基于智能家居語音識別多樣化結(jié)果的意圖分類方法

余波 張立為

1.上海市物聯(lián)網(wǎng)行業(yè)協(xié)會；2.上海城建職業(yè)學(xué)院

隨著人工智能浪潮的興起，智能家居逐漸走入千家萬戶，這其中語音識別發(fā)揮了極大作用。在實(shí)際應(yīng)用中，語音識別的結(jié)果有著眾多不確定性，如外界環(huán)境、發(fā)音方式、方言習(xí)慣、語音質(zhì)量等都對語音識別的準(zhǔn)確率提出了挑戰(zhàn)。其中語音識別的結(jié)果對語義理解的影響較大，不準(zhǔn)確的語音識別結(jié)果將影響話語的意圖分類。因此，本文需要設(shè)計(jì)一種基于智能家居語音識別多樣化結(jié)果的意圖分類方法。該方法結(jié)合家居命令詞的特點(diǎn)、語音識別結(jié)果與實(shí)際命令詞的差異情況，能更準(zhǔn)確地實(shí)現(xiàn)智能家居話語的意圖分類。

1 語音識別結(jié)果分析與規(guī)則詞典構(gòu)建

在智能家居項(xiàng)目中，系統(tǒng)需要能夠識別語音命令詞并且控制設(shè)備執(zhí)行相應(yīng)的動作，如命令詞“低檔風(fēng)”，意為設(shè)備開啟最小風(fēng)。在實(shí)際使用中，命令詞語音識別結(jié)果與實(shí)際命令詞具有差異，我們結(jié)合命令詞的特點(diǎn)、語音識別結(jié)果文本與實(shí)際命令詞的差異情況，可以構(gòu)建相應(yīng)的詞典，用來輔助意圖分類。

1.1 命令詞與語音識別結(jié)果文本的特點(diǎn)

基于智能家居項(xiàng)目業(yè)務(wù)，我們收集了智能家居命令詞共232 條，其中包含設(shè)備、模式、功能的開關(guān)和調(diào)整等指令，我們將這些命令詞按語音特性拆分為2210 個聲母韻母。通過分析命令詞語音特性可以看到，命令詞中的開口呼韻母占較大比重為22%，其次是齊齒呼韻母、合口呼韻母、舌尖后音、舌尖中音，比重分別為17%、11%、10%、10%，這些類別存在誤讀和誤識別的可能性[1]。由于漢語發(fā)音時發(fā)音部位和發(fā)音方法的不同，發(fā)音時氣流受阻的位置、發(fā)音部位控制氣流的方式也會不同，這為語音識別帶來了較多難題。

在項(xiàng)目中，我們收集了命令詞的語音識別結(jié)果文本，整理了正誤詞對照表并分析了其語音特性，通過篩選語音識別正誤差異讀音得到4584 個聲母韻母。我們將其中出現(xiàn)頻數(shù)較大的易混淆對進(jìn)行了統(tǒng)計(jì)，結(jié)果表明不送氣音與送氣音混淆對的占比較大，其次是前鼻音與后鼻音、單韻母與復(fù)韻母、舌尖前音與舌尖后音。這些易混淆對影響語音識別結(jié)果的準(zhǔn)確度，需要特別關(guān)注。

通過分析命令詞與語音識別結(jié)果文本的特點(diǎn)可以發(fā)現(xiàn)，語音識別的準(zhǔn)確率受多種因素影響。如果語音識別的不準(zhǔn)確結(jié)果經(jīng)過意圖識別模塊時被錯誤分類，將對語義理解整體流程產(chǎn)生災(zāi)難性影響。因此，需要根據(jù)命令詞與語音識別結(jié)果文本的特點(diǎn)，結(jié)合現(xiàn)代漢語語音規(guī)律，構(gòu)建規(guī)則詞典并設(shè)計(jì)一種意圖分類方法，提高意圖分類準(zhǔn)確率[2]。

1.2 規(guī)則詞典構(gòu)建

通過命令詞與語音識別結(jié)果文本特點(diǎn)分析，我們可以構(gòu)建規(guī)則詞典，用以輔助意圖分類方法的實(shí)現(xiàn)。規(guī)則詞典包含以下類別：（1）智能家居命令詞詞典。該詞典包含項(xiàng)目所需的232 條命令詞。（2）語音識別結(jié)果正誤對照詞典。根據(jù)實(shí)際項(xiàng)目的測試結(jié)果，收集命令詞語音識別結(jié)果文本，整理后得到正確與錯誤識別命令詞的對照詞表。（3）現(xiàn)代漢語易混淆聲母韻母詞典。根據(jù)現(xiàn)代漢語語音的方音辨證方法，結(jié)合語音識別結(jié)果正誤對照詞典，構(gòu)建易混淆的聲母或韻母對共84 對。其中包含舌尖音與舌面音、不送氣音與送氣音、前鼻音與后鼻音等多種易混淆對。以上詞典可以輔助意圖分類方法的實(shí)現(xiàn)。智能家居命令詞詞典幫助意圖識別明確需要界定的分類，將屬于智能家居意圖類別的話語限定于較小范圍內(nèi)。語音識別結(jié)果正誤對照詞典、現(xiàn)代漢語易混淆聲母韻母詞典幫助我們擴(kuò)大搜索范圍，讓用戶誤讀或語音識別錯誤的結(jié)果能夠被意圖識別模塊捕獲并正確分類。

2 意圖分類方法設(shè)計(jì)與實(shí)現(xiàn)

在實(shí)際應(yīng)用中，語音識別的結(jié)果受外界環(huán)境、發(fā)音方式、方言習(xí)慣、語音質(zhì)量等多方面因素影響，其中的不準(zhǔn)確結(jié)果經(jīng)過意圖識別模塊時如果被錯誤分類，將會對語義理解產(chǎn)生較大影響。因此，根據(jù)命令詞與語音識別結(jié)果文本的特點(diǎn)，結(jié)合現(xiàn)代漢語語音規(guī)律，構(gòu)建規(guī)則詞典并設(shè)計(jì)一種意圖分類方法，可以提高基于語音識別結(jié)果文本的意圖分類準(zhǔn)確率。

2.1 意圖分類方法設(shè)計(jì)

本文的意圖分類方法根據(jù)構(gòu)建的智能家居命令詞詞典、語音識別結(jié)果正誤對照詞典、現(xiàn)代漢語易混淆聲母韻母詞典，生成命令詞及其易混淆音節(jié)總詞典。通過構(gòu)建2-GRAM 模型，計(jì)算總詞典中的單詞出現(xiàn)概率、雙詞共現(xiàn)概率，評估詞典中句子的出現(xiàn)概率。在此基礎(chǔ)上，取詞典中句子出現(xiàn)概率的最小值作為基線，進(jìn)行意圖分類。句子進(jìn)入意圖識別模塊后，先進(jìn)行概率計(jì)算，凡是高于最小概率的句子進(jìn)入智能家居分類，凡是低于最小概率的句子排除出該分類。意圖分類方法整體設(shè)計(jì)如圖1 所示。

圖1 意圖分類方法整體設(shè)計(jì)Fig.1 Overall design of intent classification method

本文所述的意圖分類方法涉及以下幾個方面：（1）命令詞及易混淆音節(jié)總詞典生成。將智能家居命令詞詞典中的命令詞按語音特性拆分為音節(jié)及聲母韻母組合，然后根據(jù)命令詞在易混淆聲母韻母詞典中的常見混淆情況，結(jié)合語音識別結(jié)果正誤對照詞典，找出命令詞的易混淆讀音。智能家居命令詞詞典中每條命令詞及其易混淆讀音組合，構(gòu)成了命令詞及易混淆音節(jié)總詞典。（2）利用貝葉斯公式計(jì)算句子出現(xiàn)概率[3]。根據(jù)命令詞及易混淆音節(jié)總詞典，獲取命令詞及其易混淆讀音組合，統(tǒng)計(jì)詞典中各項(xiàng)的頻數(shù)。然后根據(jù)拉普拉斯平滑公式，構(gòu)建2-GRAM 模型，計(jì)算單詞出現(xiàn)率、雙詞共現(xiàn)率。最后基于模型計(jì)算句子的出現(xiàn)概率，計(jì)算模型的句子出現(xiàn)概率的最小值。（3）根據(jù)句子出現(xiàn)概率進(jìn)行意圖分類。本文的意圖分類方法將模型的句子出現(xiàn)概率最小值作為模型句子出現(xiàn)最小概率，以此輔助意圖類別的判斷。在意圖分類過程中，根據(jù)2-GRAM 模型，我們?yōu)槊總€進(jìn)入意圖識別分類模塊的句子計(jì)算出現(xiàn)概率，并將其概率值與最小概率值作比較。凡是高于最小概率的句子進(jìn)入智能家居分類，凡是低于最小概率的句子排除出該分類。這樣就實(shí)現(xiàn)了二分法的意圖識別分類。

2.2 意圖分類方法實(shí)現(xiàn)

根據(jù)項(xiàng)目業(yè)務(wù)需要，本意圖分類方法已使用Python、Java 語言實(shí)現(xiàn)。其中主要涉及的功能模塊包含詞典生成模塊、概率模型構(gòu)建模塊、概率計(jì)算模塊、意圖分類模塊。通過圖1 可以看到本文所述的意圖分類方法的實(shí)現(xiàn)涉及以下方面：（1）詞典生成模塊主要根據(jù)智能家居命令詞詞典，對命令詞文本進(jìn)行音節(jié)、聲母韻母拆分，然后根據(jù)語音識別結(jié)果正誤對照詞典、現(xiàn)代漢語易混淆聲母韻母詞典，為每條命令詞找到易混淆聲母韻母組合，最終完成命令詞及易混淆音節(jié)總詞典的構(gòu)建。（2）概率模型構(gòu)建模塊主要基于命令詞及易混淆音節(jié)總詞典，統(tǒng)計(jì)單詞、雙詞詞頻，完成2-GRAM 模型的構(gòu)建，用以計(jì)算單詞出現(xiàn)率、雙詞共現(xiàn)率，預(yù)測句子的出現(xiàn)概率[4]。（3）概率計(jì)算模塊主要基于2-GRAM 模型，計(jì)算句子出現(xiàn)概率，并且計(jì)算詞典中句子出現(xiàn)概率的最小值作為最小概率值，然后以最小概率作為意圖分類的判斷依據(jù)。根據(jù)計(jì)算結(jié)果，我們選定模型的句子出現(xiàn)最小概率值為1.1768093503040191e-24。（4）意圖分類模塊主要基于用戶話語文本輸入，進(jìn)行音節(jié)、聲母韻母拆分，隨后基于2-GRAM 模型計(jì)算句子的出現(xiàn)概率，最后依據(jù)最小概率進(jìn)行意圖分類判斷，判斷此話語是否應(yīng)該進(jìn)入智能家居意圖分類。意圖分類方法的實(shí)現(xiàn)，最關(guān)鍵的是意圖分類模塊的實(shí)現(xiàn)。

意圖分類模塊接收用戶話語文本作為輸入數(shù)據(jù)，將最終完成類別判斷的意圖分類結(jié)果作為輸出，其實(shí)現(xiàn)流程包含以下幾個方面：（1）處理用戶話語文本。意圖分類模塊在接收到用戶話語文本即語音識別結(jié)果文本后，按語音特性對文本進(jìn)行處理，將文本轉(zhuǎn)換為音節(jié)及聲母韻母組合。（2）計(jì)算句子出現(xiàn)概率。在獲得聲母韻母列表后，通過調(diào)用2-GRAM 模型，計(jì)算單詞出現(xiàn)概率、雙詞共現(xiàn)概率并做概率統(tǒng)計(jì)，然后基于詞單位的統(tǒng)計(jì)結(jié)果，對句子出現(xiàn)概率進(jìn)行計(jì)算。（3）進(jìn)行意圖分類[5]。結(jié)合句子出現(xiàn)概率、模型最小概率，將句子出現(xiàn)概率與最小概率進(jìn)行比較。當(dāng)句子出現(xiàn)概率高于最小概率時，將句子分入智能家居意圖類別；當(dāng)句子出現(xiàn)概率低于最小概率時，將句子分入非智能家居意圖類別。意圖分類模塊最終給出意圖分類結(jié)果，支持其他語義處理模塊的功能實(shí)現(xiàn)。

3 測試分析

意圖分類在語義處理流程中居于首要地位，意圖分類的結(jié)果直接影響語義理解功能，因此好的意圖分類方法能夠幫助提升語義理解準(zhǔn)確度。根據(jù)項(xiàng)目業(yè)務(wù)需要，以測試意圖分類方法的意圖分類效果為目標(biāo)，我們準(zhǔn)備測試集、確定測試指標(biāo)并進(jìn)行測試，通過分析測試結(jié)果，評估該意圖分類方法的應(yīng)用效果。

3.1 測試集與測試指標(biāo)

我們選擇了純智能家居測試數(shù)據(jù)集、智能家居與其他意圖分類混合數(shù)據(jù)集、純非智能家居分類測試數(shù)據(jù)集等類型的數(shù)據(jù)集。其中各測試數(shù)據(jù)集詳情包括如下幾個方面：（1）純智能家居測試數(shù)據(jù)集。選擇由項(xiàng)目客戶測試產(chǎn)生的命令詞測試數(shù)據(jù)，以及系統(tǒng)原有智能家居分類測試數(shù)據(jù)共計(jì)605 條，作為測試意圖分類應(yīng)分入智能家居分類的測試數(shù)據(jù)。（2）智能家居與其他意圖分類混合數(shù)據(jù)集。選擇項(xiàng)目需求命令詞、閑聊數(shù)據(jù)、原有智能家居分類測試數(shù)據(jù)進(jìn)行混合，數(shù)據(jù)共計(jì)4191 條，用于測試意圖分類能否準(zhǔn)確對家居和非家居的意圖進(jìn)行分類。（3）純非智能家居分類測試數(shù)據(jù)集。系統(tǒng)本有智能家居、音樂、閑聊等功能分類，因此將非智能家居分類的測試句用于測試意圖分類能否準(zhǔn)確排除非智能家居分類的句子。純非智能家居分類測試數(shù)據(jù)共計(jì)16698 條。

對于意圖分類方法的測試，我們將意圖準(zhǔn)入率、誤入率作為測試指標(biāo)。準(zhǔn)入率主要用于衡量本應(yīng)屬于智能家居意圖分類的句子，有多少準(zhǔn)確進(jìn)入智能家居分類；誤入率主要用于衡量不屬于智能家居分類的句子，有多少被錯誤分入智能家居分類。

3.2 測試結(jié)果分析

我們采用測試集對基于方法實(shí)現(xiàn)的意圖分類功能進(jìn)行測試。結(jié)果發(fā)現(xiàn)，在準(zhǔn)入率方面，純智能家居測試數(shù)據(jù)集的準(zhǔn)入率為0.97%，智能家居與其他意圖分類混合數(shù)據(jù)集的準(zhǔn)入率為0.78%；在誤入率方面，純非智能家居分類測試數(shù)據(jù)集的誤入率為0.1%，智能家居與其他意圖分類混合數(shù)據(jù)集的誤入率為0.08%。

通過以上數(shù)據(jù)可以看到，意圖分類功能經(jīng)測試，其效果較好，測試數(shù)據(jù)集的平均準(zhǔn)入率達(dá)到0.87%，平均誤入率為0.09%，基本符合預(yù)期。

4 結(jié)語

本文基于智能家居項(xiàng)目的語音識別應(yīng)用情況，設(shè)計(jì)一種意圖識別分類方法，該方法主要為適應(yīng)語音識別的多樣化結(jié)果。語音識別的實(shí)際結(jié)果文本與預(yù)期有所差異，結(jié)合命令詞的特點(diǎn)、現(xiàn)代漢語語音特性，我們能夠構(gòu)建規(guī)則詞典、設(shè)計(jì)意圖分類方法，使其滿足智能家居話語的意圖分類需要。測試結(jié)果表明，這種意圖分類方法能夠提高意圖分類準(zhǔn)確率，適應(yīng)了項(xiàng)目業(yè)務(wù)的需要。