语音交互方法、系统、电子设备及存储介质与流程

技术特征：
1.一种语音交互方法，其特征在于，包括：获取语音信号经自动语音识别asr处理后得到的文本信息，其中，所述语音信号为从环境中获取的声音信号；对所述文本信息进行特征提取，得到所述文本信息的特征向量；将所述特征向量输入训练好的无意义文本识别模型，根据所述无意义文本识别模型的输出结果判断所述文本信息是否为无意义文本，其中，所述无意义文本为不符合常规表达方式的文本；若所述文本信息不是所述无意义文本，在利用训练好的应答判断模型检测到需要对所述文本信息进应答后，对所述文本信息进行应答。2.根据权利要求1中所述的语音交互方法，其特征在于，所述将所述特征向量输入训练好的无意义文本识别模型之前，所述方法还包括：构造同时包含所述无意义文本和有意义文本的初始训练集；对所述初始训练集中包含的所述无意义文本和所述有意义文本进行特征提取，将得到的所述特征向量作为识别训练集；利用所述识别训练集对所述无意义文本识别模型进行训练，得到训练好的所述无意义文本识别模型。3.根据权利要求2所述的语音交互方法，其特征在于，所述进行特征提取，包括：利用自然语言理解nlu模型中的lstm模型、unigram模型和bert模型从多个维度分别进行特征提取；所述进行特征提取之前，所述方法还包括：构造同时包含所述无意义文本和有意义文本的bert训练集；利用所述bert训练集对所述bert模型进行训练；利用开源数据集对所述unigram模型和所述lstm模型进行训练。4.根据权利要求3所述的语音交互方法，其特征在于，所述初始训练集和所述bert训练集中的所述无意义文本的获取方式，包括：从语料库中获取不符合常规表达方式的文本和符合常规表达方式的文本；对所述符合常规表达方式的文本随机进行调整操作，所述调整操作包括以下操作中的一种或组合：乱序处理、切割处理和拼接处理；将调整后的所述符合常规表达方式的文本和所述不符合常规表达方式的文本，作为所述初始训练集和所述bert训练集中的所述无意义文本。5.根据权利要求3所述的语音交互方法，其特征在于，所述bert训练集和所述初始训练集的交集为空集。6.根据权利要求1
‑
5中任一项所述的语音交互方法，其特征在于，所述无意义文本识别模型为极致梯度提升xgboost模型。7.根据权利要求1所述的语音交互方法，其特征在于，所述应答判断模型为fasttext模型，所述在利用训练好的应答判断模型检测到需要对所述文本信息进应答后，对所述文本信息进行应答之前，所述方法还包括：利用预先构造的应答数据集对所述fasttext模型进行训练，得到训练好的所述fasttext模型，其中，所述应答数据集包括需要进行应答的文本和不需要进行应答的文本。
8.一种语音交互系统，其特征在于，包括：获取模块，用于获取语音信号经自动语音识别asr处理后得到的文本信息，其中，所述语音信号为从环境中获取的声音信号；特征提取模块，用于对所述文本信息进行特征提取，得到所述文本信息的特征向量；意义判断模块，用于将所述特征向量输入训练好的无意义文本识别模型，根据所述无意义文本识别模型的输出结果判断所述文本信息是否为无意义文本，其中，所述无意义文本为不符合常规表达方式的文本；应答模块，用于若所述文本信息不是所述无意义文本，在利用训练好的应答判断模型检测到需要对所述文本信息进应答后，对所述文本信息进行应答。9.一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1
‑
7任一所述的语音交互方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的语音交互方法。

技术总结
本发明实施例涉及语音交互技术领域，公开了一种语音交互方法、系统、电子设备及存储介质，语音交互方法包括：获取语音信号经自动语音识别ASR处理后得到的文本信息，其中，语音信号为从环境中获取的声音信号；对文本信息进行特征提取，得到文本信息的特征向量；将特征向量输入训练好的无意义文本识别模型，根据无意义文本识别模型的输出结果判断文本信息是否为无意义文本，其中，无意义文本为不符合常规表达方式的文本；若文本信息不是无意义文本，在利用训练好的应答判断模型检测到需要对文本信息进应答后，对文本信息进行应答。使得在不需要提升ASR处理精度的情况下能够避免电子设备乱回答、不停回答的现象，提升嘈杂环境下的应答效果。的应答效果。的应答效果。


技术研发人员：李翠姣
受保护的技术使用者：达闼机器人有限公司
技术研发日：2021.06.24
技术公布日：2021/9/7