语意辨识方法与语意辨识装置与流程

技术特征：
1.一种语意辨识方法，其特征在于，包括：产生语音信号的语谱图；通过将所述语谱图输入至神经网络模型而侦测所述语谱图的至少一关键词：判别所述至少一关键词其中每一者所属的语意类别；以及依据所述至少一关键词与所述至少一关键词的所述语意类别，决定所述语音信号的语意意图。2.根据权利要求1所述的语意辨识方法，其特征在于，产生所述语音信号的所述语谱图的步骤包括：使用快速傅立叶变换将所述语音信号转换为所述语谱图，其中所述语谱图包括所述语音信号的时间信息、频率信息与强度信息。3.根据权利要求1所述的语意辨识方法，其特征在于，产生所述语音信号的所述语谱图的步骤包括：使用快速傅立叶变换与梅尔滤波将所述语音信号转换为所述语谱图，其中所述语谱图包括所述语音信号的时间信息、频率信息与强度信息。4.根据权利要求1所述的语意辨识方法，其特征在于，通过将所述语谱图输入至所述神经网络模型而侦测所述语谱图中的所述至少一关键词的步骤包括：将所述语谱图输入至所述神经网络模型，以自所述语谱图中侦测对应至所述至少一关键词的至少一目标特征区块。5.根据权利要求1所述的语意辨识方法，其特征在于，所述神经网络模型包括卷积神经网络模型或应用注意力机制的神经网络模型。6.根据权利要求1所述的语意辨识方法，其特征在于，依据所述至少一关键词与所述至少一关键词的所述语意类别，决定所述语音信号的所述语意意图的步骤包括：依据所述至少一关键词的所述语意类别，将所述至少一关键词填入语意框架的至少一语意槽；以及反应于所述至少一语意槽皆填满，依据填入所述至少一语意槽中的所述至少一关键词决定所述语意意图。7.根据权利要求6所述的语意辨识方法，其特征在于，依据所述至少一关键词的所述语意类别，将所述至少一关键词填入所述语意框架的所述至少一语意槽的步骤包括：当所述至少一关键词中的第一关键词的所述语意类别相同于所述至少一关键词中的第二关键词的所述语意类别，选择将具有第一分类机率的所述第一关键词填入所述语意框架的所述至少一语意槽，其中所述第一关键词的所述第一分类机率与所述第二关键词的第二分类机率由所述神经网络模型产生，且所述第一分类机率大于所述第二分类机率。8.一种语意辨识装置，其特征在于，包括：存储装置；以及处理电路，耦接所述存储装置，经配置以执行所述存储装置中的指令以：产生语音信号的语谱图；通过将所述语谱图输入至神经网络模型而侦测所述语谱图中的至少一关键词：判别所述至少一关键词其中每一者所属的语意类别；以及依据所述至少一关键词与所述至少一关键词的所述语意类别，决定所述语音信号的语
意意图。9.根据权利要求8所述的语意辨识装置，其特征在于，所处处理电路经配置以：使用快速傅立叶变换将所述语音信号转换为所述语谱图，其中所述语谱图包括所述语音信号的时间信息、频率信息与强度信息。10.根据权利要求8所述的语意辨识装置，其特征在于，所处处理电路经配置以：使用快速傅立叶变换与梅尔滤波将所述语音信号转换为所述语谱图，其中所述语谱图包括所述语音信号的时间信息、频率信息与强度信息。11.根据权利要求8所述的语意辨识装置，其特征在于，所处处理电路经配置以：将所述语谱图输入至所述神经网络模型，以自所述语谱图中侦测所述至少一关键词对应的至少一目标特征区块。12.根据权利要求8所述的语意辨识装置，其特征在于，所述神经网络模型包括卷积神经网络模型或应用注意力机制的神经网络模型。13.根据权利要求8所述的语意辨识装置，其特征在于，所处处理电路经配置以：依据所述至少一关键词的所述语意类别，将所述至少一关键词填入语意框架的至少一语意槽；以及反应于所述至少一语意槽皆填满，依据填入所述至少一语意槽中的至少一关键词决定所述语意意图。14.根据权利要求13所述的语意辨识装置，其特征在于，所处处理电路经配置以：当所述至少一关键词中的第一关键词的所述语意类别相同于所述至少一关键词中的第二关键词的所述语意类别，选择将具有第一分类机率的所述第一关键词填入所述语意框架的所述至少一语意槽，其中所述第一关键词的所述第一分类机率与所述第二关键词的第二分类机率由所述神经网络模型产生，且所述第一分类机率大于所述第二分类机率。

技术总结
本发明提出一种语意辨识方法与语意辨识装置。产生一语音信号的语谱图。通过将语谱图输入至一神经网络模型而侦测语谱图的至少一关键词。判别至少一关键词其中每一者所属的语意类别。依据至少一关键词与至少一关键词的语意类别，决定语音信号的语意意图。决定语音信号的语意意图。决定语音信号的语意意图。


技术研发人员：潘柔允 陈亘志
受保护的技术使用者：扬智科技股份有限公司
技术研发日：2020.04.29
技术公布日：2021/11/16