[发明专利]基于点击排序的语音识别结果优化方法及装置有效

专利信息
申请号: 202210540446.8 申请日: 2022-05-17
公开(公告)号: CN115188381B 公开(公告)日: 2023-10-24
发明(设计)人: 郑宏;郑善福;阮海鹏 申请(专利权)人: 贝壳找房(北京)科技有限公司
主分类号: G10L15/26 分类号: G10L15/26;G10L15/22;G10L15/06;G06F18/214;G06N20/00
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 谢志超
地址: 100085 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 点击 排序 语音 识别 结果 优化 方法 装置
【权利要求书】:

1.一种基于点击排序的语音识别结果优化方法,其特征在于,包括:

获取包含多个语音识别结果的第一集合;

基于所述第一集合中每个语音识别结果的点击率,生成第二集合;

将所述第二集合中的对象作为样本对排序模型进行训练,得到目标模型;

其中,所述语音识别结果的点击率为基于语音输入生成的语音识别结果被选中的概率;所述目标模型用于预测基于语音输入生成的语音识别结果被选中的概率。

2.根据权利要求1所述的方法,其特征在于,所述基于所述第一集合中每个语音识别结果的点击率,生成第二集合,包括:

根据所述第一集合中每个语音识别结果的目标参数,生成第二集合;

其中,所述目标参数包括以下至少一项:语句的长度,语句是否包含英文字符,语句是否包含数字,语音识别结果的置信度,语句被选中的次数,语句被展示的次数,语句被选中概率。

3.根据权利要求2所述的方法,其特征在于,所述将所述第二集合中的对象作为样本对排序模型进行训练,得到目标模型之前,所述方法还包括:

按照预设比例将所述第二集合中的对象划分为训练集和预测集;

基于所述训练集中每个样本指示的语音识别结果的被选中情况,对所述训练集中的每个训练样本进行标注;

其中,包含被选中的语音识别结果的样本标记为1,包含未被选中的语音识别结果的样本标记为0。

4.根据权利要求3所述的方法,其特征在于,所述将所述第二集合中的对象作为样本对排序模型进行训练,得到目标模型,包括:

基于所述训练集中样本的第一参数,生成并行决策树,并分别对所述训练集中的样本进行分值预测;

基于所述并行决策树中每个决策树针对目标样本的预测结果,得到所述目标样本的预测结果;

其中,所述第一参数为所述目标参数中的参数;所述目标样本为所述训练集中的任一样本。

5.根据权利要求4所述的方法,其特征在于,所述第一参数为所述语音识别结果的置信度。

6.根据权利要求2至5中任一项所述的方法,其特征在于,所述将所述第二集合中的对象作为样本对排序模型进行训练,得到目标模型之后,所述方法还包括:

获取包含基于目标语音输入得到的多个语音识别结果的第三集合;

根据所述第三集合中每个语音识别结果的目标参数,生成第四集合;

使用所述目标模型对所述第四集合中的每个语音识别结果进行预测,得到所述第四集合中的每个语音识别结果被选中的概率。

7.一种基于点击排序的语音识别结果优化装置,其特征在于,所述装置包括:

获取模块,用于获取包含多个语音识别结果的第一集合;

数据处理模块,用于基于所述获取模块获取的第一集合中每个语音识别结果的点击率,生成第二集合;

训练模块,用于将所述第二集合中的对象作为样本对排序模型进行训练,得到目标模型;

其中,所述语音识别结果的点击率为基于语音输入生成的语音识别结果被选中的概率;所述目标模型用于预测基于语音输入生成的语音识别结果被选中的概率。

8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述基于点击排序的语音识别结果优化方法的步骤。

9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述基于点击排序的语音识别结果优化方法的步骤。

10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6中任一项所述基于点击排序的语音识别结果优化方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贝壳找房(北京)科技有限公司,未经贝壳找房(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210540446.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top