[发明专利]一种语音控制方法及装置

说明书

本发明实施例提供了一种语音控制方法及装置，所述方法包括：接收用户输入的语音信息；将所述语音信息转换为文本；根据所述文本判断所述用户的意图是否为组合型任务；如果是组合型任务，则将所述组合型任务映射到多个子任务；提取每个子任务的要素信息；根据每个要素信息和对话上下文确定当前概率下最大的对话状态；根据所述对话状态，采用分层强化学习方法决策当前最佳的对话行为；根据所述对话行为生成对应的文本应答；将所述文本应答转换语音后输出。本发明实施例能够有效地利用人机交互过程产生的数据，对跨领域的复杂语音输入进行识别和理解，缩减搜索空间，更灵活地处理跨领域复杂任务。

技术领域

本发明涉及计算机技术领域，特别是涉及一种语音控制方法及装置。

背景技术

随着语音技术的快速发展和成熟，语音作为一种新型人机交互方式，已经成为互联网和物联网未来可能的重要入口之一。比如：用户可以向安装语音助手的手机或音箱等硬件设备发出语音信息，与系统进行单轮对话，控制系统调用特定应用，以完成指定任务。

目前，语音控制技术通常通过下述方式来实现：一种是将用户输入的语音信息与语音信息库中预设的指令进行对比匹配，如果匹配成功，则按该指令操作产生对应的结果；另一种是将用户输入的语音进行语音识别，分析语音识别的结果，解析用户意图，然后按找解析用户意图对应的指令操作产生对应的结果。

由上述两种方式可知，无论是基于语音指令库中的预设指令进行对比，还是基于语音识别的结果解析用户意图，都只能处理指定范围内较为简单的单一指令任务，如：“打开蓝牙”，“关闭音乐”等。而对于一些复杂的跨领域跨主题任务，如：“规划旅行日程”，“国庆东南亚”等，现有的语音控制处理起来较为困难。

因此，如何对跨领域的复杂语音输入进行识别和理解，是目前本领域技术人员需要解决的技术问题。

发明内容

本发明实施例所要解决的技术问题是提供一种语音控制方法，以解决现有技术中不能对跨领域的复杂语音输入进行识别和理解的技术问题。

相应的，本发明实施例还提供了一种语音控制装置，用以保证上述方法的实现及应用。

为了解决上述问题，，本发明是通过如下技术方案实现的：

第一方面提供一种语音控制方法，所述方法包括：

接收用户输入的语音信息；

将所述语音信息转换为文本；

根据所述文本判断所述用户的意图是否为组合型任务；

如果是组合型任务，则将所述组合型任务映射到多个子任务；

提取每个子任务的要素信息；

根据每个要素信息及对话上下文确定当前概率下最大的对话状态；

根据所述对话状态，采用分层强化学习方法决策当前最佳的对话行为；

根据所述对话行为生成对应的文本应答；

将所述文本应答转换语音后输出。

可选的，所述根据所述文本判断所述用户的意图是否为组合型任务，包括：

对所述文本进行意图识别，将识别后的所述文本与频繁行为模式项集进行相似性匹配，如果相似性匹配成功，则确定所述用户的意图为组合型任务。

可选的，将识别后的所述文本与频繁行为模式项集进行相似性匹配，包括：

基于外部知识源对所述文本进行相关词和同义词扩展；

对于扩展后的所述文本和频繁行为模式项集，采用语义匹配模型进行相似性匹配计算，得到相似性匹配分值；