基于常识理解的智能语音处理方法及物联网系统与流程

1.本发明涉及智能信息技术领域，特别涉及基于常识理解的智能语音处理方法及物联网系统。


背景技术：

2.随着大数据、云计算、互联网、物联网等信息技术的发展，智能语音技术作为人工智能产业链上关键一环，日益在智能家居、可穿戴设备、机器人等物联网产业中起着承接的作用。
3.目前，智能语音产业保持着较高速度快速发展，市面上实现智能语音的技术种类繁多，主流的智能语音技术主要为依靠大数据的积累、算法积累、工程积累实现语音交互的准确率和性能的提升，资源开发和积累成本较高，虽有一定的准确识别率，但由于中华文化博大精深、语言内涵丰富、包含的信息量多，通过简单的大数据处理信息和学习模型，很难让机器完全理解中文逻辑和常识，高质量准确识别语音意图。人类对语言的理解认知是多维度的，不仅包括语音的感知理解和语义的认知理解，还包括常识理解和声纹场景辨识等。因此，要让机器实现更优化的人工智能和万物智能互联，就需要让机器不仅具有识别人类语音语义的能力，还需具有根据语音语义进行常识理解和声纹辨识的仿人脑处理问题能力。


技术实现要素：

4.本发明的目的是解决背景技术中提到的问题，提供基于常识理解的智能语音处理方法及物联网系统。为解决上述技术问题，本发明提供的技术方案为：。
5.基于常识理解的智能语音处理方法，包括：
6.目标语音识别步骤，采集声音、过滤噪音并识别目标语音；
7.目标语音处理步骤，将识别到的所述目标语音处理转换成编译码；
8.常识语义理解步骤，解构所述编译码，匹配预设常识库分类，获得常识推理和语义理解结果和第一置信度阈值；
9.声纹场景识别步骤，利用所述目标语音匹配预设数据库辨识得到语音对象和场景行为识别结果和第二置信度阈值；
10.深度学习校准步骤，判断分析所述第一置信度阈值和所述第二置信度阈值，若低于预设置信度阈值，则调取相应预设校准题库，并与语音对象进行语音互动问答，重复以上所述步骤进行语音处理，直至达标所述预设置信度阈值，在达标后将所述编译码、所述常识推理和语义理解结果或/和所述语音对象和场景行为识别结果分别存储至累积调用数据库。
11.进一步地，所述常识语义理解步骤还包括：语法分析步骤，对所述编译码进行拆解或组合逻辑分析，获得词语及句型语法类型。
12.进一步地，所述声纹场景识别步骤还包括：所述预设数据库含有语音数据及编译
码数据，所述目标语音可通过声学模型比对匹配所述预设数据库，也可通过目标语音转换成所述编译码与所述预设数据库进行匹配。
13.进一步地，所述深度学习校准步骤还包括：可将所述第一置信度阈值与所述第二置信度阈值做比较，以判断所述常识推理和语义理解结果可信度。
14.进一步地，所述方法还包括：所述编译码可为仓颉编码或概念编码。
15.进一步地，所述方法还包括：所述预设常识库、所述预设数据库或/和预设校准题库可为所述累积调用数据库。
16.基于常识理解的智能语音处理的物联网系统，其特征在于，所述物联网系统包括：
17.云端服务器，与智能网关相连，用于下发所述智能网关配置信息、接收所述智能网关上报的物联网设备数据；
18.至少一个所述智能网关，用于由对所述物联网设备上报的数据进行处理及上报所述云端服务器；
19.至少一个所述物联网设备，接入所述智能网关，用于发送或接收响应所述云端服务器的控制指令，执行所述响应操作。
20.进一步地，所述云端服务器包括：
21.目标语音识别模块，用于采集声音、过滤噪音并识别目标语音；
22.目标语音处理模块，用于将识别到的所述目标语音处理转换成编译码；
23.常识语义理解模块，用于处理所述编译码的常识推理和语义理解；
24.声纹场景识别模块，用于辨识所述目标语音的语音对象和场景行为；
25.深度学习校准模块，用于校准所述目标语音的理解识别结果及累积存储结果；
26.调用衔接接口模块，用于提供所述物联网设备调用的api接口。
27.进一步地，还包括：
28.至少一个所述智能安全控制设备，分别与所述云端服务器、所述智能网关相连，用于监控所述物联网设备运行状态，保障所述物联网设备运行的安全；。
29.进一步地，还包括：所述api接口，用于和所述物联网设备进行通信，所述物联网设备通过所述api接口单元实现基于常识理解的智能语音识别、控制、交互处理。
30.上述技术方案的有益效果为：本发明提供了基于常识理解的智能语音处理方法及物联网系统，通过将语音转换成编译码，对语音编译码进行归类、串联、匹配，实现仿人脑的常识推理和语义理解能力，结合语音声纹场景识别，进一步提高了语音识别的准确度，更创新利用阈值进行语音处理的校准和深度学习，本发明显著提高了智能语音处理能力，还提供了一套智慧物联网语音控制智能化解决方案。
附图说明
31.图1是本发明具体实施方式中基于常识理解的智能语音处理方法实施示意图；
32.图2是本发明具体实施方式中基于常识理解的智能语音处理物联网系统实施示意图；
33.图3是本发明具体实施方式中基于常识理解的智能语音处理物联网系统中云端服务器实施示意图。
具体实施方式
34.下面详细描述本技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的组件或具有相同或类似功能的组件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能解释为对本发明的限制。
35.如图1至3所示，基于常识理解的智能语音处理方法，包括：目标语音识别步骤，采集声音、过滤噪音并识别目标语音。目标语音处理步骤，可预先准备好语音总数据库，将识别到的所述目标语音经过所述语音总数据库过滤，将所述目标语音处理转换成文字，再对所述文字进行转换成编译码，所述编译码可为仓颉编码或概念编码，所述概念编码根据使用实际运用环境需要可自定义概念及分类，例如：定义文字的性质分为静态的或动态的、客观的或主观的，定义文字的现象是抽象的或具体的、认识的还是行为的，还可对文字的认知和类别进行分类，对文字进行概念编码分类后，有利于机器对文字概念的识别和理解。常识语义理解步骤，文字被转换成所述编译码后，文字就成了可被解构的所述编译码，以“行”字为例，是一个多义字，可以是“银行”、“行李”等，假设该字被转换成所述编译码后，可归属为01.情状；02.时间；03.感源；04.迹象；05.社会；06.事务；07.道德；08.艺术；09.意觉；0a.知价；0b.心理；0c.体动；0d.意志；0e.处事；0f.交易等概念分类，再通过二字合成词组进行判断，若在同组内，优先取该类，如“品行”、“执行”、“行走”等，则将前后字的所述编译码归为同一组中；还可用前字或后字之特性区分者，如“三行”，首字为数字类；“很行”首字为程度副词类；“行吗”末字为疑问助词类等；总词组库直接定义其为第n个字者，如“义行”的“行”则指定为第几个。仓颉内码的作用(与一般汉字内码系统比较)有：a.排序：仓颉字母相应于英文字母a～z，因此排序极为方便，使资料的录入、储存和取用能有序化。此点极为重要，因人智慧的高低，实不在资料量的多寡，而在大脑中资料索引的灵活度。任何理解系统，若面对一堆无机无序的内码，就只能一笔笔的硬比，速度与效率上不免大打折扣；b.意义：仓颉码本身即具意义，例如字首(相当于“部首”)“日”、“贝”、“言”、“鸟”、“卄”等，即分别具备了“光时”、“钱财”、“语言”、“鸟类”和“植物”等基本讯息。再进行匹配预设常识库分类，所述预设常识库预设有基本概念库：如总词组库、总成语库、人物库、名人库等，存放基本概念和人名；应用概念库：如结构部位库、体用因果库，是概念的更深一层定义和相关概念间的连结。常用句式库为回应用的语言生成库。场景行为库是以场景为主的人、事、物、地关联库，即一般说的“script”，不同处在前者资料系结构化；个人资料库：如个人备忘、个人关系、个人对象、个人印象等，储存使用者相关讯息(在其允许下)。这相当于大脑中所储存的人物资料及所生成的相应索引和网路。其资料量愈大、索引愈繁、网路愈密者，则情感(或怨怼)益深；总知识库：如总地名库、总人物库、总诗词库、历代官制等等。接着获得常识推理和语义理解结果和第一置信度阈值；所述常识语义理解步骤还包括：语法分析步骤，对所述编译码进行拆解或组合逻辑分析，通过语法分析获得词语及句型，如主语 谓语、主语 谓语 宾语、或主语 谓语 主语补语等，及其为叙述、命令、否定、疑问、感叹等句式；一般理解系统以所述编译码为处理对象，在剖析时颇有挫折感，因为以文字来理解文字是行不通的。如上述“行”字，至少有十五个意思，还没算上它也是个姓，没有所述编译码的编译，很难让机器读懂它的真实意思，句子分析完毕、参数取全、相关资料库启动后，则进入概念处理和语言生成模组，或比对、读取、写入、转换资料；或准备执行功能，系统再以语言文字或表情、肢语、动作等回应。第一置信度阈值的取得：通过比对读取所述预设数据库的预设数据和预设信度阈值获
得，如查询一所述编译码在所述预设数据库中有无资料，有值则表示有该功能或部位，并计算出所述第一置信度阈值。声纹场景识别步骤，利用所述目标语音匹配预设数据库辨识得到语音对象和场景行为识别结果和第二置信度阈值；所述预设数据库含有语音数据及编译码数据，所述目标语音可通过声学模型比对匹配所述预设数据库，也可通过目标语音转换成所述编译码与所述预设数据库进行匹配，所述第二置信度阈值的取得：通过比对读取所述预设数据库的预设数据和预设信度阈值获得，如查询一所述编译码在所述预设数据库中有无资料，有值则表示有该资料，并计算出所述第二置信度阈值。深度学习校准步骤，判断分析所述第一置信度阈值和所述第二置信度阈值，若低于所述预设数据库中预设置信度阈值，则调取相应预设校准题库，并与语音对象进行语音互动问答，重复以上所述步骤进行语音处理，直至达标所述预设置信度阈值，在达标后将所述编译码、所述常识推理和语义理解结果或/和所述语音对象和场景行为识别结果分别存储至累积调用数据库，还可将所述第一置信度阈值与所述第二置信度阈值做比较，以判断所述常识推理和语义理解结果可信度。所述预设常识库、所述预设数据库或/和预设校准题库可为所述累积调用数据库。最后，根据回应内容，设定表情、肢语及动作参数，输出给图形系统。
36.基于常识理解的智能语音处理的物联网系统，所述物联网系统包括：
37.云端服务器，所述云端服务器为使用本发明基于常识理解的智能语音处理方法的设备，与智能网关相连，用于下发所述智能网关配置信息、接收所述智能网关上报的物联网设备数据；至少一个所述智能网关，用于由对所述物联网设备上报的数据进行处理及上报所述云端服务器；至少一个所述物联网设备，接入所述智能网关，用于发送或接收响应所述云端服务器的控制指令，执行所述响应操作；至少一个所述智能安全控制设备，分别与所述云端服务器、所述智能网关相连，用于监控所述物联网设备运行状态，保障所述物联网设备运行的安全；。
38.所述云端服务器包括：目标语音识别模块，用于采集声音、过滤噪音并识别目标语音；目标语音处理模块，用于将识别到的所述目标语音处理转换成编译码；常识语义理解模块，用于处理所述编译码的常识推理和语义理解；声纹场景识别模块，用于辨识所述目标语音的语音对象和场景行为；深度学习校准模块，用于校准所述目标语音的理解识别结果及累积存储结果；调用衔接接口模块，用于提供所述物联网设备调用的api接口，所述api接口，用于和所述物联网设备进行通信，所述物联网设备通过所述api接口单元实现基于常识理解的智能语音识别、控制、交互处理。所述物联网设备不限于包括计算机、智能移动设备、智能交互设备或可穿戴设备。
39.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本技术旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
40.应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。