[发明专利]基于位置的话音查询识别

说明书

在一些实施方式中，系统和方法能够执行基于位置的话音查询识别。初始接收与用户的话语相对应的音频和指示与用户相关联的位置的数据。然后获得该话语的初始转录。为与位置相关联的多个区域中的每一个区域选择与区域相关联的一组n元语法。为多个地理区域中的一个或多个地理区域生成一个或多个附加候选描述。为多个地理区域中的一个或多个地理区域选择话语的代表性转录。该代表性转录最终被提供给自动语音识别器。

技术领域

本说明书涉及自动语音识别。

背景技术

语音识别是指使用自动语音识别器(automated speech recognizer，ASR)将口头单词转录成文本。在传统ASR系统中，将接收的音频转换成计算机可读的声音，然后将该计算机可读的声音与与给定语言相关联的单词字典进行比较。

发明内容

一般而言，本说明书中描述的主题的一个创新方面可以体现在改进可能被错误识别的不常见的位置特定的术语的话音识别准确性的方法中。例如，与话音查询相关联的位置数据可以用于为该话音查询生成附加候选转录。附加候选转录是使用与位置相关的多个地理区域相关联的n元语法(n-gram)生成的。

例如，邻域模型可以包括被确定为与包围该位置的特定地理区域相关联的n元语法的集合，而子地区模型可以包括被确定为与包围该位置的更大面积相关联的n元语法的集合。在这点上，地理区域模型的层级可以用于生成替代的候选转录，每个候选转录都特定于与位置相关的不同地理区域。因此，自动语音识别器(ASR)可以使用替代的候选转录来减少位置特定的术语的错误识别数量。

对位置特定的术语的错误识别可能导致误导或其他方式的不正确的语音识别结果，当依赖于该不正确的语音识别结果时，可能导致计算机系统中进一步的不准确性和技术效率低下。例如，在位置特定的术语形成电子邮件地址或类似内容的一部分的情况下，其错误识别可能导致计算机向不存在的电子邮件地址发送电子邮件(例如，作为自动化过程的一部分)。这可能会导致计算机和计算机所连接的通信网络两者效率低下。例如，来自网络中服务器的退回或“无法传递”消息可能会给计算机和网络带来负载。如果位置特定的术语被正确识别，就不会产生这种负载。通过用户(例如，经由键盘或其他输入设备)对错误识别的术语的手动校正，可能在计算机上施加更多不必要的负载。对本说明书中描述的不常见的特定位置的术语的话音识别准确性的改进可以减少或完全避免上述技术效率低下。

实施方式可以包括以下一个或多个特征。例如，在一些实施方式中，一种方法包括：接收(i)与用户的话语相对应的音频数据，以及(ii)指示与用户相关联的位置的数据；获得话语的初始候选转录；为与该位置相关联的多个地理区域中的每一个地理区域选择与区域相关联的一组n元语法；对于多个地理区域中的一个或多个地理区域，基于(i)初始候选转录，和(ii)与该区域相关联的、不在初始候选转录中出现的、并被指示为在语声上与在初始候选转录中出现的一个或多个术语类似的一组n元语法的一个或多个术语，来生成一个或多个附加候选转录；从初始候选转录和一个或多个附加候选转录当中选择话语的代表性转录；以及向自动语音识别器提供代表性转录。

其他版本包括被配置为执行编码在计算机存储设备上的方法的动作的对应系统和计算机程序。

一个或多个实施方式可以包括以下可选特征。例如，在一些实施方式中，多个地理区域至少包括：包围该位置的邻域、包围该邻域整个面积的子地区以及包围该邻域整个面积的地区。

在一些实施方式中，邻域与第一特征分数相关联，子地区与第二特征分数相关联，以及地区与第三特征分数相关联，第一特征分数具有大于第二特征分数的值的值，并且第二特征的值大于第三特征分数的值，以及至少基于第一特征分数、第二特征分数和第三特征分数的相应值来选择代表性转录。