将自然语言翻译成指令的方法、装置及其导航应用
【技术领域】
[0001] 本发明涉及语音识别技术领域，具体涉及一种将自然语言翻译成指令的方法、装 置及其导航应用。
【背景技术】
[0002] 语言识别技术，也被称为自动语言识别Automatic Speech Recognition，（ASR)， 其目标是将人类语言中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者 字符序列。近二十年来，语言识别技术取得显著进步，开始从实验室走向市场。人们预计， 未来10年内，语言识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子 产品等各个领域。特别是近年来互联网科技的迅猛发展使智能家居、智能硬件、智能手机、 智能汽车等各个行业趋向智能化，语言识别技术作为个人与机器之间的交流互动的桥梁， 成为智能技术领域发展的重要的工具。
[0003] 申请号为201310611734. 9、发明名称为《语音导航方法及系统》的中国发明专利申 请公开了一种语音导航方法及系统，综合多种不同类型解码网络的优势，包括大规模语言 模型解码网络、命令词解码网络、高频解码网络，通过对用户输入的语音信号采用基于多种 不同类型解码网络进行统一解码识别，得到文本词串及对应的操作，从而能够对用户的个 性化语音响应进行识别。
[0004] 申请号为200510038931. 1、发明名称为《地理信息的语音识别方法及其在导航系 统中的应用》的中国发明专利公开了一种地理信息的语音识别方法，在现有语音识别方法 的基础上，增加语言获取和语言匹配两个步骤，将识别后的随机带噪字符串转换为拼音字 符串，语言的匹配是从现有的地理信息数据库中取出地理信息字符串转换为拼音字符串， 与带噪拼音字符串匹配。
[0005] 将自然语言翻译成机器可执行指令是语音识别技术在实际应用当中的一个重要 组成部分。现在将自然语言翻译成机器可执行指令主要有两方面的尝试，第一种尝试是基 于语言学分析自然语句的词性、句法，从而生成指令；另一种是使用建立概率模型，来求解 与自然语言最相近的指令。前者操作过于复杂、同等计算资源下计算时间长，而现有技术中 第二种尝试方法可扩展性差。
【发明内容】
[0006] 本发明的发明目的是提供一种将自然语言翻译成机器可读指令的方法和装置及 其在智能汽车导航的应用，解决现有技术中将自然语言翻译成机器可执行指令方法中存在 的上述缺陷，提高识别准确率并增强识别范围可扩展性。
[0007] 为了解决上述技术问题，本发明采用的技术方案如下：
[0008] 一种将自然语言翻译成机器可读指令的方法，包括以下步骤：
[0009] 创建学习模块数据库，录入语句，标注语句所属指令分类；
[0010] 基于人工录入字典，对语句进行分词；
[0011] 将需翻译语句N称为猜测语句，所述学习模块数据库中已录入语句称为学习语 句，计算所有分词的第一概率BPl，将所述分词、所述第一概率、所述分词在所述语句中的次 序存储到第一数据表中，其中所述第一概率为N与学习语句相似的概率；
[0012] 计算所有分词的第二概率BP2,将所述分词、所述第二概率、所述指令分类存储到 第二数据表中，其中所述第二概率为N与指令分类相似的概率；
[0013] 对猜测语句进行分词，根据所述分词在所述第一数据表中获取所有相似的学习语 句，计算每条学习语句与所述猜测语句的第一匹配度，判定第一匹配度最高的学习语句与 所述猜测语句最相似；
[0014] 对所述猜测语句进行分词，根据所述分词在所述第二数据表中获取所有相似的指 令分类，计算所有指令分类与所述猜测语句的第二匹配度，判定第二匹配度最高的指令分 类为所述猜测语句的指令分类。
[0015] 进一步的，所述计算每条学习语句与所述猜测语句的第一匹配度的公式为：
【主权项】
1. 一种将自然语言翻译成机器可读指令的方法，其特征在于，包括以下步骤： 创建学习模块数据库，录入语句，标注语句所属指令分类； 基于人工录入字典，对语句进行分词； 将需翻译语句N称为猜测语句，所述学习模块数据库中已录入语句称为学习语句， 计算所有分词的第一概率BP1，将所述分词、所述第一概率、所述分词在所述语句中的 次序存储到第一数据表中，其中所述第一概率为N与学习语句相似的概率； 计算所有分词的第二概率BP2,将所述分词、所述第二概率、所述指令分类存储到第二 数据表中，其中所述第二概率为N与指令分类相似的概率； 对猜测语句进行分词，根据所述分词在所述第一数据表中获取所有相似的学习语句， 计算每条学习语句与所述猜测语句的第一匹配度，判定第一匹配度最高的学习语句与所述 猜测语句最相似； 对所述猜测语句进行分词，根据所述分词在所述第二数据表中获取所有相似的指令分 类，计算所有指令分类与所述猜测语句的第二匹配度，判定第二匹配度最高的指令分类为 所述猜测语句的指令分类。
2. 根据权利要求1所述的将自然语言翻译成机器可读指令的方法，其特征在于：所述 计算每条学习语句与所述猜测语句的第一匹配度的公式为：
其中， NN为所述猜测语句即需要翻译的语句，NN = {Tl，T2, T3,…，Tn} (Ti为分词）； 第i条学习语句为Si; 第i个指令分类为Ki ; Ri (i = 1，2, 3, 4, 5)为常数； BPSTi为分词Ti出现在N中时，N与Si相等的可能性； ONTi为分词Ti在N中的排列顺序； OSTi为分词Ti在Si中的排列顺序； SumNSTi为猜测语句与学习语句Si相等的分词总量； SumSTi为学习语句的分词总量； PNSi为猜测语句与学习语句Si的匹配度。
3. 根据权利要求1或2所述的将自然语言翻译成机器可读指令的方法，其特征在于： 所述计算所有指令分类与所述猜测语句的第二匹配度的公式为： PLKi =