简单剖析智能语音交互技术

标签：词汇   ext   automatic   高级   前缀和   检索   问题   mamicode   mic   

以市面上面流行的智能电话机器人为例，他的AI模块主要包含了4部分自动语音识别（Automatic Speech Recognition, ASR），自然语言理解（Natural Language Understanding, NLU）
，自然语言生成（Natural Language Generation, NLG），文字转语音（Text to Speech, TTS）
。

以欧能智能机器人中的语音交互流程图为例子，来看看Ai智能机器人对话技术的主要路径：

在上图我们可以看到，用户使用的时候是与设备进行交互完成的，并且主要是采用语音的处理方式。

要想完整完整的完成语音交互，必须要弄懂流程，这是一款电话机器人好不好用的关键，一次成功的语音交互流程，主要涉及以下4个阶段，且环环相扣。

意图
表示用户在使用应用时所做的动作(譬如：问一个问题或发送一条指令)，这些意图代表了应用的核心功能。如果应用成功地识别了用户意图，则需要在完成业务动作后，将结果反馈给用户。

识别意图—语义解析
对语音识别结果进行分析理解，简单来说就是将用户语音输入映射到机器指令。它可能定义了一组包含指定的单词或短语的语法结构，用户通过说出满足这种结构的语句，来调用意图。

处理意图—云端交互
调用意图的结构化请求，向服务器请求处理后做出反馈响应。 通俗来讲该流程主要处理用户的请求，解决用户问题的答案。

语言合成模块 – 组织语言
根据解析模块得到的内部表示，在对话管理机制的作用下生成自然语言句子。 同时将生成模块生成的句子转换成语音输出。（把回答的机器语言再转换成 口语语言）

整个流程虽然看起来较为简单，但是中间的自然语言处理的关键技术是必须要掌握的。

词法分析
词汇分析包含形态和词汇。一般来说，形态素主要反映在单词的前缀和后缀的分析上，词汇反映在整个词汇体系的控制上。在中文全文检索系统中，在中文信息、即中文自动单词分割技术的单词分割中，词汇分析主要出现。利用该技术，能够正确解析用户输入信息的特性，完成正确的搜索过程。是中文全文检索技术的重要发展方向。

句法分析
句法分析是对用户输入的自然语言进行词汇短语的分析，目的是识别句子的句法结构，实现自动句法分析过程。其基本方法有线图分析法、短语结构分析、完全句法分析、局部句法分析、依存句法分析等。

语义分析
语义分析是基于自然语言语义信息的一种分析方法，其不仅仅是词法分析和句法分析这样语法水平上的分析，而是涉及到了单词、词组、句子、段落所包含的意义。其目的是从句子的语义结构表示言语的结构。中文语义分析方法是基于语义网络的一种分析方法。语义网络则是一种结构化的，灵活、明确、简洁的表达方式。

语用分析
语用分析相对于语义分析又增加了对上下文、语言背景、环境等的分析，从文章的结构中提取到意象、人际关系等的附加信息，是一种更高级的语言学分析。它将语句中的内容与现实生活的细节相关联，从而形成动态的表意结构。

语境分析
语境分析主要是指对原查询语篇以外的大量“空隙”进行分析从而更为正确地解释所要查询语言的技术。这些“空隙”包括一般的知识，特定领域的知识以及查询用户的需要等。它将自然语言与客观的物理世界和主观的心理世界联系起来，补充完善了词法、语义、语用分析的不足。

?智能电话机器人对话目前存在的问题
在人与机器的会话过程中，用户必然会犯表达错误，导致用户语言机械理解的偏离。此时，错误修正机构对于机器来说非常重要。如果这个机制不能利用，用户显然需要花费很长时间来说明他们的意图，并且对应的用户经验非常坏吧。另一方面，能够很好地认识语音，但是不能理解对话的目的，有理解意义的偏颇。因此，语音对话中应解决的问题是模糊消除和未知语言现象的处理。

智能语音助手背后的生态服务
一个好的智能电话机器人要想落地开花，它不仅仅是简单的语音识别那么简单，还有集成服务，一整套的中文生态、内容、服务等配套设施，是一种涵盖很多基础能力的生态系统。
未来基于语音交互的语义技能，必须要能够达到几万、几十万甚至上百万种的时候，才能促使语音交互时代操作系统真正走向成熟，未来语音交互产品的形态和样式也将越来越丰富。

简单剖析智能语音交互技术

标签：词汇   ext   automatic   高级   前缀和   检索   问题   mamicode   mic   

原文地址：https://blog.51cto.com/14387331/2411108