一种目标语言模型确定方法及装置制造方法及图纸

本申请公开了一种目标语言模型确定方法及装置，具体的，在用户发起语音识别请求时，利用多种应用场景下多种不同类型的先验信息，对多种应用场景中所对应的语言模型进行赋权，以获得所述多个不同语言模型分别对应的权重。将所述多个不同的语言模型的权重进行比较，获得至少两个权重最大的语言模型，并对其进行语言分计算，将语言分最高的语言模型确定为目标语言模型。通过此方法，在用户发起语音识别请求时，能够在不同的应用场景下，利用多类先验信息自动去选择正确的语言模型以获得准确的语音识别结果，使得不同场景下的语音识别结果更为准确，不再需要手动切换应用场景来使用不同的语言模型，保障了驾驶员的行车安全。保障了驾驶员的行车安全。保障了驾驶员的行车安全。

【技术实现步骤摘要】
一种目标语言模型确定方法及装置


[0001]本申请涉及语音识别
，特别是涉及一种目标语音模型选择方法及装置。

技术介绍

[0002]随着语音识别技术的发展，语音识别技术开始广泛应用于车载场景中。当前业界使用频率最高的语音识别技术方案基于声学模型和语言模型融合的体系进行构建。在面对不同的使用场景时，声学模型能够大致通用，而语言模型却不行。因为在大部分的场景中，虽然发音体系基本一致，但是相同发音对应的文本信息可能会因为场景的不同而不同。例如同样一个发音“qinhailu”在应用场景为通讯录时，会被识别为“秦海璐”，而在应用场景为导航时，便有可能会被识别为“秦海路”。一般情况下，能够通过手动切换场景的方式来使用不同的语言模型以解决此问题，但是此方式往往会带来更多的操作，在车载的场景下，过多的操作会带来安全隐患，对驾驶员的安全造成威胁。
[0003]因此，如何提升在不同的应用场景下语音识别的准确性，并自动完成目标语言模型的确定成为本领域人员急需解决的技术问题。

技术实现思路

[0004]基于上述问题，为了提升在不同应用场景下语音识别的准确性，并自动完成目标语言模型的确定。本申请提供了一种目标语言模型确定方法及装置。
[0005]本申请实施例公开了如下技术方案：
[0006]第一方面，本申请公开了一种目标语言模型确定方法，包括：
[0007]在用户发起语音识别请求时，获取多类先验信息，所述多类先验信息为在多种应用场景下不同类型的先验信息；
[0008]根据所述多类先验信息，对多个不同的语言模型进行赋权，以获得所述多个不同的语言模型分别对应的权重，所述多个不同的语言模型分别对应所述多种应用场景；
[0009]将所述多个不同的语言模型分别对应的权重进行权重比较，获得至少两个权重最大的语言模型；
[0010]计算所述至少两个权重最大的语言模型的语言分，根据所述语言分确定目标语言模型。
[0011]可选的，所述根据所述多类先验信息，对多个不同的语言模型进行赋权，以获得所述多个不同的语言模型分别对应的权重，包括：
[0012]获取所述多类先验信息的一级权重；
[0013]根据所述多类先验信息中的信息内容，获取所述多类先验信息在所述多种应用场景下的二级权重；
[0014]将所述多类先验信息的一级权重与所述多类先验信息在多种应用场景下的二级权重的乘积做累加运算，获得所述多个不同的语言模型分别对应的权重。
[0015]可选的，所述根据所述多类先验信息中的信息内容，获取所述多类先验信息在所
述多种应用场景下的二级权重，包括：
[0016]提取所述多类先验信息中信息内容的关键词；
[0017]根据所述多类先验信息中信息内容的关键词进行关键词建模，获取所述多类先验信息在所述多种应用场景下的二级权重。
[0018]可选的，所述计算所述至少两个权重最大的语言模型的语言分，根据所述语言分确定目标语言模型，包括：
[0019]利用所述至少两个权重最大的语言模型对所述语音识别请求进行解码，获得所述至少两个权重最大的语言模型的得分，所述得分表示所述至少两个权重最大的语言模型分别与所述语音识别请求的匹配程度；
[0020]将所述至少两个权重最大的语言模型的得分与各自的权重作乘积运算，得到所述语言分。
[0021]可选的，所述计算所述至少两个权重最大的语言模型的语言分之后，还包括：
[0022]根据所述语言分，结合声学得分，获得所述至少两个权重最大的语言模型的总得分；
[0023]将总得分最高的语言模型确定为目标语言模型。
[0024]第二方面，本申请公开了一种目标语言模型确定装置，包括：
[0025]获取模块，用于在用户发起语音识别请求时，获取多类先验信息，所述多类先验信息为在多种应用场景下不同类型的先验信息；
[0026]赋权模块，用于根据所述多类先验信息，对多个不同的语言模型进行赋权，以获得所述多个不同的语言模型分别对应的权重，所述多个不同的语言模型分别对应所述多种应用场景；
[0027]比较模块，用于将所述多个不同的语言模型分别对应的权重进行权重比较，获得至少两个权重最大的语言模型；
[0028]计算模块，用于计算所述至少两个权重最大的语言模型的语言分，根据所述语言分确定目标语言模型。
[0029]可选的，所述赋权模块，具体用于：
[0030]获取所述多类先验信息的一级权重；
[0031]根据所述多类先验信息中的信息内容，获取所述多类先验信息在所述多种应用场景下的二级权重；
[0032]将所述多类先验信息的一级权重与所述多类先验信息在多种应用场景下的二级权重的乘积做累加运算，获得所述多个不同的语言模型分别对应的权重。
[0033]可选的，所述赋权模块，具体用于
[0034]提取所述多类先验信息中信息内容的关键词；
[0035]根据所述多类先验信息中信息内容的关键词进行关键词建模，获取所述多类先验信息在所述多种应用场景下的二级权重。
[0036]可选的，所述计算模块，具体用于：
[0037]利用所述至少两个权重最大的语言模型对所述语音识别请求进行解码，获得所述至少两个权重最大的语言模型的得分，所述得分表示所述至少两个权重最大的语言模型分别与所述语音识别请求的匹配程度；
[0038]将所述至少两个权重最大的语言模型的得分与各自的权重作乘积运算，得到所述语言分。
[0039]可选的，所述计算模块，还用于：
[0040]根据所述语言分，结合声学得分，获得所述至少两个权重最大的语言模型的总得分；
[0041]将总得分最高的语言模型确定为目标语言模型。
[0042]相较于现有技术，本申请具有以下有益效果：
[0043]在用户发起语音识别请求时，利用多种应用场景下多种不同类型的先验信息，对多种应用场景中所对应的语言模型进行赋权，以获得所述多个不同语言模型分别对应的权重。将所述多个不同的语言模型的权重进行比较，获得至少两个权重最大的语言模型，并对其进行语言分计算，将语言分最高的语言模型确定为目标语言模型。通过此方法，在用户发起语音识别请求时，能够在不同的应用场景下，利用多类先验信息自动去选择正确的语言模型以获得准确的语音识别结果，使得不同场景下的语音识别结果更为准确，不再需要手动切换应用场景来使用不同的语言模型，保障了驾驶员的行车安全。
附图说明
[0044]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0045]图1为本申请实施例提供的一种目标语言模型确定方法的流程图；
[0046]图2为本申请实施例提供的一种目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标语言模型确定方法，其特征在于，包括：在用户发起语音识别请求时，获取多类先验信息，所述多类先验信息为在多种应用场景下不同类型的先验信息；根据所述多类先验信息，对多个不同的语言模型进行赋权，以获得所述多个不同的语言模型分别对应的权重，所述多个不同的语言模型分别对应所述多种应用场景；将所述多个不同的语言模型分别对应的权重进行权重比较，获得至少两个权重最大的语言模型；计算所述至少两个权重最大的语言模型的语言分，根据所述语言分确定目标语言模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述多类先验信息，对多个不同的语言模型进行赋权，以获得所述多个不同的语言模型分别对应的权重，包括：获取所述多类先验信息的一级权重；根据所述多类先验信息中的信息内容，获取所述多类先验信息在所述多种应用场景下的二级权重；将所述多类先验信息的一级权重与所述多类先验信息在多种应用场景下的二级权重的乘积做累加运算，获得所述多个不同的语言模型分别对应的权重。3.根据权利要求2所述的方法，其特征在于，所述根据所述多类先验信息中的信息内容，获取所述多类先验信息在所述多种应用场景下的二级权重，包括：提取所述多类先验信息中信息内容的关键词；根据所述多类先验信息中信息内容的关键词进行关键词建模，获取所述多类先验信息在所述多种应用场景下的二级权重。4.根据权利要求1所述的方法，其特征在于，所述计算所述至少两个权重最大的语言模型的语言分，根据所述语言分确定目标语言模型，包括：利用所述至少两个权重最大的语言模型对所述语音识别请求进行解码，获得所述至少两个权重最大的语言模型的得分，所述得分表示所述至少两个权重最大的语言模型分别与所述语音识别请求的匹配程度；将所述至少两个权重最大的语言模型的得分与各自的权重作乘积运算，得到所述语言分。5.根据权利要求1所述的方法，其特征在于，所述计算所述至少两个权重最大的语言模型的语言分之后，还包括：根据所述语言分，结合声学得分，...

【专利技术属性】
技术研发人员：刘迪源，张磊，张滔，吴国兵，朱成志，张海俊，凌震华，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：