[发明专利]语音识别后文本处理方法、装置和终端

说明书

本发明实施例提供一种语音识别后文本处理方法、装置和终端，该方法包括：获取用户输入语音的文本字符串，并利用N元语言模型进行候选子串提取，将得到的候选子串合并为序列，将该序列与文本字符串进行相似度匹配以得到字符相似度分值，并基于主题语料库获取与该序列匹配的最相似文本及最大子语义相似度，利用该序列与最相似文本进行N元相似度估计，进而计算得到语义相似度分值，最后利用字符相似度分值和语义相似度分值来计算语音识别置信度。通过本发明的技术方案可以解决语音识别解码器的信息获取难的问题，还利用语法、语义及语用等高层信息来输出置信度，可有效避免错误的语义理解而引发错误的反馈到用户端等问题。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种语音识别后文本处理方法、装置和终端。

背景技术

自动语音识别(ASR)在安静环境下语音识别准确率接近97％，但是在电话通话场景下，由于环境噪声、信道噪声等噪声问题，口语对话语音的形式多样性，例如方言，口语助词、迟疑、重复与停顿造成的语音不流畅，多说话人重叠，以及句子边界定义模糊等，导致实际环境中语音识别的正确率一直不尽如人意，识别率甚至可能不到50％，如果电话机器人在收到非预期输入时也根据最大似然的识别结果将文本送给后续的自然语言理解并做出交互动作，会导致语音交互流程不可控，严重影响交互体验。因此，语音识别后文本处理主要目的是去除没有语义意义的音频片段，节省后端处理的计算资源，提高整个对话系统的交互鲁棒性，提升用户使用体验，避免错误的语义理解引发错误的反馈到用户端。

目前，语音识别后文本处理主要是从语音识别置信度估计出发，利用解码器的信息来输出置信度，对ASR识别结果的可信度进行度量。然而，对于第三方调用语音识别的电话机器人厂商，获取解码器的信息往往比较困难，并且仅利用解码信息指导对识别结果的评价还会丢失语法、语义及语用等高层信息。

发明内容

有鉴于此，本发明的目的是为了克服现有技术中的不足，提供一种语音识别后文本处理方法、装置和终端。

本发明的一实施例提供一种语音识别后文本处理方法，包括：

接收用户输入的语音，通过语音识别生成所述语音的文本字符串；

利用N元语言模型对所述文本字符串进行候选子串提取，将提取到的所述候选子串合并以构成一序列；

将所述序列与所述文本字符串进行字符相似度匹配，得到字符相似度分值；

从主题语料库中提取与所述序列匹配时子语义相似度分值最大的一文本作为最相似文本，对所述序列与所述最相似文本进行N元相似度计算以得到对应的N元相似度分值，基于所述子语义相似度分值和所述对应的N元相似度分值计算语义相似度分值；

根据所述字符相似度分值和所述语义相似度分值计算语音识别置信度，以用于根据所述语音识别置信度执行相应的操作。

在一些实施例中，所述N元语言模型包括基于词粒度产生的多个n元短语所构成的Ngram元组数据集，其中，所述多个n元短语包括1元短语、2元短语、3元短语和4元短语，所述利用N元语言模型对所述文本字符串进行候选子串提取包括：

对所述文本字符串进行分词，得到包含若干分词词组的一词列表；

根据各个所述分词词组在所述词列表中的位置次序生成多个k元短语候选，其中，所述多个k元短语候选包括1元短语候选、2元短语候选、3元短语候选和4元短语候选，每一所述k元短语候选设有对应的起止位置索引；

将每一所述k元短语候选与所述Ngram元组数据集进行匹配，得到匹配成功的若干k元短语以作为所述语音的关键短语；

根据所述关键短语的所述起止位置索引进行去重处理，将去重后得到的各关键短语作为对应的候选子串。