[发明专利]启动应用的方法、电子设备和计算机可读介质

说明书

本公开的实施例公开了启动应用的方法、电子设备和计算机可读介质。该方法的一具体实施方式包括：接收目标用户发出的启动设备上的应用的请求，将该请求发送至第一终端，其中，第一终端采集该请求中的声音信息，接收第一终端返回的声音信息，基于声音信息，启动设备，基于该请求，确定请求中的关键词指令是否认证通过，响应于关键词指令认证通过，启动设备上的应用。这种方法根据目标用户发出的启动应用的请求，能够完成启动设备以及启动应用的任务，操作步骤少、流程简便，方便用户启动设备中的应用，提高了用户使用体验。

技术领域

本公开实施例涉及计算机技术领域，具体涉及人机交互方法、装置、电子设备和计算机可读介质。

背景技术

人机交互的方法一般是用户通过人机交互界面与系统交流，其中人机交互界面的好坏直接影响到软件开发的成败。基于人类生物信息的身份认证，能够确定该用户是否具有对某种资源的访问和使用权限，进而使计算机和网络系统的访问策略能够可靠、有效地执行，保证系统和数据的安全。根据语音等生物信息进行人机交互指令的识别，能够使机器自动完成启动程序、加载应用等特定功能。

发明内容

本公开实施例提出了一种启动应用的方法。

第一方面，本公开实施例提供了一种启动应用的方法，该方法包括：接收目标用户发出的启动设备上的应用的请求，其中，请求为语音指令，以及，请求包含关键词指令；将请求发送至第一终端，其中，第一终端采集用户信息；接收第一终端返回的用户信息；基于用户信息，启动设备；基于请求，确定关键词指令是否认证通过；响应于关键词指令认证通过，启动设备上的应用。

在一些实施例中，基于用户信息，启动设备，包括：响应于用户信息包括声音信息和生理信息，基于声音信息，确定声音信息认证是否认证通过，以及，基于生理信息，确定生理信息认证是否认证通过；响应于声音信息认证通过以及生理信息认证通过，启动设备。

在一些实施例中，基于声音信息，确定声音信息认证是否通过，包括：将声音信息输入预先训练的第一卷积神经网络，得到输出作为目标用户的语音特征；基于目标用户的语音特征，确定声音信息认证是否通过。

在一些实施例中，第一卷积神经网络预先通过如下步骤训练得到：确定第一初始卷积神经网络的网络结构以及初始化第一初始卷积神经网络的网络参数；获取第一训练样本集合，其中，第一训练样本包括样本声音信息和预先得到的样本语音特征；利用机器学习方法，将第一训练样本集合中的第一训练样本包括的样本声音信息作为第一初始卷积神经网络的输入，将与输入的样本声音信息对应的预先得到的样本语音特征作为第一初始卷积神经网络的期望输出，训练得到第一卷积神经网络。

在一些实施例中，第一卷积神经网络包括第一特征提取网络、第二特征提取网络和第一全连接层；以及将声音信息输入预先训练的第一卷积神经网络，得到输出作为目标用户的语音特征，包括：将声音信息输入预先训练的第一特征提取网络，得到第一特征向量；将第一特征向量输入预先训练的第二特征提取网络，得到第二特征向量；将第二特征向量输入预先训练的第一全连接层，生成目标用户的语音特征。

在一些实施例中，基于请求，确定关键词指令是否通过，包括：基于关键词指令，确定关键词指令的音素数据；将音素数据输入预先训练的第二卷积神经网络，得到输出作为音素数据的语音特征；基于音素数据的语音特征，确定关键词指令是否通过。

在一些实施例中，第二卷积神经网络预先通过如下步骤训练得到：确定初始第二卷积神经网络的网络结构以及初始化初始第二卷积神经网络的网络参数；获取第二训练样本集合，其中，第二训练样本包括样本音素数据和预先得到的样本语音特征；利用机器学习方法，将第二训练样本集合中的第二训练样本包括的样本音素数据作为第二初始卷积神经网络的输入，将与输入的样本音素数据对应的预先得到的语音特征作为第二初始卷积神经网络的期望输出，训练得到第二卷积神经网络。