[发明专利]语义拒识方法、语义拒识装置、交通工具及介质

说明书

本申请公开了一种语义拒识方法、语义拒识装置、交通工具和存储介质，语义拒识方法包括：获取语音请求的文本以及文本对应的出词置信度，根据文本以及对应的出词置信度生成置信度特征，置信度特征包括文本和文本对应的分字置信度，将上下文的置信度特征合并生成目标置信度特征，利用训练好的语义拒识模型对目标置信度特征进行预测得到拒识结果，语义拒识模型根据预设多模态模型训练得到。本申请的语义拒识方法通过将文本以及文本对应的出词置信度生成置信度特征并根据以上下文的置信度特征进行预测得到据识结果，提升了语义拒识准确率。

技术领域

本申请涉及交通领域，特别涉及一种语义拒识方法、语义拒识装置、交通工具及计算机可读存储介质。

背景技术

随着交通工具的智能化，交通工具的应用程序与用户的交互越来越频繁。目前，在车载语音助手持续倾听的场景，由于实际交互环境时复杂多变，在语音交互过程中经常会存在噪声语音的输入，引起车辆语音助手的误响应，相关技术中，车辆语音助手可通过语义拒识模型根据输入语音的语义对某些语音进行拒识，以提高车载语音助手的识别率。因此，语义拒识模型的错误率直接影响最终指令是否正确理解和执行，如何提高语音拒识率成了亟待解决的问题。

发明内容

有鉴于此，本申请实施方式提供了一种语义拒识方法、语义拒识装置、交通工具及计算机可读存储介质。

本申请提供了一种语义拒识方法，包括：

获取语音请求的文本以及所述文本对应的出词置信度；

根据所述文本以及对应的所述出词置信度生成置信度特征，所述置信度特征包括所述文本和所述文本对应的分字置信度；

将上下文的所述置信度特征合并生成目标置信度特征；

利用训练好的语义拒识模型对所述目标置信度特征进行预测得到拒识结果，所述语义拒识模型根据预设多模态模型训练得到。

在某些实施方式中，所述根据所述文本以及对应的所述出词置信度构造生成置信度特征包括：

根据所述文本对应的出词置信度确定所述文本的分字置信度；

对所述分字置信度进行归一化处理以确定构建置信度词表；

根据所述文本和所述置信度词表生成所述置信度特征。

在某些实施方式中，所述将上下文的所述置信度特征合并生成目标置信度特征包括：

根据所述语音请求的设备标识和语音采集时间对对应的所述置信度进行排序；

将所述设备标识相同且处于预设倾听时长内的相邻所述置信度特征合并生成所述目标置信度特征。

在某些实施方式中，所述利用训练好的语义拒识模型对所述目标置信度特征进行预测得到拒识结果包括：

根据所述目标置信度特征确定分字特征向量、分句特征向量、位置特征向量和置信度特征向量；

根据所述分字特征向量、所述分句特征向量、所述位置特征向量提取文本编码信息；

根据所述置信度特征向量提取置信度编码信息；

拼接所述文本编码信息和所述置信度编码信息以做自注意力特征融合；

利用激活函数对所述自注意力特征融合的结果进行处理以得到所述拒识结果。

在某些实施方式中，所述根据所述目标置信度特征确定分字特征向量、分句特征向量、位置特征向量和置信度特征向量包括：

确定所述目标置信度特征的起止位；

设置所述目标置信度特征的超参数；