一种数据处理方法、语音助手设备及计算机可读存储介质与流程

本发明涉及计算机技术领域，尤其涉及一种数据处理方法、语音助手设备及计算机可读存储介质。

背景技术：

随着计算机技术的发展，智能终端中的应用发展越来越快，例如语音助手。目前已经逐步被应用于汽车多媒体、手机、平板电脑等智能终端上，用户通过向携带语音助手的智能终端输入语音信息，以使所述智能终端上的语音助手在接收到所述语音信息后会执行所述语音信息对应的操作指令。然而，目前语音助手的实现能力较弱，对用户缺乏吸引力。

因此，如何提高语音助手的实用功能，以增强用户使用语音助手的兴趣和习惯成为研究的重点。

技术实现要素：

本发明实施例提供一种数据处理方法、语音助手设备及计算机可读存储介质，可实现语音信息的识别，提高了语音助手的实用功能。

第一方面，本发明实施例提供了一种数据处理方法，该方法包括：

获取用户输入的语音信息；

对所述语音信息进行分析，识别出至少一个符号数据，所述符号数据包括文字和/或词汇；

对所述至少一个符号数据进行处理，得到所述至少一个符号数据的语义；

根据所述语义，识别出所述各符号数据的语义对应的操作指令，并执行识别出的所述操作指令。

第二方面，本发明实施例提供了一种语音助手设备，该语音助手设备包括用于执行上述第一方面的方法的单元。

第三方面，本发明实施例提供了另一种语音助手设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持语音助手设备执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

本发明实施例，语音助手设备通过获取用户输入的语音信息，对该语音信息进行分析，识别出至少一个包括文字和/或词汇的符号数据，并对该至少一个符号数据进行处理，得到该至少一个符号数据的语义，根据该语义，识别出各符号数据的语义对应的操作指令，并执行该操作指令。本发明实施例，实现了对语音信息的识别，满足了人们对语音识别的智能化及兴趣化的需求。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种语音识别处理的流程示意图；

图2是本发明实施例提供的一种语音助手系统的网络拓扑图；

图3是本发明实施例提供的一种数据处理方法的流程示意图；

图4是本发明实施例提供的另一种数据处理方法的流程示意图；

图5是本发明实施例提供的一种神经网络的结构示意图；

图6是本发明实施例提供的一种辅助功能操作过程的界面示意图；

图7是本发明实施例提供的一种语音助手设备的示意框图；

图8是本发明实施例提供的另一种语音助手设备的示意框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

目前，语音识别技术的实现方案主要有两种，一种是通过应用程序编程接口(Application Programming Interface，API)实现语音识别能力；另一种是通过深度链接Deep Linking技术，实现语音识别能力。然而，因为API和Deep Linking技术均需要语音识别系统和第三方公司双方联合调试，需要双方的开发人员对统一的API接口和深度链接sdk或接口有很深的理解。同时，在调试过程中通常会有很多细节编译问题，比如双方的编译环境不同可能会导致API联调后无法编译，从而导致语音识别的实现成本很高，实现与语音识别相关的能力也会比较难。

本方案针对上述问题提出了一种数据处理方法，其中，该数据处理方法可应用于语音助手设备，该语音助手设备可以为手机、平板电脑、计算机、智能手表等智能终端，也可以为其他具有语音识别功能的设备。

本发明实施例中，首先可以通过获取语音识别触发指令来启动该语音助手设备，该语音助手设备可以获取用户输入的语音信息，通过对该语音信息进行分析处理，识别出所述语音信息中的各符号数据，并对各符号数据进行语义相关性分析，确定出各符号数据的语义，进一步识别出所述语义对应的操作指令，并执行所述操作指令。

需要说明的是，虽然语音助手设备的操作者可能理解符号的含义，但所述语音助手设备本身并不理解符号的含义，因此所述语音助手设备需要通过对获取到的符号数据进行语义相关性分析来确定所述符号数据的语义。例如：人们知道和理解“手机”这个信号符号，但是在真实的世界，它是人们手上抓着的长条形物体并且人们总拿着它贴着耳朵，同时嘴巴时不时说出声音。然后人们统一使用“手机”来指代这类物品。

在一个实施例中，所述符号数据包括该语音助手设备获取到的语音信息中的文字、句子和/或词汇。所述语义相关性分析可以采用符号接地处理技术。其中，所述符号接地是指将符号数据(如书面语或口语)与所述符号数据所指的对象、思想或事件联系起来，所述符号接地处理是指将获取到的至少一个符号数据与所述至少一个符号数据所指的对象、思想或事件联系起来即为语义关系，获取所述各符号数据的语义相关度，通过对所述各符号数据之间的语义相关度进行调整匹配，确定出所述各符号数据的语义。具体可举例说明，假设语音助手获取到的语音信息为“张三说：明天你去不去，李四说：我去？明天要开会！”，所述语音助手可以根据所述语音信息，获取到各符号数据，其中，重点在于分析“我去”这两个字即符号数据，这两个字表达的语义有两种，一种是表达肯定即“我要去”，另一种是表达“去不了”，根据所述语音信息中各符号数据的语义关系，可以获取到表达“我要去”的语义相关度为90％以及表达“去不了”的语义相关度为95％，将得到的这两个语义相关度进行比较95％>90％，从而可以确定所述符号数据“我去”表达的语义为“去不了”。

在一个实施例中，所述语音助手设备的开启可以通过终端获取触发指令来开启，例如，终端可以接收到用户输入的唤醒词，其中，所述终端可以通过设置低功耗的语音芯片来接收用户输入的唤醒词，如该终端可以通过获取用户说出的唤醒词“你好朋友”来启动语音助手设备。又例如，该终端可以通过获取到用户对Home键、耳机、触摸屏或陀螺仪的触发操作来开启该语音助手设备。其中，所述获取到的用户对Home键的操作可以是长按所述Home键的操作或者按照预设方式的按压所述Home键的操作；所述获取到的用户对耳机的操作可以是长按耳机“播放键或暂停键”的操作；所述获取到的用户对触摸屏的操作可以是双击屏幕的操作；所述获取到的用户对陀螺仪的操作可以是“特殊轨迹”的唤醒操作。在一个实施例中，该终端可以根据用户操作获取到该用户操作对应的控制信号，并将所述控制信号转化为高低电平信号，通过对该高低电平信号进行译码，得到所述用户操作对应的触发指令，从而触发启动该语音助手设备的语音识别触发器，启用该语音助手设备的识别功能。

在一个实施例中，该语音助手设备可以在获取到语音识别触发指令后，获取用户输入的语音信息，并对所述语音信息进行分析处理，识别出该语音信息中的文字、词汇和/或句子，并对所识别出的文字、词汇和/或句子进行符号接地处理即为语义相关性分析，执行所述语音信息所对应的操作指令。其中，所述符号接地处理的解释如上所述。具体的语音识别过程如图1所示，图1是本发明实施例提供的一种语音识别处理的流程示意图。以图1为例进行说明，所述语音识别的过程包括以下步骤：

S101：获取语音信息，具体地，语音助手设备可以获取到用户输入的语音信息，例如，所述语音助手设备可以获取到用户输入的语音信息(如“我想听张学友的歌”)。

S102：对所述语音信息进行编码处理并转化成压缩文件，具体地，所述语音助手设备可以对获取到的所述语音信息进行编码处理并转化为数字压缩文件，其中，所述数字压缩文件中包括了所述语音信息的相关信息。

S103：对所述压缩文件进行对比分析，具体地，所述语音助手设备可以将获取到的所述数字压缩文件发送至本地服务器或云端服务器进行对比分析。

S104：识别出语音信息中的文字和/或词汇，具体地，所述语音助手设备可根据上述对压缩文件的对比分析，识别出所述语音信息中的文字和/或词汇。

S105：传输识别出的文字和/或词汇至接地模块，具体地，所述语音助手设备可以将识别出的文字和/或词汇传输给该语音助手设备的接地模块进行分析处理。

S106：分析出该文字和/或词汇的语义，所述语音助手设备可以对所述文字和/或词汇进行分析，得到所述语音信息的语义。

S107：执行该语义所对应的操作指令，所述语音助手设备可以根据识别出的该语音信息的语义，执行所述语义所对应的操作指令。

下面将结合图2至图8对本发明实施例提供的数据处理方法、语音助手设备及计算机可读存储介质进行说明。

具体请参见图2，图2是本发明实施例提供的一种语音助手系统的网络拓扑图，如图2所示，该系统可包括：客户端21、服务器22、通讯网络23以及语音助手管理系统24。其中，该客户端21可以为手机、平板电脑、计算机等智能终端，该通讯网络23可以是无线网络(如Wi-Fi)、有线网络(如4G网络)，该语音助手管理系统24包括语音助手管理模块241、信号接地模块242、个性化用户数据数据库243、语音助手内容数据库244。其中，所述个性化用户数据数据库243用于存储与用户相关的数据，所述语音助手内容数据库244用于存储与语音助手内容相关的数据。

本发明实施例中，客户端21可以获取到开启语音助手管理系统24的触发指令，通过通讯网络23将获取到的触发指令传输给语音助手管理系统24，从而开启该语音助手管理系统24。客户端21可以获取用户输入的语音信息，客户端21可以通过通讯网络23将获取到的用户的语音信息发送给语音助手管理系统24。所述语音助手管理系统24中的语音助手管理模块241用于将获取到的语音信息进行编码处理，并转化为该语音信息的压缩文件。所述语音助手管理模块241可以预先判断是否可以处理所述语音信息，若可以处理则由所述语音助手管理模块241处理，否则通过通讯网络23传送至服务器22处理，以使该服务器22对该用户的语音信息的属性进行分析和处理，识别所述语音信息所对应的内容、语调等。

在一个实施例中，所述语音助手管理模块241可以识别出用户的语音信息中包含的符号数据，其中，所述符号数据包括文字、句子和/或词汇。所述语音助手管理模块241将获取到的各符号数据传输给信号接地模块242，以使所述信号接地模块242对各符号数据进行符号接地处理即语义相关性分析，根据所述符号接地处理确定的所述语音信息的语义，识别出所述语义对应的操作指令，执行该操作指令，并通过通讯网络23将执行结果输出至客户端21。

请参见图3，图3是本发明实施例提供的一种数据处理方法的流程示意图，如图3所示，本发明实施例的所述方法包括如下步骤：

S301：获取用户输入的语音信息。

本发明实施例中，语音助手设备可以获取用户输入的语音信息，具体地，语音助手设备可以通过终端获取用户输入的语音信息。例如，语音助手设备可以通过终端获取用户输入的语音信息“我想听张学友的歌”。

在一个实施例中，所述语音助手设备在获取用户输入的语音信息之前可以通过终端获取开启所述语音助手设备的触发指令。所述触发指令可以是用户输入的语音唤醒指令(如“你好朋友”)；所述触发指令也可以是用户输入的对终端上物理按键的操作指令(如长按或按照预设方式按压Home键的操作指令)；所述触发指令还可以是用户输入的对外部设备的操作指令(如按压耳机的播放暂停键的操作指令)；该触发指令还可以是其他的触发方式(如双击触摸屏、陀螺仪“特殊轨迹”唤醒等方式)。

S302：对该语音信息进行分析，识别出至少一个符号数据。

本发明实施例中，语音助手设备可以对获取到的用户的语音信息进行分析处理，识别出所述语音信息中的至少一个符号数据，其中，所述符号数据包括文字、句子和/或词汇。例如，假设所述语音助手设备获取到用户输入的语音信息为“我想听张学友的歌”，所述语音助手设备可以对获取到的所述语音信息“我想听张学友的歌”进行分析，并识别出所述语音信息的符号数据为“我、想、听、张学友、的、歌”。

S303：对该至少一个符号数据进行语义相关性分析，确定至少一个符号数据的语义。

本发明实施例中，语音助手设备可以对该至少一个符号数据进行语义相关性分析，确定至少一个符号数据的语义。具体地，所述语音助手设备可以对所述至少一个符号数据进行符号接地处理，确定出所述至少一个符号数据的语义。其中，所述符号接地处理的解释如上所述，此处不再赘述。

在一个实施例中，所述语音助手设备可以对识别出的至少一个符号数据进行分类，调用预设的神经网络算法，对分类后的各符号数据进行深度学习，得到各符号数据之间的语义相关度(即各文字和/或词汇之间的语义相关度)。所述语音助手设备对获取到所述语义相关度的各符号数据进行语义相关性分析，识别出所述至少一个符号数据的语义。例如，假设所述语音助手设备识别出的符号数据为“我、想、听、张学友、的、歌”。通过对该各符号数据进行分类，并调用神经网络算法对各符号数据进行深度学习，从而得到各符号数据的语义相关度，再对各符号数据进行符号接地处理，识别出各符号数据的语义，其中，所述符号接地处理的解释如上所述。可见，本发明实施例通过对符号数据进行分类，调用预设的神经网络算法，对符号数据进行深度学习，可提高深度学习的能力，并通过深度学习识别出各符号数据之间的语义相关度，识别出各符号数据的语义。

在一个实施例中，所述语音助手设备在调用神经网络算法对各符号数据进行深度学习的过程中，所述语音助手设备可以将在深度学习过程中获取到的符号数据的语义相关度添加至所述语音助手设备中，并通过语义相关性分析获取该语音信息的语义，以便该语音助手设备在再次获取到相同语音信息时，可以识别并执行该语音信息的语义所对应的操作指令。例如，假设所述语音助手设备获取到的语音信息为“我想要听张学友的歌”，获取到的所述语音信息的符号数据即为“我、想、听、张学友、的、歌”，则所述语音助手设备在调用神经网络算法对所述语音信息的各个符号数据进行深度学习的过程中，可以将在深度学习过程中获取到的该符号的语义相关度添加至该语音助手设备中，并通过符号接地处理获取该语音信息的语义，以便该语音助手设备在再获取到所述语音信息“我想要听张学友的歌”时，可以识别并执行所述语音信息的语义所对应的操作指令。可见，本发明实施例的该实施方式，通过添加符号数据的语义相关度，以便该语音助手设备在再次获取到相同语音信息时，可以快速地识别并执行该语音信息的语义所对应的操作指令，从而提高深度学习的能力，进而可提高用户的吸引力。

S304：根据该语义识别出各符号数据的语义对应的操作指令，并执行识别出的该操作指令。

本发明实施例中，语音助手设备可以根据获取到的所述语义识别出各符号数据的语义对应的操作指令，并执行所识别出的所述操作指令。例如，假设该语音助手设备获取到的符号数据为“我、想、听、张学友、的、歌”，则所述语音助手设备可以根据获取到的所述各符号数据的语义，识别出所述语义对应的操作指令是“播放张学友的歌”，从而执行所述操作指令。

本发明实施例中，语音助手设备通过获取用户输入的语音信息，对该语音信息进行分析处理，可以识别出至少一个符号数据，对所述至少一个符号数据进行语义相关性分析，确定所述至少一个符号数据的语义，并识别出各符号数据的语义所对应的操作指令，以及执行识别出的该操作指令，实现对该语音信息的识别，并执行该语音信息所对应的操作，从而提高了语音识别的实用性和趣味性，满足了人们对语音识别的智能化及兴趣化的需求。

请参见图4，图4是本发明实施例提供的另一种数据处理方法的流程示意图。如图4所示，本发明实施例的所述方法包括如下步骤：

S401：获取用户输入的语音信息。

本发明实施例中，语音助手设备可以获取用户输入的语音信息，具体地，所述语音助手设备可以通过终端获取用户输入的语音信息。例如，语音助手设备可以通过终端获取用户输入的语音信息“我想听张学友的歌”。

S402：对该语音信息进行分析，识别出至少一个符号数据。

本发明实施例中，语音助手设备可以对获取到的所述语音信息进行分析处理，识别出该语音信息中的至少一个符号数据，其中，所述符号数据包括文字句子、和/或词汇。例如，假设该语音助手设备获取到用户输入的语音信息为“我想听张学友的歌”，所述语音助手设备可以对获取到的所述语音信息“我想听张学友的歌”进行分析，识别出该语音信息的符号数据即为“我、想、听、张学友、的、歌”。

S403：对该至少一个符号数据进行分类。

本发明实施例中，语音助手设备可以对识别出的语音信息的至少一个符号数据进行分类。

在一个实施例中，该语音助手设备可以对至少一个符号数据在语音信息中的域关系进行分析处理，其中，所述域关系包括层次关系、空间关系、时间关系中任意一项或多项。所述语音助手设备可以根据预设的规则，对进行所述域关系处理后的各符号数据进行分类。

在一个实施例中，该语音助手设备在根据预设的规则对进行所述域关系处理后的各符号数据进行分类的过程中，可以根据预设的静态统计结构，对进行所述域关系处理后的符号数据进行语义分析与统计，根据语义分析与统计的结果，对所述符号数据进行分类。

在一个实施例中，该语音助手设备在根据预设的规则对进行所述域关系处理后的各符号数据进行分类的过程中，如果检测到具有相同语义关系的多个符号数据，所述语音助手设备可以获取各符号数据的对象信息，并根据所述对象信息，对所述进行域关系处理后的各符号数据进行分类。

在一个实施例中，该语音助手设备在根据预设的规则对进行所述域关系处理后的各符号数据进行分类的过程中，可以根据所述各符号数据应用的环境特征，对所述进行域关系处理后的各符号数据进行分类；或者，根据所述各符号数据使用的技术特征，对所述进行域关系处理后的各符号数据进行分类。

S404：对该分类后的各符号数据进行动态化处理，得到各符号数据之间的语义相关度。

本发明实施例中，该语音助手设备可以对所述分类后的各符号数据进行动态化处理，得到各符号数据之间的语义相关度。

在一个实施例中，该语音助手设备在对所述分类后的各符号数据进行动态化处理的过程中，可以调用预设的神经网络算法，动态地调整所述神经网络算法中的参数权值，根据所述参数权值的调整，对所述分类后的各符号数据进行深度学习，得到各符号数据之间的语义相关度。

在一个实施例中，该语音助手设备可以调用如图5所示的符号网络深度神经网络算法，其中，图5是本发明实施例提供的一种神经网络的结构示意图。本发明实施例使用如图5所示的深度学习神经网络，动态地调整所述神经网络算法中的参数权值。其中，所述神经网络算法可部署在云端服务器。例如，假设该语音助手设备获取到两个符号数据，如果该两个符号数据之间在某个场景下，权值为0.6，某个场景下为0.4，则可以通过这两个参数权值来动态调节这两个符号数据之间的语义相关度。

在一个实施例中，该语音助手设备在调用神经网络算法对各符号数据进行深度学习的过程中，该语音助手设备可以将在深度学习过程中获取到的符号数据的语义相关度添加至所述语音助手设备中。可见，本发明实施例，通过这种方式可获取该语音信息的语义，以及在所述语音助手设备再次获取到相同语音信息时可以识别并正确执行所述语音信息的语义所对应的操作指令。

S405：根据各符号数据之间的语义相关度，确定至少一个符号数据的语义。

本发明实施例中，语音助手设备可以根据各符号数据之间的语义相关度，确定至少一个符号数据的语义。

在一个实施例中，该语音助手设备在调用神经网络算法对各符号数据进行深度学习的过程中，该语音助手设备可以将在深度学习过程中获取到的符号数据的语义相关度添加至该语音助手设备中，并通过符号接地处理获取该语音信息的语义，以便该语音助手设备在再次获取到相同语音信息时可以识别并正确执行该语音信息的语义所对应的操作。可见，本发明实施例的该实施方式，通过添加符号数据的语义相关度，该语音助手设备再次获取到相同语音信息时，可以识别并正确执行该语音信息的语义所对应的操作，从而提高深度学习的能力，进而可提高用户的吸引力。

S406：根据该语义识别出各符号数据的语义对应的操作指令，并执行识别出的该操作指令。

本发明实施例中，语音助手设备可以根据该语义识别出各符号数据的语义对应的操作指令，并执行识别出的所述操作指令。例如，假设该语音助手设备获取到的各符号数据为“我、想、听、张学友、的、歌”，则所述语音助手设备可以根据获取到的所述各符号数据的语义识别出所述语义对应的操作指令为“播放张学友的歌”，并执行该操作指令。在一个实施例中，如果语音助手设备检测到识别出的符号数据的语义在所述语音助手设备中不存在，则可以将识别出的符号数据的语义添加至所述语音助手设备中。

在一个实施例中，该语音助手设备在通过语义相关性分析识别出获取到的语音信息的语义之后，可以通过该语音助手设备的中央处理器(Central Processing Unit，CPU)或单片机(Micro Controller Unit，MCU)调用辅助功能，执行该语音信息的语义对应的操作，并输出至终端。该辅助功能的具体实现过程如图6所示，图6是本发明实施例提供的一种辅助功能操作过程的界面示意图。如图6所示，该终端的辅助功能可以为Accessibility，该Accessibility辅助功能可以监听该终端的焦点、窗口变化、按钮点击等。假设该语音助手设备识别出语音信息“我想听张学友的歌”之后，可以通过该Accessibility辅助功能调用如图6所示的界面，点击音乐，搜索并播放张学友的歌。

本发明实施例中，语音助手设备通过获取用户输入的语音信息，可以对该语音信息进行分析处理，识别出至少一个符号数据，对该至少一个符号数据进行语义相关性分析，得到该至少一个符号数据的语义，并通过识别出各符号数据的语义对应的操作指令，执行识别出的该操作指令，以实现对该语音信息的识别，并执行该语音信息所对应的操作，从而提高了语音识别的实用性和趣味性，满足了人们对语音识别的智能化及兴趣化的需求。

本发明实施例还提供了一种语音助手设备，该语音助手设备用于执行前述任一项所述的方法的单元。具体地，参见图7，图7是本发明实施例提供的一种语音助手设备的示意框图。本实施例的语音助手设备包括：获取单元701、分析单元702、处理单元703以及识别单元704。

获取单元701，用于获取用户输入的语音信息；

分析单元702，用于对所述语音信息进行分析，识别出至少一个符号数据，所述符号数据包括文字和/或词汇；

处理单元703，用于对所述至少一个符号数据进行语义相关性分析，确定所述至少一个符号数据的语义；

识别单元704，用于根据所述语义识别出所述至少一个符号数据的语义对应的操作指令，并执行识别出的所述操作指令。

进一步地，所述处理单元703，用于对所述至少一个符号数据进行分类；对所述分类后的各符号数据进行动态化处理，得到各符号数据之间的语义相关度；根据所述各符号数据之间的语义相关度，确定所述至少一个符号数据的语义。

进一步地，所述处理单元703，用于对所述至少一个符号数据在语音信息中的域关系进行分析处理，所述域关系包括层次关系、空间关系、时间关系中的任意一种或多种；根据预设的规则，对进行所述域关系处理后的各符号数据进行分类。

进一步地，所述处理单元703，用于根据预设的静态统计结构，对进行所述域关系处理后的符号数据进行语义分析与统计；根据语义分析与统计结果，对所述符号数据进行分类。

进一步地，所述处理单元703，还用于如果检测到具有相同语义关系的多个符号数据，获取各符号数据的对象信息；根据所述对象信息，对所述进行域关系处理后的各符号数据进行分类。

进一步地，所述处理单元703，还用于根据所述各符号数据应用的环境特征，对所述进行域关系处理后的各符号数据进行分类；或者，根据所述各符号数据使用的技术特征，对所述进行域关系处理后的各符号数据进行分类。

进一步地，所述处理单元703，用于调用预设的神经网络算法，动态地调整所述神经网络算法中的参数权值；根据所述参数权值的调整，对所述分类后的各符号数据进行深度学习，得到各符号数据之间的语义相关度。

本发明实施例中，语音助手设备通过获取单元701获取用户输入的语音信息，通过分析单元702对该语音信息进行分析，识别出至少一个符号数据，通过处理单元703对该至少一个符号数据进行语义相关性分析，确定该至少一个符号数据的语义，并通过识别单元704识别出各符号数据的语义对应的操作指令，以及执行识别出的该操作指令，实现对该语音信息的识别，并执行了该语音信息所对应的操作，从而提高了语音识别的实用性和趣味性，满足了人们对语音识别的智能化及兴趣化的需求。

请参见图8，图8是本发明实施例提供的另一种语音助手设备的示意框图。如图8所示的本发明实施例中的语音助手设备可以包括：一个或多个处理器801；一个或多个输入设备802，一个或多个输出设备803和存储器804。上述处理器801、输入设备802、输出设备803和存储器804通过总线805连接。存储器804用于存储计算机程序，所述计算机程序包括程序指令，处理器801用于执行存储器804存储的程序指令。其中，处理器801被配置用于调用所述程序指令执行：

获取用户输入的语音信息；

对所述语音信息进行分析，识别出至少一个符号数据，所述符号数据包括文字和/或词汇；

对所述至少一个符号数据进行语义相关性分析，确定所述至少一个符号数据的语义；

根据所述语义识别出所述至少一个符号数据的语义对应的操作指令，并执行识别出的所述操作指令。

进一步地，处理器801被配置用于调用所述程序指令执行以下步骤：

对所述至少一个符号数据进行分类；

对所述分类后的各符号数据进行动态化处理，得到各符号数据之间的语义相关度；

根据所述各符号数据之间的语义相关度，确定所述至少一个符号数据的语义。

进一步地，处理器801被配置用于调用所述程序指令执行以下步骤：

对所述至少一个符号数据在语音信息中的域关系进行分析处理，所述域关系包括层次关系、空间关系、时间关系中的任意一种或多种；

根据预设的规则，对进行所述域关系处理后的各符号数据进行分类。

进一步地，处理器801被配置用于调用所述程序指令执行以下步骤：

根据预设的静态统计结构，对进行所述域关系处理后的符号数据进行语义分析与统计；

根据语义分析与统计结果，对所述符号数据进行分类。

进一步地，处理器801被配置用于调用所述程序指令执行以下步骤：

如果检测到具有相同语义关系的多个符号数据，获取各符号数据的对象信息；

根据所述对象信息，对所述进行域关系处理后的各符号数据进行分类。

进一步地，处理器801被配置用于调用所述程序指令执行以下步骤：

根据所述各符号数据应用的环境特征，对所述进行域关系处理后的各符号数据进行分类；

或者，根据所述各符号数据使用的技术特征，对所述进行域关系处理后的各符号数据进行分类。

进一步地，处理器801被配置用于调用所述程序指令执行以下步骤：

调用预设的神经网络算法，动态地调整所述神经网络算法中的参数权值；

根据所述参数权值的调整，对所述分类后的各符号数据进行深度学习，得到各符号数据之间的语义相关度。

本发明实施例中，语音助手设备通过获取用户输入的语音信息，对该语音信息进行分析处理，识别出至少一个符号数据，对该至少一个符号数据进行处理，得到该至少一个符号数据的语义，并通过识别出各符号数据的语义对应的操作指令，执行识别出的该操作指令，以实现对该语音信息的识别，并执行该语音信息所对应的操作，从而提高了语音识别的实用性和趣味性，满足了人们对语音识别的智能化及兴趣化的需求。

应当理解，在本发明实施例中，所称处理器801可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备802可以包括触控板、麦克风等，输出设备803可以包括显示器(LCD等)、扬声器等。

该存储器804可以包括只读存储器和随机存取存储器，并向处理器801提供指令和数据。存储器804的一部分还可以包括非易失性随机存取存储器。例如，存储器804还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器801、输入设备802、输出设备803可执行本发明实施例提供的数据处理方法的图3所述实施例或图4实施例中所描述的实现方式，也可执行本发明实施例所描述的语音助手设备的实现方式，在此不再赘述。

本发明实施例中还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如图3或如图4所述实施例中所描述的实现方式，也可执行本发明实施例所描述的语音助手设备的实现方式，在此不再赘述。

所述计算机可读存储介质可以是前述任一实施例所述的语音助手设备的内部存储单元，例如语音助手设备的硬盘或内存。所述计算机可读存储介质也可以是所述语音助手设备的外部存储设备，例如所述语音助手设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述语音助手设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述语音助手设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的语音助手设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的语音助手设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。