生机器训练的模型。

在一些实现方式中，该技术提供各种适配机制，用于将源-环境模型适配为更适于在目标环境中应用的模型。

该技术具有一个或多个益处。例如，该技术在不中断参与者之间针对对话的通信流的情况下操作。此外，该技术可以通过利用从源环境被收集的更丰富(但不太可靠)的训练数据来克服与目标环境相关联的训练数据的潜在缺乏。

上述技术可以表现在各种类型的系统、设备、部件、方法、计算机可读存储介质、数据结构、图形用户接口呈现、制品等中。

本发明内容被提供以按照简化的形式介绍对概念的选择；这些概念在下面的具体实施方式中被进一步描述。本发明内容并非旨在标识所要求保护的技术方案的关键特征或本质特征，也并非旨在用于限制所要求保护的技术方案的范围。

附图说明

图1示出了用于检测两个或更多个参与者之间的对话中的可行动项的模型-应用系统的概览。图1还示出了用于生成用于在模型-应用系统中使用的机器训练的模型的训练系统。

图2示出了与源-环境语料库和训练-环境语料库相关联的训练示例。

图3示出了图1的模型-应用系统的操作的示例。

图4示出了作为图1的模型-应用系统的一部分的动作检测部件的一个实现方式。

图5示出了图1和图4中所示的动作检测部件的进一步细节。

图6示出了作为图5的动作检测部件的一部分的语义转换部件的一个实现方式。

图7示出了作为图1的训练系统的另一部分的机器训练部件的一个实现方式。

图8和图9示出了作为图1的训练系统的一部分的适配部件的操作的一个示例。