随着语音识别技术的日益成熟和自然语言处理技术的进步,人们采用语音和移动智能设备交互已经成为了一种趋势。本文的研究重点是如何让移动智能终端理解用户口语的语义内容,研究了一种基于多层条件随机场的短语音语义组块识别方法,该方法将口语语义理解分解为操作指令分类和语义组块信息提取两个过程,在这两个过程中均使用了条件随机场技术,通过获得组块的中间表示格式得到操作任务的语义树表达,智能终端根据最终的语义树去执行相应的任务操作,从而实现了对用户口语操作指令语义理解的目的。本文的主要工作如下:1)语料采集与分析:语料采集对象是在校学生群体,经分析将用户指令分成了十种类型。采用了两种不同的分词及词性标注工具(BosonNLP与HanLP)来建设语料库,得到了操作指令分类语料库和语义组块识别语料库,分别用于操作指令分类和语义组块信息提取两个过程中。2)根据本文研究对象的特点,设计了操作指令分类模板和语义组块识别模板,依据模板采用条件随机场技术对操作指令分类语料库中的训练语料进行训练,得到了操作指令分类模型(m_A);使用条件随机场对语义组块识别语料库中的训练语料进行训练,得到了十种操作指令的语义组块识别模型(m_N)。3)使用已经训练好的模型m_A对操作指令分类语料库中的某条测试语料进行分类,识别结果为N类型操作指令。接着使用对应的语义组块识别模型m_N,完成N类型操作指令的语义组块信息提取,并采用中间表示格式来表示N类型操作指令,得到该操作指令的语义树,从而实现对N类型操作指令的理解。在实验中,采用HanLP分词标注的操作指令分类准确率达到91.67%,采用BosonNLP分词标注的操作指令分类准确率达到了94.79%。采用HanLP分词标注的操作指令语义组块提取平均正确率达到了88.19%,采用BosonNLP分词标注的操作指令语义组块提取平均正确率达到了91.25%。