基于知识图谱的零售场景语音交互优化方法与流程

[0001]
本发明涉及语音交互技术领域，具体为基于知识图谱的零售场景语音交互优化方法。


背景技术：

[0002]
语音，是指人类通过发音器官发出来的、具有一定意义的、目的是用来进行社会交际的声音，在语言的形、音、义三个基本属性当中，语音是第一属性，人类的语言首先是以语音的形式形成，世界上有无文字的语言，但没有无语音的语言，语音在语言中起决定性的支撑作用；但是目前市场上的基于知识图谱的零售场景语音交互优化方法.直接对模型个性化训练，仅适用个人定制使用，并且垂直行业使用难度大，模型训练困难，每个品牌有自己专属知识内容不容易训练，零售商品更新较快。


技术实现要素：

[0003]
本发明提供基于知识图谱的零售场景语音交互优化方法，可以有效解决上述背景技术中提出目前市场上的基于知识图谱的零售场景语音交互优化方法.直接对模型个性化训练，仅适用个人定制使用，并且垂直行业使用难度大，模型训练困难，每个品牌有自己专属知识内容不容易训练，零售商品更新较快的问题。
[0004]
为实现上述目的，本发明提供如下技术方案：基于知识图谱的零售场景语音交互优化方法，包括如下步骤：s1、输入语音，系统通过处理器进行语言识别；s2、从品牌商品信息中抽取标签和关联关系，构建品牌知识图谱；s3、上线知识图谱为基础的语音交互购物搜索；s4、分析记录的语音数据，添加同音词和同义词；s5、新数据训练的模型应用到业务。
[0005]
根据上述技术方案，所述s1中通过朗读语料进行学习，建立自己的词库，并解决方言识别问题；经用户同意，匿名采集广大区域内商品在不同地域的特殊叫法和不同口音的识别，在语音导购场景中，默认语音和业务相关，通过机器学习和监督学习，收集语料建设垂直行业的词库。
[0006]
根据上述技术方案，所述s2中通过收录品牌专业词和学习全国不同地域发音和同义词建立了品牌知识图谱，同语音识别和nlp结合可大幅度提高语音识别效果。
[0007]
根据上述技术方案，所述s2中通过品牌专用词识别、专用词含义解析和场景关系解析的准确率相互配合。
[0008]
根据上述技术方案，所述s3中语音交互购物搜索中数据进行每周更新，对于数据存储于服务器中，并通过系统进行接收与发射；
所述系统通过网络和个人输入进行语音识别与输入。
[0009]
根据上述技术方案，所述s4中同音词和同义词根据原词进行例举，分为同音多字、同音同字、谐音多字、谐音同字，并且包括数字、阿拉伯字母和少数语音。
[0010]
根据上述技术方案，所述s5中应用到业务，并将此语音数据进行传输到语音系统中，且将其的数据进行保存应用，与s1中步骤形成循环。
[0011]
根据上述技术方案，所述s1中一个完整特定人孤立词语音识别系统通常包括语音的输入，语音信号的预处理，特征提取，训练与识别；语音识别的过程可以被看作模式匹配的过程，模式匹配是指根据一定的准则，使未知模式与模型库中的某一个模型获得最佳匹配的过程，模式匹配中需要用到的参考模板通过模板训练获得，在训练阶段，将特征参数进行一定的处理后，为每个词条建立一个模型，保存为模板库，在识别阶段，语音信号经过相同的通道得到语音特征参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果，同时，还可以在
--
些先验知识的帮助下，提高识别的准确率。
[0012]
与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，在语音交互购物场景中，使用体验大幅提升。通过收录品牌专业词和学习全国不同地域发音和同义词建立了品牌知识图谱，同语音识别和nlp结合可大幅度提高语音识别效果。根据测试品牌专用词识别达到92%，文本意图抽取准确度达到96%，场景中关系理解准确度达到90%。同时优化了场景词搜索，在语音交互购物中，极大的促进了商品展示和交易。
附图说明
[0013]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0014]
在附图中：图1是本发明的优化方法步骤流程结构示意图；图2是本发明的数据对比示意图。
具体实施方式
[0015]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0016]
实施例：如图1-2所示，本发明提供技术方案，基于知识图谱的零售场景语音交互优化方法，包括如下步骤：s1、输入语音，系统通过处理器进行语言识别；s2、从品牌商品信息中抽取标签和关联关系，构建品牌知识图谱；s3、上线知识图谱为基础的语音交互购物搜索；s4、分析记录的语音数据，添加同音词和同义词；s5、新数据训练的模型应用到业务。
[0017]
根据上述技术方案，s1中通过朗读语料进行学习，建立自己的词库，并解决方言识别问题；经用户同意，匿名采集广大区域内商品在不同地域的特殊叫法和不同口音的识别，在
语音导购场景中，默认语音和业务相关，通过机器学习和监督学习，收集语料建设垂直行业的词库。
[0018]
根据上述技术方案，s2中通过收录品牌专业词和学习全国不同地域发音和同义词建立了品牌知识图谱，同语音识别和nlp结合可大幅度提高语音识别效果。
[0019]
根据上述技术方案，s2中通过品牌专用词识别、专用词含义解析和场景关系解析的准确率相互配合。
[0020]
根据上述技术方案，s3中语音交互购物搜索中数据进行每周更新，对于数据存储于服务器中，并通过系统进行接收与发射；系统通过网络和个人输入进行语音识别与输入。
[0021]
根据上述技术方案，s4中同音词和同义词根据原词进行例举，分为同音多字、同音同字、谐音多字、谐音同字，并且包括数字、阿拉伯字母和少数语音。
[0022]
根据上述技术方案，s5中应用到业务，并将此语音数据进行传输到语音系统中，且将其的数据进行保存应用，与s1中步骤形成循环。
[0023]
根据上述技术方案，s1中一个完整特定人孤立词语音识别系统通常包括语音的输入，语音信号的预处理，特征提取，训练与识别；语音识别的过程可以被看作模式匹配的过程，模式匹配是指根据一定的准则，使未知模式与模型库中的某一个模型获得最佳匹配的过程，模式匹配中需要用到的参考模板通过模板训练获得，在训练阶段，将特征参数进行一定的处理后，为每个词条建立一个模型，保存为模板库，在识别阶段，语音信号经过相同的通道得到语音特征参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果，同时，还可以在
--
些先验知识的帮助下，提高识别的准确率。
[0024]
与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，在语音交互购物场景中，使用体验大幅提升。通过收录品牌专业词和学习全国不同地域发音和同义词建立了品牌知识图谱，同语音识别和nlp结合可大幅度提高语音识别效果。根据测试品牌专用词识别达到92%，文本意图抽取准确度达到96%，场景中关系理解准确度达到90%。同时优化了场景词搜索，在语音交互购物中，极大的促进了商品展示和交易。
[0025]
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。