本申请涉及自然语言理解技术领域，公开了一种基于语义识别的人机对话方法及系统。本申请通过当前用户的对话历史数据对当前语音指令的规范程度进行预测，得到规范预测等级，从而在规划预测等级越高时，规划预测等级所应用的拓展识别策略越少，以根据规划预测等级对应的目标策略对当前语音指令进行语义识别，得到语义识别结果，并根据语义识别结果生成指令反馈信息，根据用户历史数据对语音指令进行规范性预测，以根据指令规范程度确定目标策略，实现了当前语音指令与语义识别策略之间的动态调整，并在规划预测等级高的情况下减少拓展识别策略的数量，从而降低执行拓展识别策略所需的算力，减少语义识别的算力浪费。
【技术实现步骤摘要】
本专利技术涉及自然语言理解，尤其涉及一种基于语义识别的人机对话方法及系统。
技术介绍
1、人机对话技术作为人工智能领域的重要分支，涵盖了语音识别(asr，automaticspeech recognition)、自然语言理解(nlu，natural language understanding)和语音合成(tts，text to speech)等关键技术。其中，自然语言理解(nlu)作为人机对话技术的核心任务之一，对于实现计算机系统对人类语言的深入理解和智能回应起着至关重要的作用。在自然语言理解的过程中，语义识别技术扮演着举足轻重的角色。该技术通过捕捉语言中的模式、语义关系及上下文信息，使计算机系统能够解读、解释和回应人类语言的含义，其中，在语义识别技术的分类上，通常将其分为准确语义识别和模糊语义识别两种，准确语义识别要求识别对象准确、清晰且符合语言规范，通过对识别对象进行全面分析，捕捉并解析其中的所有信息，包括词汇、语法、句法结构以及更深层次的语义和语用含义，模糊语义识别通过对识别对象进行语义拓展，以克服语言输入存在的语义模糊、错误词汇、语义缺失等情况，辅助语义理解，从而在一定程度上提高了语义识别的鲁棒性和灵活性。
2、但是，一方面，由于需要对识别对象进行语义拓展，模糊语义识别的算力需求相对较大，另一方面，传统的语义识别系统往往针对不同的识别对象均采用同一套多种语义识别策略，这种策略单一性使得对于规范、清晰的识别对象进行语义识别时，会造成不必要的算力浪费，因此，这两方面因素共同导致了语义识别过程中的算力浪费问题。</p>
技术实现思路
1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
2、鉴于以上所述现有技术的缺点，本申请提供了一种基于语义识别的人机对话方法及系统，以减少语义识别的算力浪费。
3、本申请提供了一种基于语义识别的人机对话方法，包括：预先根据拓展类型对预设的多种语义识别策略进行分类，得到标准识别策略和拓展识别策略，其中，所述拓展类型用于表征所述语义识别策略是否对识别对象进行拓展；响应于当前用户输入当前语音指令，获取所述当前用户对应的对话历史数据；根据所述对话历史数据对所述当前语音指令的指令规范程度进行预测，得到规范预测等级，并根据所述规范预测等级从所述标准识别策略和所述拓展识别策略中确定目标策略，其中，所述规范预测等级越高，所述规范预测等级对应的拓展识别策略越少；将所述当前语音指令作为识别对象，按照所述目标策略对所述识别对象进行语义识别，得到语义识别结果，并根据所述语义识别结果生成所述当前语音指令对应的指令反馈信息。
4、于本申请一实施例中，获取当前用户对应的对话历史数据，包括以下至少一种：统计所述当前用户的人机对话次数；统计所述当前用户的人机对话时长；获取所述当前用户输入的历史语音指令、所述历史语音指令对应的指令文本信息，并根据所述历史语音指令确定所述指令文本信息对应的文本准确率，其中，所述指令文本信息通过对所述历史语音指令进行文本转换得到；获取所述当前用户输入的历史语音指令，所述历史语音指令对应的历史反馈信息，并根据所述历史语音指令确定所述历史反馈信息对应的反馈准确率。
5、于本申请一实施例中，根据所述对话历史数据对所述当前语音指令的指令规范程度进行预测，得到规范预测等级，包括：按照预设的分数匹配关系对所述对话历史数据进行匹配，得到所述对话历史数据对应的预测子分数；通过对各所述对话历史数据分别对应的预测子分数进行计算，得到当前用户分数，并根据所述当前用户分数与预设分数阈值之间的比较结果确定规范预测等级，其中，所述规范预测等级分别对所述人机对话次数、所述人机对话时长、所述文本准确率、所述反馈准确率呈正相关关系。
6、于本申请一实施例中，根据所述目标策略对所述识别对象进行语义识别，得到语义识别结果，包括：若所述规范预测等级小于预设等级阈值，则将所述标准识别策略和所述拓展识别策略作为所述规范预测等级对应的目标策略；根据所述标准识别策略对所述识别对象进行语义识别，得到第一意图标签及语义识别置信度；若所述语义识别置信度大于或等于第一预设阈值，则根据所述第一意图标签生成语义识别结果；若所述语义识别置信度小于所述第一预设阈值，且所述语义识别置信度大于或等于第二预设阈值，则根据所述拓展识别策略对所述识别对象进行语义识别，得到第二意图标签，并根据所述第二意图标签生成语义识别结果，其中，所述第一预设阈值大于所述第二预设阈值；若所述语义识别置信度小于所述第二预设阈值，则将语义识别结果确定为语义识别失败。
7、于本申请一实施例中，所述拓展识别策略通过以下至少一种方式对识别对象进行拓展：获取纠错词库，其中，所述纠错词库包括易错语音、所述易错语音对应的常用文本；通过对所述识别对象进行分词处理，得到所述识别对象中的待纠错词语，并根据所述待纠错词语对应的词语语音从所述纠错词库中进行匹配，得到所述待纠错词语对应的替换文本；通过对所述替换文本进行拼接，得到多个替换对象，并根据所述替换对象与所述识别对象之间的读音相似度从各所述替换对象中确定相似对象，以根据所述相似对象替换所述识别对象；获取所述当前用户的历史语音指令；将所述历史语音指令作为新的识别对象，以对所述历史语音指令进行语义识别。
8、于本申请一实施例中，所述方法还包括：若语义识别结果为语义识别失败，则获取引导指令数据库，其中，所述引导指令数据库包括标准特征词、标准语音指令、所述标准特征词和所述标准语音指令之间的关联关系；通过对所述识别对象进行领域分类，得到所述识别对象对应的文本领域，并从所述识别对象中确定所述文本领域对应的领域特征词；根据所述领域特征词与所述标准特征词之间的匹配结果对所述引导指令数据库进行查询，得到所述领域特征词对应的关联语音指令；根据所述关联语音指令与所述识别对象之间的文本相似度从所述关联语音指令中确定相似语音指令；根据所述相似语音指令生成指令引导信息，其中，所述指令引导信息用于向用户推荐所述相似语音指令。
9、于本申请一实施例中，通过以下方式获取第一预设阈值和第二预设阈值：获取第一准确率和第二准确率，其中，所述第一准确率大于所述第二准确率；通过所述标准识别策略对预设的测试样本集进行语义识别，得到多个测试样本分别对应的测试结果、各所述测试结果分别对应的结果置信度，其中，所述测试样本集由所述测试样本组成；根据所述第一准确率确定第一预设阈值，使得第一样本对应的识别准确率大于或等于所述第一准确率，其中，所述第一样本包括结果置信度大于所述第一预设阈值的测试样本，所述第一样本对应的识别准确率根据所述第一样本对所述第一样本对应的测试结果进行比较得到；根据所述第二准确率确定第二预设阈值，使得第二样本对应的识别准确率大于或等于所述第二准确率，其中，所述第二样本包括结果置信度大于所述第二预设阈值的测试样本，所述第二样本对应的识别准确率根据所述第二样本本文档来自技高网
...
【技术保护点】
1.一种基于语义识别的人机对话方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取当前用户对应的对话历史数据，包括以下至少一种：
3.根据权利要求2所述的方法，其特征在于，根据所述对话历史数据对所述当前语音指令的指令规范程度进行预测，得到规范预测等级，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述目标策略对所述识别对象进行语义识别，得到语义识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述拓展识别策略通过以下至少一种方式对识别对象进行拓展：
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
7.根据权利要求4所述的方法，其特征在于，通过以下方式获取第一预设阈值和第二预设阈值：
8.根据权利要求1所述的方法，其特征在于，根据所述目标策略对所述识别对象进行语义识别，得到语义识别结果，包括：
9.根据权利要求1至8任一项所述的方法，其特征在于，根据所述语义识别结果生成所述当前语音指令对应的指令反馈信息，包括：
10.一种基于语义识别的人机对话系统，其特征在于，包括：
...
【技术特征摘要】
1.一种基于语义识别的人机对话方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取当前用户对应的对话历史数据，包括以下至少一种：
3.根据权利要求2所述的方法，其特征在于，根据所述对话历史数据对所述当前语音指令的指令规范程度进行预测，得到规范预测等级，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述目标策略对所述识别对象进行语义识别，得到语义识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述拓展识别策略通过以下至少一种方式...
【专利技术属性】
技术研发人员：代秀琼，刘楚雄，刘光毅，
申请(专利权)人：重庆赛力斯凤凰智创科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。