用于识别应用的使用场景的方法和装置制造方法及图纸

技术编号:19483318 阅读:23 留言:0更新日期:2018-11-17 10:57
本申请实施例公开了用于识别应用的使用场景的方法和装置。该方法的一具体实施方式包括:响应于检测到目标应用的归属于预设类别的子应用被运行,对周围环境中的语音信息进行采集;对采集到的语音信息进行特征提取,将提取出的特征信息输入预先训练的场景识别模型,得到识别结果,其中,识别结果包括语音信息是在预设场景下采集的概率,场景识别模型用于表征特征信息与识别结果之间的对应关系;基于该概率,确定目标应用当前的使用场景是否为预设场景。该实施方式实现了对目标应用当前的使用场景的识别。

【技术实现步骤摘要】
用于识别应用的使用场景的方法和装置
本申请实施例涉及计算机
,具体涉及用于识别应用的使用场景的方法和装置。
技术介绍
现有的应用一般有至少一种使用场景。以导航应用为例,导航应用的使用场景大体可分为两种,一种是在车上,例如用户在车上使用导航应用进行导航;另一种是不在车上,例如用户在室内或其它场所使用导航应用进行路线查询等。通过对应用当前的使用场景进行识别,可以将所得的识别结果应用于信息推送和/或用户画像生成等应用场景。
技术实现思路
本申请实施例提出了用于识别应用的使用场景的方法和装置。第一方面,本申请实施例提供了一种用于识别应用的使用场景的方法,该方法包括:响应于检测到目标应用的归属于预设类别的子应用被运行,对周围环境中的语音信息进行采集;对采集到的语音信息进行特征提取,将提取出的特征信息输入预先训练的场景识别模型,得到识别结果,其中,上述识别结果包括上述语音信息是在预设场景下采集的概率,上述场景识别模型用于表征特征信息与识别结果之间的对应关系;基于上述概率,确定上述目标应用当前的使用场景是否为上述预设场景。在一些实施例中,上述方法还包括:生成用于提示上述目标应用的使用场景是否为上述预设场景的提示信息,以及输出上述提示信息。在一些实施例中,上述输出上述提示信息,包括:将上述提示信息输出至对上述目标应用提供支持的服务端。在一些实施例中,上述基于上述概率,确定上述目标应用当前的使用场景是否为上述预设场景,包括:确定上述概率是否大于概率阈值;若上述概率大于上述概率阈值,则确定上述目标应用当前的使用场景是上述预设场景。在一些实施例中,上述基于上述概率,确定上述目标应用当前的使用场景是否为上述预设场景,还包括:若上述概率不大于上述概率阈值,则确定上述目标应用当前的使用场景不是上述预设场景。在一些实施例中,上述对采集到的语音信息进行特征提取,包括:采用快速傅里叶变换算法提取出上述语音信息的频谱,将上述频谱作为上述特征信息。在一些实施例中,上述场景识别模型是通过对预设的深度神经网络进行以下训练操作训练得到的:获取预设的训练样本集合,其中,训练样本包括语音信息和标注信息,上述标注信息用于指示所对应的语音信息是否为在上述预设场景下采集的语音信息;对于上述训练样本集合中的训练样本,对该训练样本中的语音信息进行特征提取,将提取出的特征信息输入上述深度神经网络,得到该训练样本中的语音信息是在上述预设场景下采集的概率,确定该概率与该训练样本中的标注信息之间的差异,基于上述差异调整上述深度神经网络的参数。第二方面,本申请实施例提供了一种用于识别应用的使用场景的装置,该装置包括:采集单元,被配置成响应于检测到目标应用的归属于预设类别的子应用被运行,对周围环境中的语音信息进行采集;识别单元,被配置成对采集到的语音信息进行特征提取,将提取出的特征信息输入预先训练的场景识别模型,得到识别结果,其中,上述识别结果包括上述语音信息是在预设场景下采集的概率,上述场景识别模型用于表征特征信息与识别结果之间的对应关系;确定单元,被配置成基于上述概率,确定上述目标应用当前的使用场景是否为上述预设场景。在一些实施例中,上述装置还包括:输出单元,被配置成生成用于提示上述目标应用的使用场景是否为上述预设场景的提示信息,以及输出上述提示信息。在一些实施例中,上述输出单元进一步被配置成:将上述提示信息输出至对上述目标应用提供支持的服务端。在一些实施例中,上述确定单元包括:确定子单元,被配置成确定上述概率是否大于概率阈值;第一处理子单元,被配置成若上述概率大于上述概率阈值,则确定上述目标应用当前的使用场景是上述预设场景。在一些实施例中,上述确定单元还包括:第二处理子单元,被配置成若上述概率不大于上述概率阈值,则确定上述目标应用当前的使用场景不是上述预设场景。在一些实施例中,上述识别单元进一步被配置成:采用快速傅里叶变换算法提取出上述语音信息的频谱,将上述频谱作为上述特征信息。在一些实施例中,上述场景识别模型是通过对预设的深度神经网络进行以下训练操作训练得到的:获取预设的训练样本集合,其中,训练样本包括语音信息和标注信息,上述标注信息用于指示所对应的语音信息是否为在上述预设场景下采集的语音信息;对于上述训练样本集合中的训练样本,对该训练样本中的语音信息进行特征提取,将提取出的特征信息输入上述深度神经网络,得到该训练样本中的语音信息是在上述预设场景下采集的概率,确定该概率与该训练样本中的标注信息之间的差异,基于上述差异调整上述深度神经网络的参数。第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当该一个或多个程序被该一个或多个处理器执行,使得该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。第四方面,本申请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,该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。本申请实施例提供的用于识别应用的使用场景的方法和装置,通过响应于检测到目标应用的归属于预设类别的子应用被运行而对周围环境中的语音信息进行采集,而后对采集到的语音信息进行特征提取,将提取出的特征信息输入预先训练的场景识别模型,得到包括该语音信息是在预设场景下采集的概率的识别结果,以便基于该识别结果中的概率,确定目标应用当前的使用场景是否为该预设场景,实现了对目标应用当前的使用场景的识别。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:图1是本申请可以应用于其中的示例性系统架构图;图2是根据本申请的用于识别应用的使用场景的方法的一个实施例的流程图;图3是根据本申请的用于识别应用的使用场景的方法的一个应用场景的示意图;图4是根据本申请的用于识别应用的使用场景的方法的又一个实施例的流程图;图5是根据本申请的用于识别应用的使用场景的装置的一个实施例的结构示意图;图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关专利技术,而非对该专利技术的限定。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专利技术相关的部分。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于识别应用的使用场景的方法或用于识别应用的使用场景的装置的实施例的示例性系统架构100。如图1所示,系统架构100可以包括终端设备101,网络102和语音采集装置103。网络102用以在终端设备101和语音采集装置103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。终端设备101可以通过网络102与语音采集装置103进行交互,以从语音采集装置103获取所需的语音信息,并对该语音信息进行分析等处理。终端设备101上可以安装有各种通讯客户端应用,例如网页浏览器应用、能够提供语音服务的应用(例如导航应用、输入法应用、拍照类应用等)等。终端设备101可以是硬件,也可以是软件。当终端设备101为硬件时,本文档来自技高网...

【技术保护点】
1.一种用于识别应用的使用场景的方法,包括:响应于检测到目标应用的归属于预设类别的子应用被运行,对周围环境中的语音信息进行采集;对采集到的语音信息进行特征提取,将提取出的特征信息输入预先训练的场景识别模型,得到识别结果,其中,所述识别结果包括所述语音信息是在预设场景下采集的概率,所述场景识别模型用于表征特征信息与识别结果之间的对应关系;基于所述概率,确定所述目标应用当前的使用场景是否为所述预设场景。

【技术特征摘要】
1.一种用于识别应用的使用场景的方法,包括:响应于检测到目标应用的归属于预设类别的子应用被运行,对周围环境中的语音信息进行采集;对采集到的语音信息进行特征提取,将提取出的特征信息输入预先训练的场景识别模型,得到识别结果,其中,所述识别结果包括所述语音信息是在预设场景下采集的概率,所述场景识别模型用于表征特征信息与识别结果之间的对应关系;基于所述概率,确定所述目标应用当前的使用场景是否为所述预设场景。2.根据权利要求1所述的方法,其中,所述方法还包括:生成用于提示所述目标应用的使用场景是否为所述预设场景的提示信息,以及输出所述提示信息。3.根据权利要求2所述的方法,其中,所述输出所述提示信息,包括:将所述提示信息输出至对所述目标应用提供支持的服务端。4.根据权利要求1-3之一所述的方法,其中,所述基于所述概率,确定所述目标应用当前的使用场景是否为所述预设场景,包括:确定所述概率是否大于概率阈值;若所述概率大于所述概率阈值,则确定所述目标应用当前的使用场景是所述预设场景。5.根据权利要求4所述的方法,其中,所述基于所述概率,确定所述目标应用当前的使用场景是否为所述预设场景,还包括:若所述概率不大于所述概率阈值,则确定所述目标应用当前的使用场景不是所述预设场景。6.根据权利要求1所述的方法,其中,所述对采集到的语音信息进行特征提取,包括:采用快速傅里叶变换算法提取出所述语音信息的频谱,将所述频谱作为所述特征信息。7.根据权利要求1所述的方法,其中,所述场景识别模型是通过对预设的深度神经网络进行以下训练操作训练得到的:获取预设的训练样本集合,其中,训练样本包括语音信息和标注信息,所述标注信息用于指示所对应的语音信息是否为在所述预设场景下采集的语音信息;对于所述训练样本集合中的训练样本,对该训练样本中的语音信息进行特征提取,将提取出的特征信息输入所述深度神经网络,得到该训练样本中的语音信息是在所述预设场景下采集的概率,确定该概率与该训练样本中的标注信息之间的差异,基于所述差异调整所述深度神经网络的参数。8.一种用于识别应用的使用场景的装置,包括:采集单元,被配置成响应于检测到目标应用的归属于预设类别的子应用被运行,对周围环境中的语音信息进行采集;识别单元,被配置成对...

【专利技术属性】
技术研发人员:朱唯鑫李超孙建伟文铭
申请(专利权)人:百度在线网络技术北京有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1