中文siri：搜狗语音助手算法构架解析.pdf

语音助手算法构架解析 @张_帆NLP 2013.3.2 语音智能系统 语音智能系统的定义 以人类的自然语言为主要交互方式，从语言中能 够充分理解出用户意图，并能够直接给出对应信息戒 者持续交互的系统。 语音智能系统 语音智能系统的定义 以人类的自然语言为主要交互方式，从语言中能 够充分理解出用户意图，并能够直接给出对应信息戒 者持续交互的系统。 语音智能系统的意义 移动端的特点是输入成本高和屏幕尺寸限 制，语音输入方式解决了前者，智能则通过问 题的精准理解而解决了后者，所以语音智能系 统是搜索在移动端的新形态 语音智能系统的流派 苹果的SIRI 虚拟个人助理，集成在苹果的IOS6系统中，既可以为 用户获取信息，也可以和用户聊天，较为娱乐化。 语音智能系统的流派 苹果的SIRI 虚拟个人助理，集成在苹果的IOS6系统中，既可以为 用户获取信息，也可以和用户聊天，较为娱乐化。 谷歌的Google now 更加偏向于搜索，重点在有效信息获取，会根据用户 当前的状冴推送信息，丌支持聊天和持续的交谈。 语音智能系统的流派 苹果的SIRI 虚拟个人助理，集成在苹果的IOS6系统中，既可以为 用户获取信息，也可以和用户聊天，较为娱乐化。 谷歌的Google now 更加偏向于搜索，重点在有效信息获取，会根据用户 当前的状冴推送信息，丌支持聊天和持续的交谈。 IBM的Waston 企业级的问答解决方案，因在 《危险边缘》中击败人 类冠军而名声大噪，目标是特别领域的与家系统。 国内语音智能系统 搜狗语音助手 搜狗推出的语音助手，语义理解能力强大，垂 直数据丰富，问答效果突出，丏整合了搜狗的知立方， 但自有语音识别技术较弱，目前综合效果最佳 百度语音助手 搜索巨头百度推出的语音助手，起步较晚，但 基于搜索的技术积累，语义理解效果较好，丏自有语 音识别较强，发展潜力大 讯飞语点 / 灵犀 科大讯飞公司推出的语音助手，语音识别能力 国内最强，但语义理解和垂直数据很弱 语音整体框架 用户查询 语音识别（ASR ） 大脑 语音合成（TTS ） 前端展现 搜狗语音大脑框架 用户查询 数据初步处理 意图预识别 智能问答 知识图谱 垂直数据结果 问答结果获取 结构化知识获取 意图整体排序 生成回答结果 前端展现 意图理解和解析 用户查询意图理解 文字 词义 语义片段 用户意图 意图理解和解析 用户查询意图理解 文字 词义 语义片段 用户意图 意图理解概念流程  基础处理：分词，词性标注，句法分析等  词义解析：知识词表标注，实体库信息标注，CRF 实体识别，规则实体识别和规范处理等  语义片段：基于短模板的词义组合  整体意图理解：上下文补全，语义片段整合，意图 模型计算，意图检索结果辅助验证等  多意图排序和展现：多种意图迚行排序，决定最终 的展现的结果 意图理解和解析 基于模板的意图理解 基于语义模板的方式来精确的理解用户的查询意 图，对一些需求