[发明专利]用于对话中断检测的具有全局和局部编码的上下文丰富的注意记忆网络的系统和方法

权利要求书

1.一种方法，包括：

从音频传感器获得口头输入；

由处理器生成对所述口头输入的回复；

由所述处理器识别来自所述口头输入的局部上下文和来自所述口头输入的全局上下文、先前由所述音频传感器接收的另外的口头输入、以及响应于所述另外的口头输入而生成的先前回复；

响应于确定所述回复不对应于所述局部上下文和所述全局上下文，由所述处理器识别对话中断；以及

当未识别到所述对话中断时，通过扬声器生成与所述回复相对应的声音。

2.根据权利要求1所述的方法，还包括：

响应于识别到所述对话中断，由所述处理器生成指示所述对话中断发生的通知，

其中，所述通知包括由所述扬声器生成的声音通知和输出到显示器的视觉通知中的至少一个。

3.根据权利要求1所述的方法，还包括：

响应于所述对话中断的识别，由所述处理器基于所述局部上下文和所述全局上下文从所述对话中断恢复。

4.根据权利要求3所述的方法，其中，从所述对话中断恢复包括：

由所述处理器识别与自动语音识别相关联的第一置信度分数、与自然语言理解相关联的第二置信度分数、和与所述口头输入相关联的第三置信度分数中的至少一个；

基于验证与状态相关联的上下文对应于所述第一置信度分数、所述第二置信度分数和所述第三置信度分数中的至少一个、所述局部上下文、和所述全局上下文，由所述处理器识别与所述状态相关联的所述上下文；以及

由所述处理器基于与所述状态相关联的所述上下文来生成经修改的回复，

其中，所述状态包括位置、关键词、句子和所述口头输入中的至少一个。

5.根据权利要求1所述的方法，还包括：

使用长短期记忆LSTM网络对所述口头输入进行编码，以识别所述口头输入、所述先前回复和所述另外的口头输入之间的时间关系；

根据所述口头输入内的关注的关键词识别所述局部上下文；以及

根据所述口头输入、所述回复、所述另外的口头输入、和所述先前回复内的重复关键词和相互上下文信息识别所述全局上下文。

6.根据权利要求5所述的方法，其中，识别所述全局上下文包括：基于窗口大小来识别所述另外的口头输入和所述先前回复的数量，所述窗口大小是固定的窗口大小或变化的窗口大小中的至少一个。

7.根据权利要求1所述的方法，其中，识别所述对话中断包括：

生成与第一标签相关联的记忆分数，所述记忆分数指示所述第一标签对应于所述回复和所述全局上下文的概率；

生成与所述第一标签相关联的话语分数，所述话语分数指示所述回复对应于所述口头输入的概率；

将第一权重指派给所述记忆分数，并且将第二权重指派给所述话语分数，以分别生成加权记忆分数和加权话语分数；

基于将所述加权记忆分数和所述加权话语分数进行组合来生成加权分数，所述加权分数与所述第一标签相关联；以及

将所述加权分数和与相应标签相关联的先前加权分数进行比较，

其中，当所述第一标签与所述对话中断相关联，并且所述加权分数大于所述先前加权分数时，识别所述对话中断。

8.一种电子设备，包括：

音频传感器；

扬声器，被配置为生成声音；以及

处理器，能够操作地耦接到所述音频传感器和所述扬声器；

存储器，能够操作地耦接到所述处理器，所述存储器包括能够由所述处理器执行以执行以下操作的指令：

从所述音频传感器获得口头输入，

生成对所述口头输入的回复，

识别来自所述口头输入的局部上下文和来自所述口头输入的全局上下文、先前由所述音频传感器接收的另外的口头输入、以及响应于所述另外的口头输入而生成的先前回复，

响应于确定所述回复不对应于所述局部上下文和所述全局上下文，识别对话中断，以及

当未识别到所述对话中断时，通过所述扬声器生成与所述回复相对应的声音。