基于语义的交互系统及交互方法技术方案

本专利申请公开了一种基于语义的交互系统及交互方法，通过定义规则化的语义参数模型，以实现让机器最大限度地读懂人类的语言表达，运用规则引擎、索引定义和模糊关联操作，降低数据维度提高机器处理效率，让计算机积极响应用户的同时理解用户语言，达到“真实的人类”水平，实现与计算机世界的沟通就像人类在现实生活中沟通一样。

【技术实现步骤摘要】

本专利技术涉及人机交互
，尤其涉及一种基于语义的交互系统及交互方法。
技术介绍
人机交互技术(Human-Computer Interaction Techniques)是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。它包括机器通过输出或显示设备给人提供大量有关信息及提示请示等，人通过输入设备给机器输入有关信息及提示请示，回答问题等。语音识别技术是人机交互中的一种。现有的语音识别技术，往往存在以下问题：1.由于未采用结构化的规则对象，因此语音识别精度低，可靠性差；2.自然语言未经降维处理，在空间向量模型中，一个词就是一个维度，文本分类、聚类的挖掘计算中，高维度向量间相似度计算会消耗大量计算机资源造成维度灾难；3.无法实现对用户的自然语言进行地域化、方言及说话习惯的匹配分析；4.在使用过程中，无法通过自主学习来丰富和完善词库。
技术实现思路
本专利技术的目的之一是提供一种基于语义的交互系统，以提高系统语音识别精度和可靠性，同时实现系统词库的修复与更新功能。本方案中的基于语义的交互系统，包括规则引擎模块，用于将自然语言的语义规则定义为计算机可识别的规则对象，并将所述规则对象存储在规则映射库中。智能分析模块，用于深层次的语言理解与推理，基于大数据分析和处理用户语言习惯及其关联关系，分析后与规则对象进行匹配，并实现自我修复与自我更新过程。智能芯片化模块，用于消息组包、编码、解码、分发、接收、线性预测处理过程，实现语音压缩解压处理，并向用户提供个性化接口调用；规则映射库，用于存储计算机可识别的规则对象。本专利技术的有益效果如下：1.设置了规则引擎模块，通过规则引擎模块将自然语言的语义规则定义为计算机可识别的规则对象，由于采用了计算机可识别的结构化的规则对象，因此可提高语音识别的精度和可靠性。2. 将所述规则对象存储在规则映射库中，可在用户使用过程中提取有效信息并加入词库，进而为系统通过自主学习丰富和完善词库提供可能。3.本专利技术所述的深层次的语言理解与推理，是指声音情绪识别，例如，同样一句话，不用的语气，可能匹配的结果会有差别；声音特征识别，例如声音比较尖，那么系统可推断该用户可能是女性。本专利技术所述的用户语言习惯及其关联关系，即分析地域化、方言及用户的说话习惯。不同的区域有不同的方言习惯，不同的车主也有不同的说话习惯，例如，A用户说出“我饿了”，可能系统第一次交互的时候并不能识别，系统询问A用户说的是不是“美食”之类的，此时A用户改说“美食”，系统识别出，下一次A用户表示“饿了”的时候就可直接说“美食”，那么系统就可以知道A用户表达的是“饿了”。通过智能分析模块，可分析地域化、方言、用户习惯，实现规则对象与系统大数据（包括地域化的、方言以及用户习惯用语）的匹配，扩大了自然语言的分析范围，适用性更广，并可同时实现系统词库的修复和更新。本专利技术所说的系统词库的修复和更新，是指通过用户的不断输入来判断词汇的准确和有效性。例如，用户第一次使用关键字A没有找到相关的内容，那么系统会自动将该关键字A添加至词库中；如果用户换了关键字B去搜索，那么可以判定该关键字A与关键字B可能存在关联关系，于是可以把这种关系暂时更新至词库中，待以后还有同样的用户说出此关键字时，可确定该关键字是有效的。4.通过智能芯片化模块，用于消息组包、编码、解码、分发、接收、线性预测处理过程，实现语音压缩解压功能，其在保证通信安全的同时，缩短人机交互的响应速度，并向用户提供个性化接口调用实现用户对所需要的信息的调用功能。本专利技术所说的线性预测处理过程为现有技术，预测是根据离散信号之间存在的一定关联性的特点，利用前面一个或多个信号预测下一个信号，然后对实际值和预测值得差（预测误差）进行编码。如果预测较准确，则误差很小。在同等精度要求的条件下，就可用较少的比特进行编码，达到压缩数据的目的。进一步，还包括数据模型定义模块，所述数据模型定义模块定义N种不同的格式，用于将输入的自然语言数据转换成系统可认知的格式。定义N种不同的格式的意义在于基本满足所有的数据交换。进一步，所述规则引擎模块包括分词模块、去冗模块、定标模块、定类模块和定参模块。 通过上述模块，可分别对自然语言进行分词处理、去冗处理、定标处理、定类处理和定参处理，这样经过分词和去冗后，高维表示投影在低维的潜在语义空间中，缩小了问题的规模，在降低特征空间维度的同时，能够挖掘词语间的语义信息，提高降维后特征集合的质量，提升文本表示质量。进一步，所述的智能分析模块包括回收模块、唯一匹配模块和优先匹配模块。所述的回收模块用于回收无意义的语音，所述的唯一匹配模块用于与规则对象进行唯一的匹配；所述的优先匹配模块用于将系统中与规则对象相似的信息优先与规则对象进行匹配。本专利技术的另一目的是提供一种基于语义的交互方法，包括以下步骤：1）将自然语言的语义规则定义为计算机可识别的规则对象，并将所述规则对象存储在规则映射库中；2）对深层次的语言理解与推理，基于大数据分析和处理用户语言习惯及其关联关系，分析后与规则对象进行匹配，并同时进行情感识别；3）用于消息组包、编码、解码、分发、接收、线性预测处理过程，并实现语音压缩解压功能，其在保证通信安全的同时，缩短人机交互的响应速度，并向用户提供个性化接口调用。通过上述交互方法，由于将自然语言的语义规则定义为计算机可识别的规则对象，因此可提高语音识别的精度和可靠性。将所述规则对象存储在规则映射库中，可在用户使用过程中提取有效信息并加入词库，进而为系统通过自主学习丰富和完善词库提供可能。通过步骤2），可实现系统信息数据与规则对象的精准匹配，并可同时实现对用于语音的情感识别，如识别是陈述、反问、疑问、与事实相反还是肯定语气，从而实现在不同的场合与语境下输出不同的信息数据。进一步，在步骤1）之前，还包括定义N种不同的格式，将输入的自然语言数据转换成系统可认知的格式，以基本满足所有的数据交换。进一步，步骤1）中，将自然语言的语义规则定义为计算机可识别的规则对象的方式是：分别对自然语言进行分词处理、去冗处理、定标处理、定类处理和定参处理。经过分词和去冗后，高维表示投影在低维的潜在语义空间中，缩小了问题的规模，在降低特征空间维度的同时，能够挖掘词语间的语义信息，提高降维后特征集合的质量，提升文本表示质量。进一步，所述的匹配包括：若识别出用户说的自然语言是无意义的，则对该自然语言数据进行回收，若识别出用户说的自然语言是有唯一匹配信息的，则给出该唯一匹配信息；若识别出用户说的自然语言是有相似匹配信息的，则优先给出该相似匹配信息。上述匹配过程，若识别出用户说的自然语言是有相似匹配信息的，则优先给出该相似匹配信息，这种模糊匹配的方式，有助于提高语音识别的匹配效率。进一步，在步骤2）中，还包括通过自主学习提取规则库中新增的规则对象，以完善词库的步骤。可实现系统词库的自主更新。进一步，所述的规则对象采用结构化参数模型，所述的结构化参数模型包括意图、区域、信息点、类别和规划方式，参数可任意组合。采用结构化参数模型，参数可任意组合，即可以任意颠倒说话次序、加长、缩短参数结构，可以避免大量空聚类和增加稳定性，即使用户颠倒说话，系统仍然可以读懂，所以不会返回很多空聚类，不会让用户觉得系统不好用，说什本文档来自技高网...

【技术保护点】
基于语义的交互系统，其特征在于，包括：规则引擎模块，用于将自然语言的语义规则定义为计算机可识别的规则对象，并将所述规则对象存储在规则映射库中；智能分析模块，用于深层次的语言理解与推理，基于大数据分析和处理用户语言习惯及其关联关系，分析后与规则对象进行匹配，并实现自我修复与自我更新过程；智能芯片化模块，用于消息组包、编码、解码、分发、接收、线性预测处理过程，实现语音压缩解压处理，并向用户提供个性化接口调用；规则映射库，用于存储计算机可识别的规则对象。

【技术特征摘要】
1.基于语义的交互系统，其特征在于，包括：规则引擎模块，用于将自然语言的语义规则定义为计算机可识别的规则对象，并将所述规则对象存储在规则映射库中；智能分析模块，用于深层次的语言理解与推理，基于大数据分析和处理用户语言习惯及其关联关系，分析后与规则对象进行匹配，并实现自我修复与自我更新过程；智能芯片化模块，用于消息组包、编码、解码、分发、接收、线性预测处理过程，实现语音压缩解压处理，并向用户提供个性化接口调用；规则映射库，用于存储计算机可识别的规则对象。2.根据权利要求1所述的基于语义的交互系统，其特征在于：还包括数据模型定义模块，所述数据模型定义模块定义N种不同的格式，用于将输入的自然语言数据转换成系统可认知的格式。3.根据权利要求1所述的基于语义的交互系统，其特征在于：所述规则引擎模块包括分词模块、去冗模块、定标模块、定类模块和定参模块。4.根据权利要求1所述的基于语义的交互系统，其特征在于：所述的智能分析模块包括回收模块、唯一匹配模块和优先匹配模块。5.基于语义的交互方法，其特征在于：包括以下步骤：1）将自然语言的语义规则定义为计算机可识别的规则对象，并将所述规则对象存储在规则映射库中；2）对深层次的语言理解与推理，基于大数据分析和处理用户语言习惯及其关联...

【专利技术属性】
技术研发人员：曾卓，
申请(专利权)人：广州亿程交通信息有限公司，
类型：发明
国别省市：广东;44