识别信息生成方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及识别信息生成方法、装置、电子设备和计算机可读介质。


背景技术：

2.基于一问一答的自然语言对话式交互正在越来越多地被应用到实际生活中。比如物流预约配送、用户调研回访、智能汽车的车载机器人等场景。自然语言对话式交互的开始节点为用户语音识别。对于用户语音识别，通常采用的方式为：利用自动语音识别技术(asr，automatic speech recognition)，生成用户语音对应的识别文本。
3.然而，当采用上述方式来识别用户语音，经常会存在如下技术问题：
4.基于自动语音识别技术的语音识别作为自然语言对话式交互的开始关键节点，常常因背景音，噪音或多人说话等因素而出现识别错误，进而影响到后续整个对话过程的开展。


技术实现要素：

5.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
6.本公开的一些实施例提出了识别信息生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
7.第一方面，本公开的一些实施例提供了一种识别信息生成方法，包括：获取目标用户语音，其中，上述目标用户语音为目标对话用户针对系统问题所回复的语音；生成上述目标用户语音所对应的识别文本，作为目标识别文本；确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率；根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
8.可选地，上述确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率，包括：确定上述历史对话文本集中包括目标识别文本的历史对话文本组；确定上述历史对话文本组中历史对话文本的文本数目，作为第一文本数目；确定上述历史对话文本集中历史对话文本的文本数目，作为第二文本数目；根据上述第一文本数目和上述第二文本数目，确定上述目标概率。
9.可选地，上述根据上述第一文本数目和上述第二文本数目，确定上述目标概率，包括：将上述第一文本数目和上述第二文本数目分别与预定数值相加，得到相加后第一文本数目和相加后第二文本数目；将上述相加后第一文本数目除以上述相加后第二文本数目，得到相除数值，作为上述目标概率。
10.可选地，上述根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息，包括：响应于确定上述目标概率大于等于第一阈值，生成表征上述目标识别文本识
别正确的识别信息。
11.可选地，上述根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息，包括：响应于确定上述目标概率小于第二阈值，生成表征上述目标识别文本识别错误的识别信息，其中，上述第二阈值小于等于上述第一阈值。
12.可选地，上述历史对话文本集中的历史对话文本包括：上述系统问题和识别文本；以及上述根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息，包括：确定上述历史对话文本集中包括上述目标识别文本的历史对话文本组；从上述历史对话文本集中确定出对应识别文本与上述目标识别文本相同的历史对话文本，得到历史对话文本子集；从上述历史对话文本组子集中筛选出满足预设文本条件的历史对话文本，作为目标历史对话文本；确定上述目标历史对话文本中的识别文本在至少一个历史对话文本中出现的概率所对应的概率，作为历史概率，其中，上述至少一个历史对话文本为上述历史对话文本组中去除上述目标历史对话文本的历史对话文本；根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
13.可选地，上述根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息，包括：将上述历史概率乘以数值α，得到相乘后历史概率，其中，上述数值α的取值范围为[0，1]；将上述目标概率乘以数值1-α，得到相乘后概率；将上述相乘后历史概率和上述相乘后概率进行相加，得到相加后概率；响应于确定上述相加后概率大于等于第一阈值，生成表征上述目标识别文本识别正确的识别信息。
[0014]
可选地，上述方法还包括：利用上述识别信息，对上述语音识别模型的训练数据集进行调整，得到调整后的训练数据集；利用上述调整后的训练数据集，对上述语音识别模型进行参数调整，得到调整后的语音识别模型。
[0015]
可选地，上述方法还包括：根据上述识别信息和上述目标识别文本，生成语义理解信息。
[0016]
第二方面，本公开的一些实施例提供了一种识别信息生成装置，包括：获取单元，被配置成获取目标用户语音，其中，上述目标用户语音为目标对话用户针对问题所回复的语音；第一生成单元，被配置成生成上述目标用户语音所对应的识别文本，作为目标识别文本；确定单元，被配置成确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率；第二生成单元，被配置成根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0017]
可选地，确定单元可以被配置成：确定上述历史对话文本集中包括目标识别文本的历史对话文本组；确定上述历史对话文本组中历史对话文本的文本数目，作为第一文本数目；确定上述历史对话文本集中历史对话文本的文本数目，作为第二文本数目；根据上述第一文本数目和上述第二文本数目，确定上述目标概率。
[0018]
可选地，确定单元可以被配置成：将上述第一文本数目和上述第二文本数目分别与预定数值相加，得到相加后第一文本数目和相加后第二文本数目；将上述相加后第一文本数目除以上述相加后第二文本数目，得到相除数值，作为上述目标概率。
[0019]
可选地，第二生成单元可以被配置成：响应于确定上述目标概率大于等于第一阈值，生成表征上述目标识别文本识别正确的识别信息。
[0020]
可选地，第二生成单元可以被配置成：响应于确定上述目标概率小于第二阈值，生
成表征上述目标识别文本识别错误的识别信息，其中，上述第二阈值小于等于上述第一阈值。
[0021]
可选地，上述历史对话文本集中的历史对话文本包括：上述问题和识别文本。以及第二生成单元可以被配置成：确定上述历史对话文本集中包括上述目标识别文本的历史对话文本组；从上述历史对话文本组子集中筛选出满足预设文本条件的历史对话文本，作为目标历史对话文本；确定上述目标历史对话文本中的识别文本在至少一个历史对话文本中出现的概率所对应的概率，作为历史概率，其中，上述至少一个历史对话文本为上述历史对话文本组中去除上述目标历史对话文本的历史对话文本；根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0022]
可选地，第二生成单元可以被配置成：将上述历史概率乘以数值α，得到相乘后历史概率，其中，上述数值α的取值范围为[0，1]；将上述目标概率乘以数值1-α，得到相乘后概率；将上述相乘后历史概率和上述相乘后概率进行相加，得到相加后概率；响应于确定上述相加后概率大于等于第一阈值，生成表征上述目标识别文本识别正确的识别信息。
[0023]
可选地，上述装置还包括：利用上述识别信息，对上述语音识别模型的训练数据集进行调整，得到调整后的训练数据集；利用上述调整后的训练数据集，对上述语音识别模型进行参数调整，得到调整后的语音识别模型。
[0024]
可选地，上述装置还包括：根据上述识别信息和上述目标识别文本，生成语义理解信息。
[0025]
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0026]
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0027]
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的识别信息生成方法可以准确的确定出针对目标对话用户的语音是否识别正确。具体来说，造成语音识别不够精确的原因在于：基于自动语音识别技术的语音识别作为自然语言对话式交互的开始关键节点，常常因背景音，噪音或多人说话等因素而出现识别错误，进而影响到后续整个对话过程的开展。基于此，本公开的一些实施例的识别信息生成方法在语音识别之后，通过确定目标识别文本在历史对话文本集中出现的概率，来准确地确定所识别的目标识别文本是否正确。通过上述目标概率来确定目标识别文本是否识别正确，可以较大程度避免因背景音，噪音，或多人说话等因素而出现识别错误的情况，提高了确定目标识别文本是否识别正确的准确率。
附图说明
[0028]
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0029]
图1是根据本公开的一些实施例的识别信息生成方法的一个应用场景的示意图；
[0030]
图2是根据本公开的识别信息生成方法的一些实施例的流程图；
[0031]
图3是根据本公开的识别信息生成方法的另一些实施例的流程图；
[0032]
图4是根据本公开的识别信息生成方法的又一些实施例的流程图；
[0033]
图5是根据本公开的识别信息生成装置的一些实施例的结构示意图；
[0034]
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0035]
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0036]
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0037]
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0038]
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0039]
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0040]
下面将参考附图并结合实施例来详细说明本公开。
[0041]
图1是根据本公开一些实施例的识别信息生成方法的一个应用场景的示意图。
[0042]
在图1的应用场景中，电子设备101可以首先获取目标用户语音102。其中，上述目标用户语音102为目标对话用户103针对问题104所回复的语音。在本应用场景中，目标对话用户103可以是“李**”。问题104可以是“明天给你送货可以吗？”。然后，电子设备101可以生成上述目标用户语音102所对应的识别文本，作为目标识别文本105。在本应用场景中，目标识别文本105可以是“可以的”。接着，电子设备101可以确定上述目标识别文本105在历史对话文本集106中出现的概率，作为目标概率107。在本应用场景中，目标概率107可以是“70％”。最后，电子设备101可以根据上述目标概率107，生成表征上述目标识别文本102是否识别正确的识别信息108。
[0043]
需要说明的是，上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
[0044]
应该理解，图1中的电子设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备。
[0045]
继续参考图2，示出了根据本公开的识别信息生成方法的一些实施例的流程200。该识别信息生成方法，包括以下步骤：
[0046]
步骤201，获取目标用户语音。
[0047]
在一些实施例中，上述识别信息生成方法的执行主体(例如图1所示的电子设备
101)可以通过有线连接方式或者无线连接方式来获取目标用户语音。其中，上述目标用户语音为目标对话用户针对问题所回复的语音。上述目标对话用户可以是与智能客服系统进行沟通的用户。上述问题可以是上述智能客服系统向目标对话用户所提出的问题。例如，上述问题可以是“明天给你送货可以吗？”。上述智能客服系统可以是与用户进行人机交互的客服系统。
[0048]
步骤202，生成上述目标用户语音所对应的识别文本，作为目标识别文本。
[0049]
在一些实施例中，上述执行主体可以生成上述目标用户语音所对应的识别文本，作为目标识别文本。上述目标识别文本可以是将目标用户语音转换成文字形式后的文本。例如，上述目标识别文本可以是“可以的”。
[0050]
作为示例，上述执行主体可以利用自动语音识别技术，来生成上述目标用户语音所对应的识别文本，作为目标识别文本。
[0051]
步骤203，确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率。
[0052]
在一些实施例中，上述执行主体可以确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率。其中，历史对话文本可以包括：针对上述问题，历史用户所回复的答复语音对应的识别文本。历史用户为答复过上述问题的用户。
[0053]
作为示例，上述执行主体确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率，可以包括以下步骤：
[0054]
第一步，上述执行主体可以确定目标识别文本在历史对话文本集中各个历史对话文本出现的次数。
[0055]
例如，目标识别文本出现的次数为4次。其中，历史对话文本中可能包括多个目标识别文本。例如，历史对话文本可以为“可以的，可以的”。目标识别文本为“可以的”。故历史对话文本：“可以的，可以的”中出现了两次目标识别文本：“可以的”。
[0056]
第二步，上述执行主体可以确定上述历史对话文本集中历史对话文本的数目。
[0057]
例如，上述历史对话文本的数目为10个。
[0058]
第三步，将上述次数除以上述数目，得到相除值，作为上述目标概率。
[0059]
例如，次数为4次。数目为10个。故概率为“40％”。其中，上述执行主体可以响应于确定上述次数大于等于上述数目时，将上述相除值确定为“100％”，作为上述目标概率。
[0060]
在一些实施例的一些可选的实现方式中，上述确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率，可以包括以下步骤：
[0061]
第一步，上述执行主体可以确定上述历史对话文本集中包括目标识别文本的历史对话文本组。
[0062]
作为示例，历史对话文本集包括：第一历史对话文本、第二历史对话文本和第三历史对话文本。目标识别文本为“可以的”。第一历史对话文本为“好的”。第二历史对话文本为“可以的”。第三历史对话文本为“可以的，可以的”。故，历史对话文本组包括：第二历史对话文本和第三历史对话文本。
[0063]
第二步，上述执行主体可以确定上述历史对话文本组中历史对话文本的文本数目，作为第一文本数目。
[0064]
作为示例，历史对话文本组包括：第二历史对话文本和第三历史对话文本。则，历
understanding，nlu)模块，对话管理(dialog management，dm)模块，自然语言生成(nlg-neural language generation，nlg)模块。
[0080]
作为示例，上述执行主体可以将识别信息和上述目标识别文本反馈给语义理解模型，以生成语义理解信息。例如，上述语义理解模型可以是意图分类模型(即，自然语言理解模块中的、实现意图分类的模型)，上述执行主体可以将识别信息和目标识别文本反馈给意图分类模型，以生成更为精准的语义理解信息。具体地，意图分类模型可以生成目标识别文本属于目标类别的比例概率。上述执行主体可以通过识别信息来确定上述比例概率是否具有参考价值。例如，如果识别信息表征目标识别文本识别正确，则上述比例概率存在参考价值。如果识别信息表征目标识别文本识别错误，则上述比例概率不存在参考价值。除此之外，意图分类模型可以生成目标识别文本属于目标类别的初始比例概率。上述执行主体可以将比例概率与上述识别信息对应的概率相乘，得到的相乘结果，作为目标识别文本属于目标类别的最终比例概率。以此，通过最终比例概率来实现意图分类。
[0081]
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的识别信息生成方法可以准确的确定出针对目标对话用户的语音是否识别正确。具体来说，造成语音识别不够精确的原因在于：基于自动语音识别技术的语音识别作为自然语言对话式交互的开始关键节点，常常因背景音，噪音或多人说话等因素而出现识别错误，进而影响到后续整个对话过程的开展。基于此，本公开的一些实施例的识别信息生成方法在语音识别之后，通过确定目标识别文本在历史对话文本集中出现的概率，来准确地确定所识别的目标识别文本是否正确。通过上述目标概率来确定目标识别文本是否识别正确，可以较大程度避免因背景音，噪音，或多人说话等因素而出现识别错误的情况，提高了确定目标识别文本是否识别正确的准确率。
[0082]
进一步参考图3，示出了根据本公开的识别信息生成方法的另一些实施例的流程300。该识别信息生成方法，包括以下步骤：
[0083]
步骤301，获取目标用户语音。
[0084]
步骤302，生成上述目标用户语音所对应的识别文本，作为目标识别文本。
[0085]
步骤303，确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率。
[0086]
在一些实施例中，步骤301-303的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201-203，在此不再赘述。
[0087]
步骤304，确定上述历史对话文本集中包括上述目标识别文本的历史对话文本组。
[0088]
在一些实施例中，执行主体(例如图1所示的电子设备101)可以确定上述历史对话文本集中包括上述目标识别文本的历史对话文本组。其中，历史对话文本集中的历史对话文本包括：上述问题和识别文本。在这里，上述历史对话文本组为上述历史对话文本集中的历史对话文本。历史对话文本组中的历史对话文本对应的对话文本产生时间要早于上述目标对话文本所对应的对话文本产生时间。可选地，历史对话文本可以是文本对形式的文本。例如，历史对话文本为“问题，识别文本”。除此之外，每个历史对话文本存在对话文本产生时间。对话文本产生时间为历史对话文本对应历史用户回复问题的时间。例如，历史对话文本集包括：第一历史用户对应的第一历史对话文本、第二历史用户对应的第二历史对话文本和第三历史用户对应的第三历史对话文本。目标识别文本可以是“可以的”。第一历史用
户对应的第一历史对话文本可以是“明天给你送货可以吗？，可以的”。第二历史用户对应的第二历史对话文本可以是“明天给你送货可以吗？，是的”。第三历史用户对应的第一历史对话文本可以是“明天给你送货可以吗？，可以的”。第一历史对话文本对应的对话文本产生时间可以是“2012年11月1日”。第二历史对话文本对应的对话文本产生时间可以是“2012年11月2日”。第三历史对话文本对应的对话文本产生时间可以是“2012年11月3日”。则历史对话文本组包括：第二历史用户对应的第二历史对话文本和第三历史用户对应的第三历史对话文本。
[0089]
步骤305，从上述历史对话文本组中筛选出满足预设文本条件的历史对话文本，作为目标历史对话文本。
[0090]
在一些实施例中，上述执行主体可以从上述历史对话文本组中筛选出满足预设文本条件的历史对话文本，作为目标历史对话文本。其中，上述预设文本条件可以是历史对话文本对应对话文本产生时间与最晚的对话文本产生时间相同。
[0091]
例如，历史对话文本组包括：第二历史用户对应的第二历史对话文本和第三历史用户对应的第三历史对话文本。第二历史对话文本对应的对话文本产生时间可以是“2012年11月2日”。第三历史对话文本对应的对话文本产生时间可以是“2012年11月3日”。则上述目标历史对话文本为第三历史对话文本。
[0092]
步骤306，确定上述目标历史对话文本中的识别文本在至少一个历史对话文本中出现的概率，作为历史概率。
[0093]
在一些实施例中，上述执行主体可以确定上述目标历史对话文本中的识别文本在至少一个历史对话文本中出现的概率，作为历史概率例如，历史概率为“40％”。
[0094]
可选地，上述历史概率可以与目标概率的生成方式相同。具体地，历史概率可以通过以下步骤生成：
[0095]
第一步，获取针对目标历史对话文本的历史对话文本集，作为候选历史对话文本集。其中，候选历史对话文本集中的候选历史对话文本对应的对话文本产生时间早于目标历史对话文本对应的对话文本产生时间。
[0096]
第二步，确定上述候选历史对话文本集中包括目标识别文本的候选历史对话文本组。
[0097]
第三步，确定上述候选历史对话文本组中候选历史对话文本的文本数目，作为第三文本数目。
[0098]
第四步，确定上述候选历史对话文本集中候选历史对话文本的文本数目，作为第四文本数目。
[0099]
第五步，根据上述第三文本数目和上述第四文本数目，确定上述历史概率。
[0100]
步骤307，根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0101]
在一些实施例中，上述执行主体可以根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0102]
作为示例，首先，上述执行主体可以确定历史概率与上述目标概率之间的概率值之差。其次，响应于确定概率之差为负值或0，且上述目标概率大于等于第一阈值，上述执行主体可以生成表征目标识别文本识别正确的识别信息。此外，响应于确定概率之差为正值，
且上述目标概率小于第一阈值，上述执行主体可以生成表征目标识别文本识别错误的识别信息。除此之外，响应于确定概率之差为负值或0，且上述目标概率小于第一阈值，上述执行主体可以生成表征目标识别文本识别正确的识别信息。接着，响应于确定概率之差为正值，且上述目标概率大于第一阈值，上述执行主体可以生成表征目标识别文本识别错误的识别信息。
[0103]
在一些实施例的一些可选的实现方式中，上述根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息，可以包括以下步骤：
[0104]
第一步，上述执行主体可以将上述历史概率乘以数值α，得到相乘后历史概率。其中，上述数值α的取值范围为[0，1]。
[0105]
例如，上述数值α可以是“0.4”。历史概率为“40％”。相乘后历史概率为“16％”。
[0106]
第二步，上述执行主体可以将上述目标概率乘以数值1-α，得到相乘后概率。
[0107]
例如，目标概率为“60％”。数值1-α为“60％”。相乘后概率为“36％”。
[0108]
第三步，上述执行主体可以将上述相乘后历史概率和上述相乘后概率进行相加，得到相加后概率。
[0109]
例如，相乘后历史概率为“16％”。相乘后概率为“36％”。则相加后概率为“52％”。
[0110]
第四步，响应于确定上述相加后概率大于等于第一阈值，上述执行主体可以生成表征上述目标识别文本识别正确的识别信息。
[0111]
例如，第一阈值为“50％”。
[0112]
可选地，响应于确定相加后概率小于第二阈值，上述执行主体可以生成表征上述目标识别文本识别错误的识别信息。
[0113]
其中，第二阈值小于等于第一阈值。例如，第二阈值为40％。
[0114]
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的识别信息生成方法的流程300更加突出了根据历史概率和目标概率来生成识别信息的具体步骤。由此，这些实施例描述的方案通过利用历史对话文本集中目标历史对话文本对应的历史概率和上述概率，可以生成更为精准、更具有参考价值的识别信息。
[0115]
进一步参考图4，示出了根据本公开的识别信息生成方法的又一些实施例的流程400。该识别信息生成方法，包括以下步骤：
[0116]
步骤401，获取目标用户语音。
[0117]
步骤402，生成上述目标用户语音所对应的识别文本，作为目标识别文本。
[0118]
步骤403，确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率。
[0119]
步骤404，根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0120]
在一些实施例中，步骤401-404的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201-204，在此不再赘述。
[0121]
步骤405，利用上述识别信息，对上述语音识别模型的训练数据集进行调整，得到调整后的训练数据集。
[0122]
在一些实施例中，执行主体(例如图1所示的电子设备101)可以利用上述识别信息，对上述语音识别模型的训练数据集进行调整，得到调整后的训练数据集。其中，上述语
音识别模型可以包括：声学模型和语言模型。上述声学模型可以是但不限于以下之一：端到端声学模型，高斯混合模型(gaussian mixed model，gmm)+隐马尔科夫模型(hidden markov model，hmm)，深度神经网络(deep neural networks，dnn)+hmm。语言模型可以是但不限于以下之一：n-gram语言模型。
[0123]
作为示例，上述执行主体可以根据识别信息对应的目标概率，对上述语音识别模型的训练数据集中各个训练数据赋予对应的数据权重，以得到赋值后的训练数据集，作为上述调整后的训练数据集。
[0124]
步骤406，利用上述调整后的训练数据集，对上述语音识别模型进行参数调整，得到调整后的语音识别模型。
[0125]
在一些实施例中，上述执行主体可以利用上述调整后的训练数据集，对上述语音识别模型进行参数调整，得到调整后的语音识别模型。
[0126]
作为示例，上述执行主体可以利用上述调整后的训练数据集，通过反向传播的方式，对语音识别模型进行再次训练，以更新模型参数，得到再次训练后语音识别模型，作为上述调整后的语音识别模型。
[0127]
从图4中可以看出，与图2对应的一些实施例的描述相比，图4对应的一些实施例中的识别信息生成方法的流程400更加突出了对语音识别模型的参数进行更新的具体步骤。由此，这些实施例描述的方案利用识别信息对应的目标概率，来训练出识别更为精准的语音识别模型。
[0128]
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种识别信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0129]
如图5所示，一种识别信息生成装置500包括：获取单元501、第一生成单元502、确定单元503和第二生成单元504。其中，获取单元501，被配置成获取目标用户语音，其中，上述目标用户语音为目标对话用户针对问题所回复的语音；第一生成单元502，被配置成生成上述目标用户语音所对应的识别文本，作为目标识别文本；确定单元503，被配置成确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率；第二生成单元504，被配置成根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0130]
在一些实施例的一些可选的实现方式中，上述装置500中的确定单元503可以进一步被配置成：确定上述历史对话文本集中包括目标识别文本的历史对话文本组；确定上述历史对话文本组中历史对话文本的文本数目，作为第一文本数目；确定上述历史对话文本集中历史对话文本的文本数目，作为第二文本数目；根据上述第一文本数目和上述第二文本数目，确定上述目标概率。
[0131]
在一些实施例的一些可选的实现方式中，上述装置500中的确定单元503可以进一步被配置成：将上述第一文本数目和上述第二文本数目分别与预定数值相加，得到相加后第一文本数目和相加后第二文本数目；将上述相加后第一文本数目除以上述相加后第二文本数目，得到相除数值，作为上述目标概率。
[0132]
在一些实施例的一些可选的实现方式中，上述装置500中的第二生成单元504可以进一步被配置成：响应于确定上述目标概率大于等于第一阈值，生成表征上述目标识别文本识别正确的识别信息。
[0133]
在一些实施例的一些可选的实现方式中，上述装置500中的第二生成单元504可以进一步被配置成：响应于确定上述目标概率小于第二阈值，生成表征上述目标识别文本识别错误的识别信息，其中，上述第二阈值小于等于上述第一阈值。
[0134]
在一些实施例的一些可选的实现方式中，上述历史对话文本集中的历史对话文本包括：上述问题和识别文本。以及上述装置500中的第二生成单元504可以进一步被配置成：确定上述历史对话文本集中包括上述目标识别文本的历史对话文本组；从上述历史对话文本组子集中筛选出满足预设文本条件的历史对话文本，作为目标历史对话文本；确定上述目标历史对话文本中的识别文本在至少一个历史对话文本中出现的概率所对应的概率，作为历史概率，其中，上述至少一个历史对话文本为上述历史对话文本组中去除上述目标历史对话文本的历史对话文本；根据上述历史概率和上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0135]
在一些实施例的一些可选的实现方式中，上述装置500中的第二生成单元504可以进一步被配置成：将上述历史概率乘以数值α，得到相乘后历史概率，其中，上述数值α的取值范围为[0，1]；将上述目标概率乘以数值1-α，得到相乘后概率；将上述相乘后历史概率和上述相乘后概率进行相加，得到相加后概率；响应于确定上述相加后概率大于等于第一阈值，生成表征上述目标识别文本识别正确的识别信息。
[0136]
在一些实施例的一些可选的实现方式中，上述装置500还包括：数据调整单元和参数调整单元(图中未显示)。其中，上述数据调整单元可以被配置成：利用上述识别信息，对上述语音识别模型的训练数据集进行调整，得到调整后的训练数据集。参数调整单元可以被配置成：利用上述调整后的训练数据集，对上述语音识别模型进行参数调整，得到调整后的语音识别模型。
[0137]
在一些实施例的一些可选的实现方式中，上述装置500还包括：第三生成单元(图中未显示)。其中，上述第三生成单元可以被配置成：根据上述识别信息和上述目标识别文本，生成语义理解信息。
[0138]
可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
[0139]
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备101)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0140]
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0141]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具
有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0142]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0143]
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0144]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0145]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标用户语音，其中，上述目标用户语音为目标对话用户针对系统问题所回复的语音；生成上述目标用户语音所对应的识别文本，作为目标识别文本；确定上述目标识别文本在历史对话文本集中出现的概率，作为目标概率；根据上述目标概率，生成表征上述目标识别文本是否识别正确的识别信息。
[0146]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立
的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0147]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0148]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括：获取单元、第一生成单元、确定单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标用户语音的单元”。
[0149]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0150]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。