本申请公开一种语义转换方法、装置、设备、存储介质及计算机程序，属于音频处理领域。所述方法包括：基于目标语义数据确定目标语义数据的来源标识，基于目标语义数据的来源标识，将目标语义数据转换为标准格式的对话管理DM指令，将该DM指令发送给业务侧，业务侧用于按照该DM指令实现相应的业务。由于业务侧接收到的指令是标准格式的DM指令，并不是各个语音引擎生成的语义数据，所以业务侧可以直接通过该DM指令调用相应的业务能力执行相关操作。即通过标准格式的DM指令融合各个语音引擎生成的不同格式的语义数据，使得业务侧只需要对接一种格式的DM指令。在各个语音引擎进行升级或者调整语音处理协议时，业务侧无需进行相应的调整。整。整。
【技术实现步骤摘要】
语义转换方法、装置、设备、存储介质及计算机程序
[0001]本申请涉及音频处理领域，特别涉及一种语义转换方法、装置、设备、存储介质及计算机程序。
技术介绍
[0002]随着人工智能时代的到来，用户可以通过语音引擎与业务侧进行语音交互。即，语音引擎识别用户的语音指令，基于用户的语音指令生成文字信息，并将文字信息转换为语义数据，也称为NLU(Natural Language Understanding，自然语言理解)数据。然后，语音引擎将该语义数据发送给业务侧，业务侧对接收到的语义数据进行解析，从而实现相应的业务。
[0003]然而，不同的语音引擎对应不同的语音处理协议，所以各个语音引擎生成的语义数据的格式也各不相同。这样，在业务侧接入多个语音引擎的情况下，业务侧需要分别解析各个语音引擎发送的语义数据。随着业务侧接入的语音引擎的数量逐渐增多，业务侧解析语义数据的灵活性逐渐降低。而且，在该多个语音引擎中的任一语音引擎进行升级，或者调整语音处理协议时，业务侧也需要进行相应的调整。
技术实现思路
[0004]本申请提供了一种语义转换方法、装置、设备、存储介质及计算机程序，可以提高业务侧执行业务的效率。所述技术方案如下：
[0005]一方面，提供了一种语义转换方法，所述方法包括：
[0006]基于目标语义数据确定所述目标语义数据的来源标识，所述目标语义数据是指基于用户输入的语音指令生成的语义数据，所述目标语义数据的来源标识指示生成所述目标语义数据的目标语音引擎；
[0007]基于所述目标语义数据的来源标识，将所述目标语义数据转换为标准格式的对话管理DM指令；
[0008]将所述DM指令发送给业务侧，所述业务侧用于按照所述DM指令实现相应的业务。
[0009]可选地，所述基于目标语义数据确定所述目标语义数据的来源标识，包括：
[0010]将所述目标语义数据输入至语义特征判别模型，以得到所述语义特征判别模型输出的来源标识。
[0011]可选地，所述基于所述目标语义数据的来源标识，将所述目标语义数据转换为标准格式的对话管理DM指令，包括：
[0012]基于所述目标语义数据的来源标识，确定目标语义转换模型；
[0013]将所述目标语义数据输入至所述目标语义转换模型，以得到所述目标语义转换模型输出的DM指令。
[0014]可选地，所述基于所述目标语义数据的来源标识，确定目标语义转换模型之前，所述方法还包括：
[0015]获取第一训练样本集，所述第一训练样本集包括多条样本语义数据，所述多条样本语义数据均来源于所述目标语音引擎；
[0016]基于所述多条样本语义数据，确定与所述多条样本语义数据一一对应的多组实体关系对，一组实体关系对表征对应的一条样本语义数据中多个实体关键词的关联关系；
[0017]获取所述多组实体关系对分别对应的样本DM指令；
[0018]基于所述多组实体关系对和所述多组实体关系对分别对应的样本DM指令，对待训练的语义转换模型进行训练，以得到所述目标语义转换模型。
[0019]可选地，所述基于所述多条样本语义数据，确定与所述多条样本语义数据一一对应的多组实体关系对，包括：
[0020]从所述多条样本语义数据中选择一条样本语义数据作为第一样本语义数据，按照如下操作确定所述第一样本语义数据对应的实体关系对，直至确定出每条样本语义数据对应的实体关系对为止：
[0021]从所述第一样本语义数据中提取实体关键词，以得到多个实体关键词；
[0022]将所述多个实体关键词进行组合，以得到所述第一样本语义数据对应的一组实体关系对。
[0023]可选地，所述将所述目标语义数据输入至语义特征判别模型之前，所述方法还包括：
[0024]获取第二训练样本集，所述第二训练样本集包括多条样本语义数据，所述多条样本语义数据来源于不同的语音引擎；
[0025]分别从所述多条样本语义数据中提取语义特征，以得到多个语义特征；
[0026]获取所述多个语义特征分别对应的样本来源标识；
[0027]基于所述多个语义特征，以及所述多个语义特征分别对应的样本来源标识，对待训练的语义特征判别模型进行训练，以得到所述语义特征判别模型。
[0028]另一方面，提供了一种语义转换装置，所述装置包括：
[0029]第一确定模块，用于基于目标语义数据确定所述目标语义数据的来源标识，所述目标语义数据是指基于用户输入的语音指令生成的语义数据，所述目标语义数据的来源标识指示生成所述目标语义数据的目标语音引擎；
[0030]转换模块，用于基于所述目标语义数据的来源标识，将所述目标语义数据转换为标准格式的对话管理DM指令；
[0031]发送模块，用于将所述DM指令发送给业务侧，所述业务侧用于按照所述DM指令实现相应的业务。
[0032]可选地，所述第一确定模块具体用于：
[0033]将所述目标语义数据输入至语义特征判别模型，以得到所述语义特征判别模型输出的来源标识。
[0034]可选地，所述转换模块具体用于：
[0035]基于所述目标语义数据的来源标识，确定目标语义转换模型；
[0036]将所述目标语义数据输入至所述目标语义转换模型，以得到所述目标语义转换模型输出的DM指令。
[0037]可选地，所述装置还包括：
[0038]第一获取模块，用于获取第一训练样本集，所述第一训练样本集包括多条样本语义数据，所述多条样本语义数据均来源于所述目标语音引擎；
[0039]第二确定模块，用于基于所述多条样本语义数据，确定与所述多条样本语义数据一一对应的多组实体关系对，一组实体关系对表征对应的一条样本语义数据中多个实体关键词的关联关系；
[0040]第二获取模块，用于获取所述多组实体关系对分别对应的样本DM指令；
[0041]第一训练模块，用于基于所述多组实体关系对和所述多组实体关系对分别对应的样本DM指令，对待训练的语义转换模型进行训练，以得到所述目标语义转换模型。
[0042]可选地，所述第二确定模块具体用于：
[0043]从所述多条样本语义数据中选择一条样本语义数据作为第一样本语义数据，按照如下操作确定所述第一样本语义数据对应的实体关系对，直至确定出每条样本语义数据对应的实体关系对为止：
[0044]从所述第一样本语义数据中提取实体关键词，以得到多个实体关键词；
[0045]将所述多个实体关键词进行组合，以得到所述第一样本语义数据对应的一组实体关系对。
[0046]可选地，所述装置还包括：
[0047]第三获取模块，用于获取第二训练样本集，所述第二训练样本集包括多条样本语义数据，所述多条样本语义数据来源于不同的语音引擎；
[0048]提取模块，用于分别从所述多条样本语义数据中提取语义特征，以得到多个语义特征；
[0049]第四获取模块，用于获取所述多个本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语义转换方法，其特征在于，所述方法包括：基于目标语义数据确定所述目标语义数据的来源标识，所述目标语义数据是指基于用户输入的语音指令生成的语义数据，所述目标语义数据的来源标识指示生成所述目标语义数据的目标语音引擎；基于所述目标语义数据的来源标识，将所述目标语义数据转换为标准格式的对话管理DM指令；将所述DM指令发送给业务侧，所述业务侧用于按照所述DM指令实现相应的业务。2.如权利要求1所述的方法，其特征在于，所述基于目标语义数据确定所述目标语义数据的来源标识，包括：将所述目标语义数据输入至语义特征判别模型，以得到所述语义特征判别模型输出的来源标识。3.如权利要求1所述的方法，其特征在于，所述基于所述目标语义数据的来源标识，将所述目标语义数据转换为标准格式的对话管理DM指令，包括：基于所述目标语义数据的来源标识，确定目标语义转换模型；将所述目标语义数据输入至所述目标语义转换模型，以得到所述目标语义转换模型输出的DM指令。4.如权利要求3所述的方法，其特征在于，所述基于所述目标语义数据的来源标识，确定目标语义转换模型之前，所述方法还包括：获取第一训练样本集，所述第一训练样本集包括多条样本语义数据，所述多条样本语义数据均来源于所述目标语音引擎；基于所述多条样本语义数据，确定与所述多条样本语义数据一一对应的多组实体关系对，一组实体关系对表征对应的一条样本语义数据中多个实体关键词的关联关系；获取所述多组实体关系对分别对应的样本DM指令；基于所述多组实体关系对和所述多组实体关系对分别对应的样本DM指令，对待训练的语义转换模型进行训练，以得到所述目标语义转换模型。5.如权利要求4所述的方法，其特征在于，所述基于所述多条样本语义数据，确定与所述多条样本语义数据一一对应的多组实体关系对，包括：从所述多条样本语义数据中选择一条样本语义数据作为第一样本语义数据，按照如下操作确定所述第一样本语义数据对应的实体关系对，直至确...
【专利技术属性】
技术研发人员：张离阳，
申请(专利权)人：北京梧桐车联科技有限责任公司，
类型：发明
国别省市：
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。