论文部分内容阅读
随着语音识别(Speech Recognition)技术、语音合成(Speech Synthesis)技术以及自然语言处理(Natural Language Processing)技术的日趋成熟,结合了这三项关键技术的智能语音对话系统(Intelligent Speech Dialogue System),在越来越多的领域得到了应用。在智能语音对话系统中,人与系统之间的交互采用对话的形式,这种方式更加拟人化,同时让人们获取信息资源的途径变得更加方便、快捷。语义识别(Semantics Recognition)是智能语音对话系统得以实现的关键技术,通过对语音识别的结果进行语义上的解析与判断,它让对话系统能够“听懂”用户的对话,即识别出用户的意图(Intention)。针对智能语音对话系统中的语义识别技术,本论文开展了以下工作与研究:1、实现了基于规则(Rule-Based)的语义识别。在基于规则的语义识别方法中,本论文提出了语义规则Pattern的匹配方法。语义规则Pattern是人工总结的人们在口语对话时常用的语言的文法表示,用来匹配一段部分或者完整的语义。Pattern匹配是用户查询语句和Pattern之间基于字符串的精确匹配。对话系统根据Pattern匹配结果进行初步的意图分类,然后利用Pattern中变量的标签机制提取用户查询语句的关键信息,并根据这些关键信息进行语义推理与判断,最终将用户的查询意图以数据参数的形式传递给系统的宿主平台。2、实现了基于统计语言模型(Statistical Language Models)的语义二分类。针对智能语音对话系统中的某一功能类别,本论文通过搭建n-gram统计语言模型,根据用户查询语句的最大似然估计来判定该查询语句是否属于该功能类别的查询意图,从而达到用户查询语句的语义二分类判断。3、提出基于规则和统计结合的语义识别方法。针对语音对话系统中语义规则Pattern难以进行总结归纳的功能类别,本论文结合基于统计方法的召回率较高以及基于规则方法的高精度的优点,提出了将两者结合起来进行语义识别的方法。该方法采用基于统计方法的语义二分类模块来作为初步意图判断模块,再采用基于规则的方法进行语义解析与判断,提高了召回率的同时保证了语义识别的准确度。