用于处理信息的方法和装置与流程

[0001]
本公开的实施例涉及计算机技术领域，尤其涉及用于处理信息的方法和装置。


背景技术：

[0002]
现有的任务型对话系统在获取到用户输入的语音信息后，需要首先识别用户意图，然后向用户反馈与用户意图相对应的信息。例如，用户输入语音信息“今天天气如何”，则任务型对话系统可以从语音信息“今天天气如何”中识别出用户意图为“查询天气”，进而可以获取天气信息并呈现给用户。
[0003]
目前，一般采用语音识别技术对用户的语音信息进行识别，以确定用户意图。


技术实现要素：

[0004]
本公开的实施例提出了用于处理信息的方法和装置。
[0005]
第一方面，本公开的实施例提供了一种用于处理信息的方法，该方法包括：获取目标用户输入的语音信息；基于语音信息，对目标用户的用户意图进行识别；响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息；基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果；将所获得的候选识别结果呈现给目标用户；响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0006]
在一些实施例中，辅助信息包括以下至少一项：目标用户的用户属性信息；对目标用户所处的环境进行拍摄所获得的图像信息；目标用户输入的、用于表征目标用户的用户意图的文本信息。
[0007]
在一些实施例中，在基于语音信息，对目标用户的用户意图进行识别之后，该方法还包括：响应于获得用于表征目标用户的用户意图的识别结果，执行所获得的识别结果所对应的操作。
[0008]
在一些实施例中，基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果包括：基于语音信息和辅助信息，对目标用户的用户意图进行识别，获得至少两个用于表征目标用户的用户意图的候选识别结果；以及将所获得的候选识别结果呈现给目标用户包括：将所获得的至少两个候选识别结果呈现给目标用户；以及响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作包括：响应于检测到目标用户从至少两个候选识别结果中选定候选识别结果的操作，执行目标用户选定的候选识别结果所对应的操作。
[0009]
在一些实施例中，基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果包括：利用预先训练的语音识别模型对语音信息进行识别，获得语音特征；利用预先训练的辅助识别模型对辅助信息进行识别，获得辅助特征；将所获得的语音特征和辅助特征输入预先训练的意图识别模型，生成用于表征目标用户的用户意图的候选识别结果。
[0010]
第二方面，本公开的实施例提供了一种用于处理信息的装置，该装置包括：第一获取单元，被配置成获取目标用户输入的语音信息；第一识别单元，被配置成基于语音信息，对目标用户的用户意图进行识别；第二获取单元，被配置成响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息；第二识别单元，被配置成基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果；呈现单元，被配置成将所获得的候选识别结果呈现给目标用户；执行单元，被配置成响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0011]
第三方面，本公开的实施例提供了一种用于处理信息的系统，该系统包括：信息采集模块、技能解析模块和引导推荐模块，其中：信息采集模块，被配置成获取目标用户输入的语音信息；以及获取与目标用户相关的辅助信息；技能解析模块，被配置成基于信息采集模块发送的语音信息，对目标用户的用户意图进行识别；以及响应于未获得用于表征目标用户的用户意图的识别结果，向信息采集模块发送指令，以控制信息采集模块将语音信息和辅助信息发送给引导推荐模块；引导推荐模块，被配置成基于接收到的语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果；将所获得的候选识别结果呈现给目标用户；响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0012]
第四方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述用于处理信息的方法中任一实施例的方法。
[0013]
第五方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述用于处理信息的方法中任一实施例的方法。
[0014]
本公开的实施例提供的用于处理信息的方法和装置，通过获取目标用户输入的语音信息，而后基于语音信息，对目标用户的用户意图进行识别，接着响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息，然后基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果，接着，将所获得的候选识别结果呈现给目标用户，最后响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作，从而可以在基于用户输入的语音信息无法识别出用户的意图时，基于用户的语音信息和辅助信息进行用户意图的识别，获得候选识别结果，并将候选识别结果呈现给目标用户，以此，可以引导用户选择符合其真实意图的候选识别结果，相较于现有技术中在无法通过语音信息识别用户的真实意图的情况下，重复要求用户输入语音信息的方案，可以提高用户体验，并且可以提高对话效率。
附图说明
[0015]
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
[0016]
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0017]
图2是根据本公开的用于处理信息的方法的一个实施例的流程图；
[0018]
图3是根据本公开的实施例的用于处理信息的方法的一个应用场景的示意图；
[0019]
图4是根据本公开的用于处理信息的方法的又一个实施例的流程图；
[0020]
图5是根据本公开的用于处理信息的装置的一个实施例的结构示意图；
[0021]
图6是根据本公开的用于处理信息的系统的一个实施例的时序图；
[0022]
图7是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0023]
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
[0024]
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0025]
图1示出了可以应用本公开的用于处理信息的方法或用于处理信息的装置的实施例的示例性系统架构100。
[0026]
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0027]
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如语音交互类应用、网页浏览器应用、搜索类应用、即时通信工具、社交平台软件等。
[0028]
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有语音获取功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0029]
服务器105可以是提供各种服务的服务器，例如对用户通过终端设备101、102、103发送的语音信息进行处理的语音处理服务器。语音处理服务器可以对接收到的语音信息等数据进行分析等处理，并获得处理结果(例如用于表征目标用户的用户意图的识别结果)。
[0030]
需要说明的是，本公开的实施例所提供的用于处理信息的方法可以由终端设备101、102、103执行，也可以由服务器105执行，相应地，用于处理信息的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。
[0031]
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0032]
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需
要，可以具有任意数目的终端设备、网络和服务器。特别的，在生成用于表征目标用户的用户意图的识别结果的过程中所使用的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。
[0033]
继续参考图2，示出了根据本公开的用于处理信息的方法的一个实施例的流程200。该用于处理信息的方法，包括以下步骤：
[0034]
步骤201，获取目标用户输入的语音信息。
[0035]
在本实施例中，用于处理信息的方法的执行主体(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式获取目标用户输入的语音信息。其中，目标用户可以为待对其输入的语音信息进行识别的用户，具体可以为发起语音对话请求的用户。
[0036]
实践中，在用户发起语音对话请求后，上述执行主体可以获取用户输入的语音信息，并针对语音信息向用户做出回应。
[0037]
具体的，当上述执行主体为目标用户所使用的用户终端时，上述执行主体可以通过预先安装的语音获取装置(例如麦克风)获取上述语音信息；当上述执行主体为服务器时，上述执行主体可以从目标用户所使用的用户终端获取上述语音信息。
[0038]
步骤202，基于语音信息，对目标用户的用户意图进行识别。
[0039]
在本实施例中，基于步骤201中得到的语音信息，上述执行主体可以对目标用户的用户意图进行识别。
[0040]
具体的，上述执行主体可以首先将语音信息转化为文本信息，然后利用转化成的文本信息对目标用户的用户意图进行识别。在这里，上述执行主体可以利用转化成的文本信息，采用各种方法对目标用户的用户意图进行识别。作为示例，上述执行主体可以将文本信息输入预先训练的意图识别模型，以对目标用户的用户意图进行识别。其中，意图识别模型可以是各种能够生成识别结果的模型，例如神经网络模型、分类器等。意图识别模型可以将语音信息对应的、转化成的文本信息作为输入，输出对用户的用户意图进行识别所获得的识别结果。
[0041]
需要说明的是，上述执行主体通过对目标用户的用户意图进行识别，可以获得用于表征目标用户的用户意图的识别结果，但是考虑到口语化语音、环境噪音等的影响，也可能出现上述执行主体基于语音信息，无法识别出用户意图的情况，此时，上述执行主体则无法获得用于表征目标用户的用户意图的识别结果。
[0042]
在本实施例的一些可选的实现方式中，上述执行主体可以响应于获得用于表征目标用户的用户意图的识别结果，执行所获得的识别结果所对应的操作。
[0043]
具体的，可以预先建立用于表征用户意图的识别结果与操作的对应关系(例如可以采用对应关系表的方式或者键值对的方式建立对应关系)，进而上述执行主体在获得用于表征目标用户的用户意图的识别结果后，可以首先确定所获得的识别结果所对应的操作，然后执行所确定的操作。
[0044]
作为示例，上述执行主体可以响应于获得用于表征目标用户的用户意图的识别结果“查询天气”，搜索天气信息并向目标用户呈现搜索到的天气信息。其中，“搜索天气信息并呈现”即为与所获得的识别结果“查询天气”相对应的操作。
[0045]
步骤203，响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息。
[0046]
在本实施例中，在步骤202之后，上述执行主体可以响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息。辅助信息可以为用于与目标用户输入的语音信息相结合，共同识别目标用户的用户意图的信息。
[0047]
具体的，辅助信息可以为与目标用户相关的各种信息。针对不同的辅助信息，上述执行主体可以采用不同的方法获取。
[0048]
在本实施例的一些可选的实现方式中，辅助信息可以包括但不限于以下至少一项：目标用户的用户属性信息；对目标用户所处的环境进行拍摄所获得的图像信息；目标用户输入的、用于表征目标用户的用户意图的文本信息。
[0049]
在这里，用户属性信息可以为用于表征目标用户的用户属性的信息。用户属性可以包括年龄、性别、身高、体重等。具体的，上述执行主体可以获取预先存储于本地的用户属性信息作为辅助信息，也可以从其他电子设备或者目标用户获取用户属性信息作为辅助信息。
[0050]
此外，上述执行主体也可以响应于未获得用于表征目标用户的用户意图的识别结果，对目标用户所处的环境进行拍摄，获得图像信息作为辅助信息；上述执行主体还可以响应于未获得用于表征目标用户的用户意图的识别结果，获取目标用户输入的、用于表征目标用户的用户意图的文本信息作为辅助信息。
[0051]
可以理解，用户所处的环境、用户的属性等信息都可能对用户下达的操作指令有影响。例如当用户在客厅时，用户更有可能下达用于操作家电的指令；当用户在卧室中时，用户更有可能下达播放歌曲的指令；当用户在书桌前时，用户更有可能下达调整灯光亮度的指令。再例如，男生用户和女生用户的日常操作习惯不同，进而用户的性别属性可能对用户下达的操作指令有影响。
[0052]
本实现方式可以在对用户的用户意图进行识别时，考虑用户所处的环境、用户的属性等因素，以此，有助于为用户推荐更符合现实场景的候选识别结果。
[0053]
步骤204，基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果。
[0054]
在本实施例中，基于步骤201中得到的语音信息和步骤203中得到的辅助信息，上述执行主体可以对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果。
[0055]
具体的，基于语音信息和辅助信息，上述执行主体可以采用各种方法对目标用户的用户意图进行识别。
[0056]
作为示例，上述执行主体可以首先将语音信息转化成文本信息，然后基于辅助信息，对转化成的文本信息进行调整，获得调整后文本信息，进而利用调整后文本信息进行用户意图的识别。例如，上述执行首先将语音信息转化成文本信息“现在外面的温度是多少”，辅助信息包括对目标用户所处的环境进行拍摄所获得的图像信息，且图像信息指示目标用户当前所处的环境是室内，则上述执行主体可以将转化成的文本信息调整为“现在室外的温度是多少”，进而可以利用调整后文本信息“现在室外的温度是多少”进行用户意图的识别。
[0057]
在本实施例的一些可选的实现方式中，基于语音信息和辅助信息，上述执行主体还可以通过以下步骤对目标用户的用户意图进行识别：首先，上述执行主体可以利用预先
训练的语音识别模型对语音信息进行识别，获得语音特征。然后，上述执行主体可以利用预先训练的辅助识别模型对辅助信息进行识别，获得辅助特征。最后，上述执行主体可以将所获得的语音特征和辅助特征输入预先训练的意图识别模型，生成用于表征目标用户的用户意图的候选识别结果。
[0058]
其中，语音识别模型可以为能够提取语音特征的各种模型。辅助识别模型可以基于辅助信息包括的信息类型确定，例如辅助信息包括文本信息，则辅助识别模型可以包括能够提取文本特征的各种模型；辅助信息包括图像信息，则辅助识别模型可以包括能够提取图像特征的各种模型。
[0059]
本实现方式通过融合语音信息的语音特征和辅助信息的辅助特征，可以生成更为准确的候选识别结果。
[0060]
需要说明的是，本公开涉及的模型可以采用现有技术中的各种训练方法训练获得，此处不再赘述。
[0061]
步骤205，将所获得的候选识别结果呈现给目标用户。
[0062]
在本实施例中，基于步骤204中得到的候选识别结果，上述执行主体可以将所获得的候选识别结果呈现给上述目标用户。
[0063]
具体的，上述执行主体可以采用各种方式呈现候选识别结果，例如可以采用音频输出的方式呈现，或者可以采用屏幕显示的方式呈现。
[0064]
步骤206，响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0065]
在本实施例中，呈现候选识别结果后，上述执行主体可以检测目标用户针对所呈现的候选识别结果的选定操作，以及上述执行主体可以响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0066]
具体的，目标用户在获取到上述执行主体呈现的候选识别结果后，可以对候选识别结果执行选定操作。这里，选定操作可以用于目标用户对候选识别结果进行确认。具体的，当目标用户确认候选识别结果所表征的用户意图是目标用户的真实意图时，可以对该候选识别结果执行选定操作。需要说明的是，选定操作可以是各种操作，例如可以是输入语音信息的操作，也可以是点击屏幕的操作等。
[0067]
作为示例，目标用户可以通过输入语音信息“确认这个候选识别结果正确”或者“我选择第二个候选识别结果”等来对呈现的候选识别结果执行选定操作；目标用户也可以通过点击屏幕上的确认按钮，或者点击屏幕上呈现的第二个候选识别结果等来对呈现的候选识别结果执行选定操作。
[0068]
继续参见图3，图3是根据本实施例的用于处理信息的方法的应用场景的一个示意图。在图3的应用场景中，终端设备301可以首先获取目标用户302输入的语音信息303(例如“今天外面冷吗”)。然后，终端设备301可以基于语音信息303，对目标用户302的用户意图进行识别。终端设备301可以确定是否获得用于表征目标用户302的用户意图的识别结果，响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户302相关的辅助信息304(例如对目标用户所处的环境进行拍摄所获得的图像)。接着，终端设备301可以基于语音信息303和辅助信息304，对目标用户302的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果305(例如文本“查询天气”)。然后，终端设备301可以将所获得
的候选识别结果305呈现给目标用户302。最后，终端设备301可以响应于检测到目标用户针对所呈现的候选识别结果305的选定操作306，执行目标用户302选定的候选识别结果305所对应的操作307(例如展示天气信息)。
[0069]
本公开的上述实施例提供的方法可以在基于用户输入的语音信息无法识别出用户的意图时，基于用户的语音信息和辅助信息进行用户意图的识别，获得候选识别结果，并将候选识别结果呈现给目标用户，以此，可以引导用户选择符合其真实意图的候选识别结果，相较于现有技术中在无法通过语音信息识别用户的真实意图的情况下，重复要求用户输入语音信息的方案，可以提高用户体验，并且可以提高对话效率。
[0070]
进一步参考图4，其示出了用于处理信息的方法的又一个实施例的流程400。该用于处理信息的方法的流程400，包括以下步骤：
[0071]
步骤401，获取目标用户输入的语音信息。
[0072]
在本实施例中，用于处理信息的方法的执行主体(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式获取目标用户输入的语音信息。其中，目标用户可以为待对其输入的语音信息进行识别的用户，具体可以为发起语音对话请求的用户。
[0073]
步骤402，基于语音信息，对目标用户的用户意图进行识别。
[0074]
在本实施例中，基于步骤401中得到的语音信息，上述执行主体可以对目标用户的用户意图进行识别。
[0075]
步骤403，响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息。
[0076]
在本实施例中，在步骤402之后，上述执行主体可以响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息。辅助信息可以为用于与目标用户输入的语音信息相结合，共同识别目标用户的用户意图的信息。
[0077]
具体的，辅助信息可以为与目标用户相关的各种信息。针对不同的辅助信息，上述执行主体可以采用不同的方法获取。
[0078]
上述步骤401、步骤402、步骤403可以分别采用与前述实施例中的步骤201、步骤202和步骤203类似的方式执行，上文针对步骤201、步骤202和步骤203的描述也适用于步骤401、步骤402和步骤403，此处不再赘述。
[0079]
步骤404，基于语音信息和辅助信息，对目标用户的用户意图进行识别，获得至少两个用于表征目标用户的用户意图的候选识别结果。
[0080]
在本实施例中，基于步骤401中得到的语音信息和步骤403中得到的辅助信息，上述执行主体可以对目标用户的用户意图进行识别，获得至少两个用于表征目标用户的用户意图的候选识别结果。
[0081]
具体的，上述执行主体可以采用各种方法获得至少两个用于表征目标用户的用户意图的候选识别结果，例如在利用意图识别模型对语音信息和辅助信息进行识别的过程中，意图识别模型可以输出多个候选识别结果以及各个候选识别结果对应的概率，进而上述执行主体可以从多个候选识别结果中选取概率最大的至少两个候选识别结果作为用于表征目标用户的用户意图的候选识别结果；或者可以预先设置概率阈值，进而上述执行主体可以将对应的概率大于或等于概率阈值的至少两个候选识别结果确定为用于表征目标用户的用户意图的候选识别结果。需要说明的是，上述概率可以用于表征对应的候选识别
结果所表征的用户意图为目标用户的用户意图的可能性。
[0082]
步骤405，将所获得的至少两个候选识别结果呈现给目标用户。
[0083]
在本实施例中，基于步骤404中获得的至少两个候选识别结果，上述执行主体可以将所获得的至少两个候选识别结果呈现给目标用户，以便目标用户从至少两个候选识别结果中选择能够表征其真实意图的识别结果。
[0084]
步骤406，响应于检测到目标用户从至少两个候选识别结果中选定候选识别结果的操作，执行目标用户选定的候选识别结果所对应的操作。
[0085]
在本实施例中，呈现上述至少两个候选识别结果后，上述执行主体可以检测目标用户从至少两个候选识别结果中选定候选识别结果的操作，以及上述执行主体可以响应于检测到目标用户从至少两个候选识别结果中选定候选识别结果的操作，执行目标用户选定的候选识别结果所对应的操作。。
[0086]
可以理解，呈现给目标用户的至少两个候选识别结果表征的是基于语音信息和辅助信息预测出的用户意图，而目标用户从至少两个候选识别结果中选择的候选识别结果可以表征目标用户的真实意图。进而采用呈现至少两个候选识别结果以及获取用户选择的候选识别结果的方式，可以确定出用户的真实意图，进而可以提高所执行的、候选识别结果所对应的操作的准确性。
[0087]
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理信息的方法的流程400突出了将所生成的至少两个识别结果输出给目标用户，以便目标用户对识别结果进行选择，进而执行目标用户选择的识别结果对应的操作的步骤。由此，本实施例描述的方案将识别出的、用于表征用户意图的识别结果呈现给用户，进而引导用户进行用户意图的选择，以此，可以确定出用户的真实意图，有助于更为准确地对用户的语音信息做出回应，提高了信息处理的准确性。
[0088]
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于处理信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0089]
如图5所示，本实施例的用于处理信息的装置500包括：第一获取单元501、第一识别单元502、第二获取单元503、第二识别单元504、呈现单元505和执行单元506。其中，第一获取单元501被配置成获取目标用户输入的语音信息；第一识别单元502被配置成基于语音信息，对目标用户的用户意图进行识别；第二获取单元503被配置成响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息；第二识别单元504被配置成基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果；呈现单元505被配置成将所获得的候选识别结果呈现给目标用户；执行单元506被配置成响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0090]
在本实施例中，用于处理信息的装置500的第一获取单元501可以通过有线连接方式或者无线连接方式获取目标用户输入的语音信息。其中，目标用户可以为待对其输入的语音信息进行识别的用户，具体可以为发起语音对话请求的用户。
[0091]
在本实施例中，基于第一获取单元501得到的语音信息，第一识别单元502可以对目标用户的用户意图进行识别。
[0092]
在本实施例中，第二获取单元503可以响应于第一识别单元502未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息。辅助信息可以为用于与目标用户输入的语音信息相结合，共同识别目标用户的用户意图的信息。
[0093]
具体的，辅助信息可以为与目标用户相关的各种信息。针对不同的辅助信息，第二获取单元503可以采用不同的方法获取。
[0094]
在本实施例中，基于第一获取单元501得到的语音信息和第二获取单元503得到的辅助信息，第二识别单元504可以对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果。
[0095]
在本实施例中，基于第二识别单元504得到的候选识别结果，上呈现单元505可以将所获得的候选识别结果呈现给上述目标用户。
[0096]
在本实施例中，呈现候选识别结果后，执行单元506可以检测目标用户针对所呈现的候选识别结果的选定操作，以及执行单元506可以响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0097]
在本实施例的一些可选的实现方式中，辅助信息包括但不限于以下至少一项：目标用户的用户属性信息；对目标用户所处的环境进行拍摄所获得的图像信息；目标用户输入的、用于表征目标用户的用户意图的文本信息。
[0098]
在本实施例的一些可选的实现方式中，装置500还包括：第一执行单元(图中未示出)，被配置成响应于获得用于表征目标用户的用户意图的识别结果，执行所获得的识别结果所对应的操作。
[0099]
在本实施例的一些可选的实现方式中，第二识别单元504可以进一步被配置成：基于语音信息和辅助信息，对目标用户的用户意图进行识别，获得至少两个用于表征目标用户的用户意图的候选识别结果；以及呈现单元505可以进一步被配置成：将所获得的至少两个候选识别结果呈现给目标用户；以及执行单元506可以进一步被配置成：响应于检测到目标用户从至少两个候选识别结果中选定候选识别结果的操作，执行目标用户选定的候选识别结果所对应的操作。
[0100]
在本实施例的一些可选的实现方式中，第二识别单元504可以包括：第一识别模块(图中未示出)，被配置成利用预先训练的语音识别模型对语音信息进行识别，获得语音特征；第二识别模块(图中未示出)，被配置成利用预先训练的辅助识别模型对辅助信息进行识别，获得辅助特征；第三识别模块(图中未示出)，被配置成将所获得的语音特征和辅助特征输入预先训练的意图识别模型，生成用于表征目标用户的用户意图的候选识别结果。
[0101]
可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
[0102]
本公开的上述实施例提供的装置500可以在基于用户输入的语音信息无法识别出用户的意图时，基于用户的语音信息和辅助信息进行用户意图的识别，获得候选识别结果，并将候选识别结果呈现给目标用户，以此，可以引导用户选择符合其真实意图的候选识别结果，相较于现有技术中在无法通过语音信息识别用户的真实意图的情况下，重复要求用户输入语音信息的方案，可以提高用户体验，并且可以提高对话效率。
[0103]
请参考图6，示出了根据本申请的用于处理信息的系统的一个实施例的时序图
600。
[0104]
本申请实施例中的用于处理信息的系统可以包括：信息采集模块、技能解析模块和引导推荐模块，其中：信息采集模块，被配置成获取目标用户输入的语音信息；以及获取与目标用户相关的辅助信息；技能解析模块，被配置成基于信息采集模块发送的语音信息，对目标用户的用户意图进行识别；以及响应于未获得用于表征目标用户的用户意图的识别结果，向信息采集模块发送指令，以控制信息采集模块将语音信息和辅助信息发送给引导推荐模块；引导推荐模块，被配置成基于接收到的语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果；将所获得的候选识别结果呈现给目标用户；响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0105]
如图6所示，在步骤601中，信息采集模块获取目标用户输入的语音信息和与目标用户相关的辅助信息。
[0106]
在本实施例中，信息采集模块可以通过有线连接方式或无线连接方式从本地或远程获取目标用户输入的语音信息和与目标用户相关的辅助信息。其中，目标用户可以为待对其输入的语音信息进行识别的用户，具体可以为发起语音对话请求的用户。辅助信息可以为用于与目标用户输入的语音信息相结合，共同识别目标用户的用户意图的信息。
[0107]
在步骤602中，信息采集模块将获取到的语音信息发送给技能解析模块。
[0108]
在步骤603中，技能解析模块基于语音信息，对目标用户的用户意图进行识别。
[0109]
在步骤604中，技能解析模块响应于未获得用于表征目标用户的用户意图的识别结果，向信息采集模块发送指令。
[0110]
可以理解的是，通常情况下，技能解析模块通过对目标用户的用户意图进行识别，可以获得用于表征目标用户的用户意图的识别结果，但是考虑到口语化语音、环境噪音等的影响，也可能出现技能解析模块基于语音信息，无法识别出用户意图的情况，此时，技能解析模块可以向信息采集模块发送上述指令。
[0111]
在步骤605中，信息采集模块响应于接收到信息采集模块发送的指令，将语音信息和辅助信息发送给引导推荐模块。
[0112]
在步骤606中，引导推荐模块基于接收到的语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的候选识别结果。
[0113]
在步骤607中，引导推荐模块将所获得的候选识别结果呈现给目标用户。
[0114]
在步骤608中，引导推荐模块响应于检测到目标用户针对所呈现的候选识别结果的选定操作，执行目标用户选定的候选识别结果所对应的操作。
[0115]
本公开的上述实施例提供的系统可以在技能解析模块无法识别出用户的意图时，由调度引导推荐模块对用户意图进行识别，具体的，引导推荐模块可以基于用户的语音信息和辅助信息进行用户意图的识别，获得候选识别结果，并将候选识别结果呈现给目标用户，以此，可以引导用户选择符合其真实意图的候选识别结果，相较于现有技术中在无法通过语音信息识别用户的真实意图的情况下，重复要求用户输入语音信息的方案，可以提高用户体验，并且可以提高对话效率。
[0116]
下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、
笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0117]
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0118]
通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0119]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
[0120]
需要说明的是，本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0121]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标用户输入的语音信息；基于语音信
息，对目标用户的用户意图进行识别；响应于未获得用于表征目标用户的用户意图的识别结果，获取与目标用户相关的辅助信息；基于语音信息和辅助信息，对目标用户的用户意图进行识别，生成用于表征目标用户的用户意图的识别结果。
[0122]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0123]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0124]
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取语音信息的单元”。
[0125]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。