專利名稱：人機互動的口語對話系統(tǒng)及其實現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種采用語音識別(ASR, Automatic Speech Recognition)、對話管理 系統(tǒng)(Dialog Management System)、自然語言理角軍(NLU，NatureLanguage Understanding) 技術(shù)的人機互動的口語對話系統(tǒng)。
背景技術(shù)：
本說明書中的技術(shù)術(shù)語定義如下
語音識別，是讓機器將語音轉(zhuǎn)換為相應(yīng)文本的技術(shù)。
語義，是指文本(語句)的含義。由于表述方式不同，不同的語句可能是同一語義。
語料，是指大量文本的集合，其中的文本是經(jīng)過整理并按特定的格式標注過的。
詞法，是指文本內(nèi)詞語的構(gòu)成法則，如詞性。
詞性標簽，是一種對名詞、動詞、形容詞等詞性進行標注的方法。
語法，是指文本語句的構(gòu)成規(guī)律。
口語對話對于提高外語水平至關(guān)重要，目前市場上的外語口語學(xué)習(xí)產(chǎn)品，一般以 跟讀為主。系統(tǒng)設(shè)定主題場景，用戶跟著系統(tǒng)練習(xí)相關(guān)句型，系統(tǒng)對用戶的發(fā)音進行評分。 其對話模式僅限于在固定的2 3種回答語句中選擇。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種人機互動的口語對話系統(tǒng)，該系統(tǒng)中人和 機器均可自由主導(dǎo)對話過程(Mixed Initiative Conversation)。用戶可以主動談?wù)撟约?感興趣的話題，機器會順著用戶的話題進行對話。一旦用戶無話可談，機器會自動挑選相關(guān) 話題和用戶對話，從而營造一種真實的口語對話語言環(huán)境。為此，本發(fā)明還要提供所述人機 互動的口語對話系統(tǒng)的實現(xiàn)方法。
為解決以上技術(shù)問題，本發(fā)明人機互動的口語對話系統(tǒng)包括
語音識別模塊，將用戶的語音識別為文字；
糾錯模塊，將語音識別模塊輸出的文字進行詞法和語法層面的糾錯；
自然語言理解模塊，將糾錯模塊輸出的糾錯后的文字識別為語義；
對話管理模塊，根據(jù)自然語言理解模塊輸出的語義，生成對話的語義；
自然語言生成模塊，將對話管理模塊輸出的對話語義生成為對話文字；
語音合成模塊，將自然語言生成模塊輸出的對話文字生成為對話語音。
所述人機互動的口語對話系統(tǒng)的實現(xiàn)方法包括如下步驟
第I步，收集口語語料形成語料庫；
第2步，用戶的語音通過語音識別模塊I被識別為文字；
第3步，所述文字通過糾錯模塊2進行詞法和語法層面的糾錯；
第4步，糾錯后的文字通過自然語言理解模塊3被識別為語義；
第5步，對話管理模塊4根據(jù)所述語義，生成對話的語義；
第6步，所述對話語義通過自然語言生成模塊5生成為對話文字；
第7步，所述對話文字通過語音合成模塊6生成為對話語音。
本發(fā)明人機互動的口語對話系統(tǒng)具有如下有益效果
首先，對話管理模塊能回答用戶提問，也能主動和用戶談?wù)撓嚓P(guān)話題，從而營造一 種真實的口語對話語言環(huán)境；
其次，糾錯模塊能彌補語音的誤識別、口語語法的不嚴密，減少自然語言理解的無 法理解情況，使得人機對話更順暢；
最后，語音合成模塊還可增加多媒體視聽效果，加深用戶的記憶。


圖1為本發(fā)明人機互動的口語對話系統(tǒng)的結(jié)構(gòu)示意圖2為形成語料庫的流程圖3為糾錯模塊進行糾錯的流程圖4為對話管理模塊生成對話語義的流程圖。
圖中附圖標記說明
I為語音識別模塊；2為自動糾錯模塊；3為自然語言理解模塊；4為對話管理模 塊；5為自然語言生成模塊；6為語音合成模塊。
具體實施方式
下模塊
驟
請參閱圖1，這是本發(fā)明人機互動的口語對話系統(tǒng)的結(jié)構(gòu)示意圖。該系統(tǒng)包括有以-語音識別模塊1，將用戶的語音識別為文字-糾錯模塊2，將語音識別模塊I輸出的文字進行詞法和語法層面的糾錯； -自然語言理解模塊3，將糾錯模塊2輸出的糾錯后的文字識別為語義；-對話管理模塊4，根據(jù)自然語言理解模塊3輸出的語義，生成對話的語義； -自然語言生成模塊5，將對話管理模塊4輸出的對話語義生成為對話文字； -語音合成模塊6，將自然語言生成模塊5輸出的對話文字生成為對話語音。所述人機互動的口語對話系統(tǒng)的實現(xiàn)方法包括如下步驟第I步，收集口語語料形成語料庫；第2步，用戶的語音通過語音識別模塊I被識別為文字；第3步，所述文字通過糾錯模塊2進行詞法和語法層面的糾錯；第4步，糾錯后的文字通過自然語言理解模塊3被識別為語義；第5步，對話管理模塊4根據(jù)所述語義，生成對話的語義；第6步，所述對話語義通過自然語言生成模塊5生成為對話文字；第7步，所述對話文字通過語音合成模塊6生成為對話語音。請參閱圖2，上述人機互動的口語對話系統(tǒng)的實現(xiàn)方法的第I步具體包括如下步第1.1步,收集口語語句,例如可采用人工編輯、Wizard of OZ等方法。第1. 2步，分析、識別口語對話的規(guī)劃(Agenda)，即識別出各個語句的語義。所有語句的語義可分為問題語義和回答語義兩大類。
第1. 3步，將所有問題語義的語義分為多個對話主題，每個對話主題用一顆語義樹表示；語義樹是一種樹狀的數(shù)據(jù)結(jié)構(gòu)，包括一個根節(jié)點、多個子節(jié)點、多個孫節(jié)點……，每個節(jié)點表示一個問題語義；
語義樹的一個節(jié)點包括它所表示的問題語義的名稱、該節(jié)點的類型、該節(jié)點的子節(jié)點的名稱等。
下面就是語義樹的一個節(jié)點的示例
QA_GREETING
type = OR
next = 0R(Q_FIRST_MEET, Q_L0NG_TIME, Q_NICEMEET)
其中QA_GREETING是問題語義(該節(jié)點)的名稱，該節(jié)點的類型是0R。該節(jié)點的子節(jié)點的名稱是Q_FIRST_MEET、Q_L0NG_TIME, Q_NICEMEET中的一個且僅為一個，分別表示初次見面、好久未見和一般見面的情況。
語義樹上的節(jié)點根據(jù)其與子節(jié)點的鏈接關(guān)系可以分為三種類型，分別是順序類型 (SEQ)、或者類型(OR)、任意類型(ANY)。
順序類型表示該節(jié)點之后按順序跟著一個子節(jié)點，即當前問題語義之后按順序跟著一個問題語義。
或者類型表示該節(jié)點之后跟著多個子節(jié)點，只能選擇這多個子節(jié)點中的一個且僅有一個子節(jié)點，即當前問題語義之后根據(jù)不同情況從多個問題語義中只能選擇一個。
任意類型表示該節(jié)點之后跟著多個子節(jié)點，可以以任意順序選擇這多個子節(jié)點中的一個或多個子節(jié)點，即當前問題語義之后可以從多個問題語義中任意選擇。
或者類型與任意類型的區(qū)別在于假設(shè)節(jié)點A有三個子節(jié)點Al、A2、A3，當節(jié)點A 為或者類型，則對話管理模塊只能選擇子節(jié)點Al、A2、A3中的一個，一旦選擇完畢，其余子節(jié)點就不能再選擇了。而當節(jié)點A為任意類型，則對話管理模塊只能選擇子節(jié)點A1、A2、A3 中的一個，一旦選擇完畢，對話管理模塊還可以選擇其余子節(jié)點。
第1. 4步，將所收集的語句編譯為多個二進制文件，至少包括
主題定義文件，用于將所有語句分為多個對話主題；
語義樹定義文件，用于將每個對話主題中的所有問題語義形成一個樹狀的數(shù)據(jù)結(jié)構(gòu)即語義樹，語義樹的每個節(jié)點表示一個問題語義，每個節(jié)點包括語義ID號、類型、各子節(jié)點的名稱等。
語義定義文件，用于每個問題語義及其對應(yīng)的回答語義，以及每個問題語義所對應(yīng)的一組具體語句、每個回答語義所對應(yīng)的一組具體語句。
語句定義文件，管理所有語句以及各語句的部分發(fā)音標注和全部發(fā)音標注。部分發(fā)音標注的標注內(nèi)容較少，效率高但不精確，例如為Double Metaphone發(fā)音標注法。 全部發(fā)音標注的標注內(nèi)容較多，效率低但很精確，例如為IPA(International Phonetic Association)發(fā)音標注法。
BK樹定義文件，建立所有語句間的部分發(fā)音標注的Levenshtein距離，以及所有語句間的全部發(fā)音標注的Levenshtein距離。這可以采用Burkhard-Keller樹算法實現(xiàn)。
所形成的多個二進制文件經(jīng)過一系列數(shù)據(jù)轉(zhuǎn)換后，便可用于不同的語音識別引擎1，并具體應(yīng)用于糾錯模塊2和對話管理模塊4。
總而言之，語料庫是大量語句(文本)的集合，并且語料庫對這些語句進行了加工處理，形成了多個二進制文件。所述加工處理例如提取各語句語義，對所有語句按照內(nèi)容分為多個主題，每個主題中的各個問題語義之間的關(guān)系用語義樹描述等。
所述語音識別模塊I將用戶的語音識別為文字，該功能由語音識別引擎完成。語音識別引擎的識別效果和語言模型直接相關(guān)，對口語對話的大詞匯量連續(xù)語音識別，一般采用SLM(Statistical Language Model)語言模型。對主題詞搜索的語音識別，一般采 M SRGS (Speech Recognition Grammar Specification)語言模型，特別是該模型中的 Hotword(也稱 Magic Word)模式。
本發(fā)明所述語音識別模塊I例如可采用3元(3-gram) SLM模型作為主要的語音識別引擎，這是一種現(xiàn)有技術(shù)，其優(yōu)點是適合于大詞匯量連續(xù)語音識別、語料增加時語言識別模型便于維護。
根據(jù)本發(fā)明人機互動的口語對話系統(tǒng)部署的硬件設(shè)備的不同，可采用桌面版語音識別引擎、嵌入式語音識別引擎或服務(wù)器版語音識別引擎，分別對應(yīng)于個人計算機、便攜式電子設(shè)備、服務(wù)器——客戶端系統(tǒng)。
所述糾錯模塊2將語音識別模塊I輸出的文字進行詞法和語法層面的糾錯。詞法層面可采用諸如Levenshtein Distance算法，比對語料庫中相關(guān)語句，糾正語音識別文字的錯誤單詞。語法層面對單詞進行詞性標簽(Part of Speech Tagging),并分析語法結(jié)構(gòu) (Grammatical Structure)糾正語音識別文字的基本語法錯誤。
請參閱圖3，本發(fā)明人機互動的口語對話系統(tǒng)的實現(xiàn)方法的第3步具體包括如下步驟
第3.1步，當語音識別模塊I識別出的文字與語料庫中的語句相匹配，則糾錯模塊 2認為沒有發(fā)生錯誤，原樣輸出；
當語音識別模塊I識別出的文字與語料庫中的所有語句都不匹配，則糾錯模塊2 認為發(fā)生了錯誤，進入第3. 2步 糾錯；
第3. 2步,糾錯模塊2將該錯誤語句作為輸入,利用Burkhard-Keller樹算法找到在語料庫中與該錯誤語句的部分發(fā)音標注法的距離小于或等于η的所有語句；η根據(jù)語句長度不同而不同，一般為該錯誤語句所含單詞數(shù)的四分之一到三分之一，例如語句由12個單詞組成，則η取值為3或4。
第3. 3步，糾錯模塊2計算該錯誤語句與第3. 2步找到的各個語句之間的全部發(fā)音標注法間的距離，例如計算該錯誤語句與找到的各個語句之間的IPA發(fā)音標注間的 Levenshtein距離。并按計算出的距離按由小到大的順序排序；
第3. 4步，如果第3. 3步計算出的距離的最小值超過閥值，則糾錯模塊2認為糾錯失敗，輸出錯誤提示信息；該錯誤提示信息例如要求重新向語音識別模塊I輸入新的語音信號。
如果第3. 3步計算出的距離的最小值在閥值以內(nèi)，則糾錯模塊2將與該錯誤語句具有最小的全部發(fā)音標注法的距離的語句作為糾錯結(jié)果輸出；
所述閥值的取值一般為該錯誤語句所含字符數(shù)的四分之一到三分之一，例如語句由48個字符組成，則所述閥值的取值范圍為12至16。。
本發(fā)明所述糾錯模塊2采用詞法糾錯作為主要糾錯方式，并采用UCREL CLAWS7詞 性標簽法進行語法結(jié)構(gòu)分析。該糾錯模塊2能將文字中的單詞錯誤(可能是用戶發(fā)音錯 誤，也可能是語音識別引擎導(dǎo)致的相似音識別錯誤)、語法錯誤(如第三人稱單數(shù)等)自動 糾正。該糾錯模塊2能彌補語音識別模塊I的誤識別、口語語法的不嚴密，減少自然語言理 解模塊3無法理解的情況，使得人機對話更順暢。
所述自然語言理解模塊3將糾錯模塊2輸出的糾錯后的文字識別為語義，也就 是理解文字的語義。該自然語言理解模塊3將糾錯后的文字歸納為該語句所表達的語義 (Semantic)。說法不同、意思相同的語句歸納為相同語義。該功能可采用喬姆斯基語言學(xué) 理論，根據(jù)詞匯、句法規(guī)則、語義規(guī)則并結(jié)合邏輯推導(dǎo)規(guī)則和知識庫來理解語義。該功能也 可采用SSM(Statistical Semantic Model),使用統(tǒng)計學(xué)原理對事先標注的大量語料通過 機器學(xué)習(xí)算法(Machine Learning Algorithm)進行訓(xùn)練(Training),經(jīng)訓(xùn)練后的語義模型 用于文字的語義識別。
本發(fā)明所述自然語言理解模塊3例如可采用SSM方式，這是一種現(xiàn)有技術(shù)，其優(yōu)點 是語料增加時便于維護，且隨著語料增長，所述人機互動的口語系統(tǒng)的用戶體驗同步增長。
所述對話管理模塊4根據(jù)自然語言理解模塊3輸出的語義，生成對話的語義，也 就是在人機對話過程中自動產(chǎn)生計算機方的所有語義。該對話管理模塊4根據(jù)對話上下 文(Context)及用戶輸入語義，推導(dǎo)出機器的答復(fù)語義。此處答復(fù)是泛指即如果用戶是提 問，機器為回答語義；如果用戶是回答，則機器可能是下一個相關(guān)問題語義。答復(fù)語義也稱 對話語義。
對話管理一般分為基于知識(Knowledge-based)的對話管理系統(tǒng)和數(shù)據(jù)驅(qū)動 (Data-driven)的對話管理系統(tǒng)。前者主要采用規(guī)劃(Agenda)的方式，規(guī)劃模型要求從語 句中事先分析、識別出規(guī)劃。后者通過對事先標注的大量語料采用馬爾科夫決策過程處理 (Markov Decision Processing)生成對話模型。
請參閱圖4，所述人機互動的口語對話系統(tǒng)的實現(xiàn)方法的第5步具體包括
第5.1步，當用戶提出問題，則對話管理模塊首先判斷用戶所提問題屬于哪一個 主題，再從該主題的語義樹中找到用戶所提問題的語義對應(yīng)的節(jié)點，并從該節(jié)點中找到該 問題語義的回答語義輸出；后續(xù)的自然語言生成模塊5再從該回答語義對應(yīng)的一組語句中 挑選一句回答用戶。
當用戶未提出問題，則進入第5. 2步；
第5. 2步，對話管理模塊判斷用戶最近回答的問題屬于哪一個主題，再從該主題 的語義樹中找到用戶最近回答的問題的語義對應(yīng)的節(jié)點，再將該節(jié)點作為當前節(jié)點；
第5. 3步，如果當前節(jié)點是順序類型，選擇當前節(jié)點的下一子節(jié)點作為候選節(jié)點；
當前節(jié)點是或者類型,選擇當前節(jié)點的下多個子節(jié)點的一個且僅為一個子節(jié)點作 為候選節(jié)點；
當前節(jié)點是任意類型，選擇當前節(jié)點的下多個子節(jié)點的任意一個子節(jié)點作為候選 節(jié)點；
第5. 4步，判斷候選節(jié)點對應(yīng)的問題語義是否為用戶曾提問過的、或用戶曾回答 過的、或與用戶之前的回答相矛盾的、或與之前選擇的節(jié)點類型相矛盾的(主要指之前對 話管理模塊對于或者類型的節(jié)點，一旦選擇一個子節(jié)點后，其余子節(jié)點就被排除在后續(xù)選擇之外的情況)；
如有一項為是，則將候選節(jié)點作為當前節(jié)點，返回第5. 3步；
如果全部為否，則將候選節(jié)點的問題語義輸出。
進一步地，如果當前節(jié)點的所有子節(jié)點都不符合第5. 4步(即都至少有一項為 是)，則回溯處理當前節(jié)點的父節(jié)點。如果當前語義樹上已沒有可以處理的父節(jié)點，則對話 管理模塊4主動向用戶說再見。
本發(fā)明所述對話管理模塊4采用基于知識的對話管理系統(tǒng)，其優(yōu)點是形成了人機 雙向互動的對話環(huán)境，且隨著語料增長，所述人機互動的口語對話系統(tǒng)的用戶體驗同步增 長。
所述自然語言生成模塊5將對話管理模塊4輸出的對話語義生成為對話文字，也 就是生成表達特定語義的文字。該自然語言生成模塊5模塊根據(jù)機器答復(fù)語義，對話上下 文及相關(guān)參數(shù)(如用戶英語水平)，從語料庫(Corpora)中挑選生成具體的對話文字。
本發(fā)明所述自然語言生成模塊5例如采用語句模板的方式實現(xiàn)，可根據(jù)語義從對 應(yīng)的多個語句中選擇一句，選擇的依據(jù)包括上下文關(guān)系、用戶的外語水平等。這是一種現(xiàn)有 技術(shù)，優(yōu)點是實現(xiàn)簡便。
語音合成模塊6將自然語言生成模塊5輸出的對話文字生成為對話語音，也 就是實時生成文字對應(yīng)的語音。該功能由語音合成引擎完成，語音合成引擎的呈現(xiàn) (Presentation)模塊采用語音合成(Text To Speech)和/或預(yù)錄音方式將對話語音播放 給用戶聽，還可同時通過多媒體動畫、視頻等形式在用戶界面展示。
本發(fā)明所述語音合成模塊6采用第三方語音合成引擎，這是一種現(xiàn)有技術(shù)，在此 不再贅述。
以上僅為本發(fā)明的優(yōu)選實施例，并不用于限定本發(fā)明。對于本領(lǐng)域的技術(shù)人員來 說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同 替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種人機互動的口語對話系統(tǒng)，其特征是，包括 語音識別模塊，將用戶的語音識別為文字； 糾錯模塊，將語音識別模塊輸出的文字進行詞法和語法層面的糾錯； 自然語言理解模塊，將糾錯模塊輸出的糾錯后的文字識別為語義； 對話管理模塊，根據(jù)自然語言理解模塊輸出的語義，生成對話的語義； 自然語言生成模塊，將對話管理模塊輸出的對話語義生成為對話文字； 語音合成模塊，將自然語言生成模塊輸出的對話文字生成為對話語音。
2.如權(quán)利要求1所述的人機互動的口語對話系統(tǒng)的實現(xiàn)方法，其特征是，包括如下步驟 第I步，收集口語語料形成語料庫； 第2步，用戶的語音通過語音識別模塊被識別為文字； 第3步，所述文字通過糾錯模塊進行詞法和語法層面的糾錯； 第4步，糾錯后的文字通過自然語言理解模塊被識別為語義； 第5步，對話管理模塊根據(jù)所述語義，生成對話的語義； 第6步，所述對話語義通過自然語言生成模塊生成為對話文字； 第7步，所述對話文字通過語音合成模塊生成為對話語音。
3.根據(jù)權(quán)利要求2所述的人機互動的口語對話系統(tǒng)的實現(xiàn)方法，其特征是，所述方法第I步具體包括如下步驟 第1.1步，收集口語語句； 第1. 2步，識別出各個語句的語義；所有語句的語義可分為問題語義和回答語義兩大類； 第1. 3步，將所有問題語義的語義分為多個對話主題，每個對話主題用一顆語義樹表示；語義樹是一種樹狀的數(shù)據(jù)結(jié)構(gòu)，包括一個根節(jié)點、多個子節(jié)點、多個孫節(jié)點……，每個節(jié)點表示一個問題語義； 語義樹的一個節(jié)點包括它所表示的問題語義的名稱、該節(jié)點的類型、該節(jié)點的子節(jié)占. 語義樹上的節(jié)點根據(jù)其與子節(jié)點的鏈接關(guān)系分為三種類型，分別是順序類型、或者類型、任意類型 順序類型表示該節(jié)點之后按順序跟著一個子節(jié)點； 或者類型表示該節(jié)點之后跟著多個子節(jié)點，只能選擇這多個子節(jié)點中的一個且僅有一個子節(jié)點； 任意類型表示該節(jié)點之后跟著多個子節(jié)點，可以以任意順序選擇這多個子節(jié)點中的一個或多個子節(jié)點； 第1. 4步，將所收集的語句編譯為多個二進制文件，至少包括 主題定義文件，用于將所有語句分為多個對話主題； 語義樹定義文件，用于將每個對話主題中的所有問題語義形成一個樹狀的數(shù)據(jù)結(jié)構(gòu)即語義樹，語義樹的每個節(jié)點表示一個問題語義，每個節(jié)點包括語義ID號、類型、各子節(jié)點；語義定義文件，用于每個問題語義及其對應(yīng)的回答語義，以及每個問題語義所對應(yīng)的一組具體語句、每個回答語義所對應(yīng)的一組具體語句；語句定義文件，管理所有語句以及各語句的部分發(fā)音標注和全部發(fā)音標注； BK樹定義文件，建立所有語句間的部分發(fā)音標注的Levenshtein距離，以及所有語句間的全部發(fā)音標注的Levenshtein距離。
4.根據(jù)權(quán)利要求2所述的人機互動的口語對話系統(tǒng)的實現(xiàn)方法，其特征是，所述方法第3步具體包括如下步驟 第3.1步，當語音識別模塊識別出的文字與語料庫中的語句相匹配，則糾錯模塊認為沒有發(fā)生錯誤，原樣輸出； 當語音識別模塊識別出的文字與語料庫中的所有語句都不匹配，則糾錯模塊認為發(fā)生了錯誤，進入第3. 2步糾錯； 第3. 2步,糾錯模塊將該錯誤語句作為輸入,利用Burkhard-Keller樹算法找到在語料庫中與該錯誤語句的部分發(fā)音標注法的距離小于或等于η的所有語句；η的取值范圍為所述錯誤語句所含單詞數(shù)的四分之一到三分之一； 第3. 3步，糾錯模塊計算該錯誤語句與第3. 2步找到的各個語句之間的全部發(fā)音標注法間的距離，并按計算出的距離按由小到大的順序排序； 第3. 4步，如果第3. 3步計算出的距離的最小值超過閥值，則糾錯模塊認為糾錯失敗，輸出錯誤提示信息； 如果第3. 3步計算出的距離的最小值在閥值以內(nèi)，則糾錯模塊將與該錯誤語句具有最小的全部發(fā)音標注法的距離的語句作為糾錯結(jié)果輸出； 所述閥值的取值范圍為所述錯誤語句所含字符數(shù)的四分之一到三分之一。
5.根據(jù)權(quán)利要求3或4所述的人機互動的口語對話系統(tǒng)的實現(xiàn)方法，其特征是，所述部分發(fā)音標注法為Double Metaphone發(fā)音標注法，所述全部發(fā)音標注法為IPA發(fā)音標注法。
6.根據(jù)權(quán)利要求2所述的人機互動的口語對話系統(tǒng)的實現(xiàn)方法，其特征是，所述方法第5步具體包括 第5.1步，當用戶提出問題，則對話管理模塊首先判斷用戶所提問題屬于哪一個主題，再從該主題的語義樹中找到用戶所提問題的語義對應(yīng)的節(jié)點，并從該節(jié)點中找到該問題語義的回答語義輸出； 當用戶未提出問題，則進入第5. 2步； 第5. 2步，對話管理模塊判斷用戶最近回答的問題屬于哪一個主題，再從該主題的語義樹中找到用戶最近回答的問題的語義對應(yīng)的節(jié)點，再將該節(jié)點作為當前節(jié)點； 第5. 3步，如果當前節(jié)點是順序類型，選擇當前節(jié)點的下一子節(jié)點作為候選節(jié)點；當前節(jié)點是或者類型，選擇當前節(jié)點的下多個子節(jié)點的一個且僅為一個子節(jié)點作為候選節(jié)點； 當前節(jié)點是任意類型，選擇當前節(jié)點的下多個子節(jié)點的任意一個子節(jié)點作為候選節(jié)占. 第5. 4步，判斷候選節(jié)點對應(yīng)的問題語義是否為用戶曾提問過的、或用戶曾回答過的、或與用戶之前的回答相矛盾的、或與之前選擇的節(jié)點類型相矛盾的； 如有一項為是，則將候選節(jié)點作為當前節(jié)點，返回第5. 3步； 如果全部為否，則將候選節(jié)點的問題語義輸出。
7.根據(jù)權(quán)利要求6所述的人機互動的口語對話系統(tǒng)的實現(xiàn)方法，其特征是，所述方法第5. 4步中，如果當前節(jié)點的所有子節(jié)點都至少有一項為是，則回溯處理當前節(jié)點的父節(jié)點；如果當·前語義樹上已沒有可以處理的父節(jié)點，則對話管理模塊主動向用戶說再見。
全文摘要
本發(fā)明公開了一種人機互動的口語對話系統(tǒng)，包括語音識別模塊，將用戶的語音識別為文字；糾錯模塊，將語音識別模塊輸出的文字進行詞法和語法層面的糾錯；自然語言理解模塊，將糾錯模塊輸出的糾錯后的文字識別為語義；對話管理模塊，根據(jù)自然語言理解模塊輸出的語義，生成對話的語義；自然語言生成模塊，將對話管理模塊輸出的對話語義生成為對話文字；語音合成模塊，將自然語言生成模塊輸出的對話文字生成為對話語音。本發(fā)明還公開了所述人機互動的口語對話系統(tǒng)的實現(xiàn)方法。該系統(tǒng)能回答用戶提問，也能主動和用戶談?wù)撓嚓P(guān)話題，從而營造一種真實的口語對話語言環(huán)境。
文檔編號G09B5/04GK103000052SQ201110275440
公開日2013年3月27日 申請日期2011年9月16日 優(yōu)先權(quán)日2011年9月16日
發(fā)明者張國順 申請人:上海先先信息科技有限公司