语音交互方法、车辆、服务器、语音系统和存储介质与流程

1.本发明涉及语音技术，特别涉及一种语音交互方法、车辆、服务器、语音系统和计算机可读存储介质。


背景技术：

2.在相关技术中，语音系统对用户意图的判断不精确，语音系统难以准确识别用户的意图，使得用户的语音需求得不到满足，用户体验较差。


技术实现要素：

3.本发明提供一种语音交互方法、车辆、服务器、语音系统和计算机可读存储介质。
4.本发明的语音交互方法包括：对语音请求进行语音识别以获得文本信息；在所述文本信息为泛化地址搜索意图的情况下，提取所述文本信息的搜索关键词；根据实体链接知识图谱将所述搜索关键词中的待实体链接关键词进行实体链接以得到链接对象；根据推理知识图谱、所述搜索关键词和所述链接对象进行知识推理以确定地址列表。
5.上述语音交互方法中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
6.所述语音交互方法包括：收集历史语音请求；对所述历史语音请求进行语音识别以获得历史文本信息，所述历史文本信息包括有效历史文本信息和无效历史文本信息；去除所述无效历史文本信息；获取所述有效历史文本信息中的待实体链接历史关键词，所述实体链接知识图谱包括所述待实体链接历史关键词、标注的历史链接对象及所述待实体链接历史关键词和所述历史链接对象的历史链接关系。
7.如此，能够利用用户的历史语音请求生成实体链接知识图谱，既利用了强大的知识图谱技术，也贴合了用户的使用习惯，使得实体链接知识图谱更加精准。
8.所述语音交互方法包括：获取地址相关知识；根据所述地址相关知识确定地址与地址之间的关系以作为所述推理知识图谱。
9.如此，可以根据地址相关知识生成推理知识图谱。
10.所述获取地址相关知识，包括：获取预设类型的地址相关知识。
11.如此，减少地址相关知识的数量，从而能够快速得到推理知识图谱。
12.所述文本信息包括有效文本信息和无效文本信息，所述语音交互方法包括：去除所述无效文本信息；对所述有效文本信息进行校正以得到校正文本信息；识别所述校正文本信息以判断所述校正文本信息是否为泛化地址搜索意图。
13.如此，能够去除无效文本信息和对有效文本信息进行校正，从而便于后续更加快速、准确地判断校正文本信息是否为泛化地址搜索意图。
14.所述在所述文本信息为泛化地址搜索意图的情况下，提取所述文本信息的搜索关
键词，包括：在所述文本信息为泛化地址搜索意图的情况下，提取预设类型的搜索关键词。
15.如此，能够提取预设类型的搜索关键词以进行知识推理。
16.本发明的车辆包括一个或多个处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行的情况下，实现上述任意一种实施方式的语音交互方法的步骤。
17.上述车辆中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
18.本发明的服务器包括一个或多个处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行的情况下，实现上述任意一种实施方式的语音交互方法的步骤。
19.上述服务器中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
20.本发明的语音系统包括车辆和服务器。所述车辆用于采集语音请求；所述服务器用于：接收所述车辆传输的所述语音请求并对语音请求进行语音识别以获得文本信息，在所述文本信息为泛化地址搜索意图的情况下，提取所述文本信息的搜索关键词，根据实体链接知识图谱将所述搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，根据推理知识图谱、所述搜索关键词和所述链接对象进行知识推理以确定地址列表。
21.上述语音系统中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
22.本发明的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任意一种实施方式的语音交互方法。
23.上述计算机可读存储介质中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
24.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
25.本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
26.图1和图2是本发明的语音交互方法的流程示意图；
27.图3是本发明的车辆的示意图；
28.图4是本发明的语音系统的示意图；
29.图5至图10是本发明的语音交互方法的流程示意图；
30.图11是本发明的车辆与计算机可读存储介质连接的示意图。
31.主要元件符号说明：
32.语音系统10、车辆12、服务器14、处理器101、存储器102、计算机可读存储介质50。
具体实施方式
33.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
34.在相关技术中，语音系统对用户意图的判断不精确，语音系统难以准确识别用户的意图，使得用户的语音需求得不到满足，用户体验较差。
35.具体地，相关技术的语音系统未对用户的意图进行精确的识别，导致语音系统不能精确的识别出用户真实的需求，从而给出的识别结果不精确。例如，用户的语音请求为“导航到附近免费的地上停车场”，相关技术的语音系统通常只是简单地提取一些词语：“附近”、“免费的”、“停车场”等，但是没有精确地确定地址列表，用户体验较差。
36.请参阅图1和图3，本发明的语音交互方法包括：
37.012：对语音请求进行语音识别以获得文本信息；
38.014：在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词；
39.016：根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象；
40.018：根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表。
41.请参阅图3和图4，本发明的语音交互方法可以应用于本发明的车辆12或服务器14，其中，当语音交互方法应用于车辆12时，车辆12的麦克风可以接收用户的语音请求，然后语音请求可以转发至车辆12的处理器101进行处理；当语音交互方法应用于服务器14时，车辆12的麦克风可以接收用户的语音请求，然后语音请求可以转发至服务器14的处理器101进行处理，服务器14可以将语音请求的处理结果转发至车辆12，车辆12和服务器14形成语音系统10。本发明的车辆12和服务器14也可以配合实现本发明的语音交互方法，即本发明的语音交互方法的部分步骤可以由车辆12实现，另外部分步骤可以由服务器14实现，在此不做具体限定。
42.语音请求可以为原始音频元件，对语音请求进行语音识别(automatic speech recognition，asr)可以获得文本信息。
43.利用意图预测模型识别文本信息，从而可以判断文本信息是否为泛化地址搜索意图。泛化地址搜索意图是指用户在车辆12行驶过程中的目的地是泛化的地址，“帮忙找一下附近的还在营业的快餐店，最好便宜一些的”，“帮我导航到某某公园旁边免费的停车场”，而不是一个明确的地点或者其他非地址搜索意图(例如音乐播放、天气查询等)，下文将明确的地点搜索意图和其他非地址搜索意图统称为非泛化地址搜索意图。
44.在文本信息为泛化地址搜索意图的情况下，可以提取文本信息的搜索关键词，搜索关键词可以是与搜索有关的词语，例如“帮忙找一下附近的还在营业的快餐店，最好便宜
一些的”对应的关键词为“附近的”、“还在营业的”、“快餐店”和“便宜”等。结合搜索关键词和实体链接知识图谱可以将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，其中，待实体链接关键词可以是地址实体，例如可以通过命名实体识别(named entity recognition，ner)得到所有的地址实体，例如“某大”、“羊城”等，通过实体链接知识图谱对待实体链接关键词进行实体链接，从而可以得到更加明确的地址名称以作为链接对象，例如“某大”进行实体链接可以得到的链接对象例如为“某某大学”；“羊城”进行实体链接可以得到的链接对象例如为“广州”。在得到链接对象后，可以将搜索关键词中的待实体连接关键词替换为对应的链接对象，然后再通过推理知识图谱进行知识推理，从而可以确定地址列表，例如“导航到某大附近免费的地上停车场”，此处的搜索关键词包括“某大”、“免费的”、“附近”、“停车场”，可以将“某大”实体链接为“某某大学”，然后结合“免费的”、“附近”、“停车场”进行知识推理，生成符合用户预期的地址列表。地址列表可以是指满足搜索关键词的多个地址所形成的列表。实体链接知识图谱和推理知识图谱可以预先存储在车辆12的数据库或服务器14的数据库中，数据库例如为neo4j，在此不做具体限定。
45.步骤012、步骤014、步骤016和步骤018可以视作语音交互方法的在线流程，其中，在线流程可以是指应用实体链接知识图谱、推理知识图谱的过程。建立实体链接知识图谱、推理知识图谱的过程可以视作语音交互方法的离线流程。
46.上述语音交互方法中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
47.在确定地址列表后，可以将地址列表发送给下游服务，下游服务例如为地图服务器，地图服务器可以根据地址列表进行搜索并将搜索结果反馈给用户(例如在地图中把地址列表中的各个地址用红点标记出来)。
48.请参阅图5和图6，语音交互方法包括：
49.022：收集历史语音请求；
50.024：对历史语音请求进行语音识别以获得历史文本信息，历史文本信息包括有效历史文本信息和无效历史文本信息；
51.026：去除无效历史文本信息；
52.028：获取有效历史文本信息中的待实体链接历史关键词，实体链接知识图谱包括待实体链接历史关键词、标注的历史链接对象及待实体链接历史关键词和历史链接对象的历史链接关系。
53.如此，能够利用用户的历史语音请求生成实体链接知识图谱，既利用了强大的知识图谱技术，也贴合了用户的使用习惯，使得实体链接知识图谱更加精准。
54.具体地，为了保护用户隐私，可以在用户允许的基础上，收集历史语音请求，其中，历史语音请求可以是从不同车辆收集。为了使得实体链接知识图谱更加丰富，收集的历史语音请求的数量可以超过1万条，如此，后续建立的实体链接知识图谱可以尽量覆盖常见的地址别名。可以理解，收集的历史语音请求的数量越多，可以使得实体链接知识图谱更加丰富；收集的历史语音请求的数量越少，可以更快地建立实体链接知识图谱。对历史语音请求进行语音识别后获得历史文本信息，其中，历史文本信息包括有效历史文本信息和无效文
本信息，因此，可以对历史文本信息进行筛选，具体可以为：筛选掉无效历史文本信息，例如明显语义不明确的历史文本信息，以及一些只包含语气词，比如“啊”，“哦”等较短的历史文本信息，留下语义明确同时包含具体目的的历史文本信息，比如“导航到某某大学”，“帮我打开空调”，“搜一下附近的医院”，“播放周某某的歌曲”，“今天天气怎么样”等。可以获取保留的有效历史文本信息中的待实体链接历史关键词，然后对待实体链接历史关键词进行人工标注以得到历史链接对象，然后可以建立待实体链接历史关键词与历史链接对象的历史链接关系，从而可以形成实体链接三元组，例如待实体链接历史关键词为“某大”，对“某大”进行人工补全可得到历史链接对象“某某大学”，“某大”是“某某大学”的别名，因此，可以建立《某大，别名，某某大学》作为实体链接三元组；又例如待实体链接历史关键词为“羊城”，对“羊城”进行人工标注可得到历史链接对象“广州”，“羊城”是“广州”的别名，因此，可以建立《广州，别名，羊城》作为实体链接三元组。其中，待实体链接历史关键词可以是指有效历史文本信息中的待实体链接关键词，在本发明中，可以建立实体链接体系，具体地，在该实体链接体系下，可以只对地名的待实体链接关键词进行人工标注，进而形成相应的实体链接三元组，如此，可以根据较少的实体链接三元组形成实体链接知识图谱。
55.语音交互方法包括：利用有效历史文本信息对预训练模型进行训练以获得更新模型。
56.如此，能够结合用户的历史语音请求和预训练模型得到更新模型，既利用了强大的预训练技术，也贴合了用户的使用习惯，使得更新模型效果更佳。
57.具体地，利用保留的有效历史文本信息可以对预训练模型进行训练，其中，预训练模型可以为开源的预训练模型，例如bert模型、sbert模型、nezha模型等，结合有效历史文本信息进行训练后，可以使得训练后的预训练模型的权重能够更加好地拟合车载情况下用户口语化严重的场景，然后输出新版权重的预训练模型以作为更新模型。
58.有效历史文本信息包括泛化地址搜索信息和非泛化地址搜索信息，泛化地址搜索信息标注有历史搜索关键词，泛化地址搜索信息包括训练集、验证集和测试集；语音交互方法包括：利用更新模型、训练集和验证集训练关键词识别模型；利用测试集测试关键词识别模型并获得通过测试的关键词识别模型以作为输出模型，输出模型能够用于提取搜索关键词。
59.如此，可以利用泛化地址搜索信息训练获得能够用于提取搜索关键词的输出模型。
60.具体地，有效历史文本信息被划分为具有泛化地址搜索意图的文本信息(泛化地址搜索信息)和具有非泛化地址搜索意图的文本信息(非泛化地址搜索信息)，可以对泛化地址搜索信息进行人工标注，标注的信息为历史搜索关键词，比如针对“导航到附近的免费停车场”的泛化地址搜索信息，历史搜索关键词可以为“附近的”、“免费”等。为了提升训练效果，泛化地址搜索信息的有效标注量可以大于5000。可以将泛化地址搜索信息划分为训练集、验证集和测试集，利用更新模型对训练集和验证集进行预处理，预处理后的训练集和验证集能够用于对关键词识别模型进行训练，其中，关键词识别模型可以是深度学习模型，例如卷积神经网络(convolutional neural networks，cnn)等。训练过程可以在服务器14的gpu中进行加速训练，利用服务器14的gpu的强大处理能力能够提高训练速度。训练完成后关键词识别模型可以输出作为输出模型，利用测试集对输出模型进行测试以验证输出模
型的效果，如果输出模型通过测试，则可以在在线流程中利用通过测试的输出模型提取搜索关键词；如果输出模型没通过测试，则可以增加泛化地址搜索信息的数据量并再进行训练直至通过测试。
61.有效历史文本信息标注有泛化地址搜索意图或非泛化地址搜索意图，有效历史文本信息包括文本训练集、文本验证集和文本测试集；语音交互方法包括：利用更新模型、文本训练集和文本验证集训练分类模型以获得意图预测模型；利用文本测试集测试意图预测模型。
62.如此，可以利用有效历史文本信息训练获得意图预测模型。
63.具体地，可以对有效历史文本信息进行人工标注，标注的目标是是《0，1》，其中0代表为非泛化地址搜索意图，1代表为泛化地址搜索意图，有效历史文本信息划分为文本训练集、文本验证集和文本测试集。利用更新模型对文本训练集和文本验证集进行预处理，预处理后的文本训练集和文本验证集能够用于对分类模型进行训练，其中，分类模型可以是深度学习模型，例如卷积神经网络(convolutional neural networks，cnn)等。训练过程可以在服务器14的gpu中进行加速训练，利用服务器14的gpu的强大处理能力能够提高训练速度。训练完成后分类模型可以输出作为意图预测模型，利用文本测试集对意图预测模型进行测试以验证意图预测模型的效果，如果意图预测模型通过测试，则可以在在线流程中利用通过测试的意图预测模型识别文本信息以判断文本信息是否为泛化地址搜索意图；如果意图预测模型没通过测试，则可以增加有效历史文本信息的数据量并再进行训练直至通过测试。
64.利用意图预测模型识别文本信息以判断文本信息是否为泛化地址搜索意图，包括：利用意图预测模型识别文本信息以获得文本信息为泛化地址搜索意图的判别概率；在判别概率大于第一预设概率的情况下，确定文本信息为泛化地址搜索意图；在判别概率小于第一预设概率的情况下，确定文本信息为非泛化地址搜索意图。
65.如此，能够通过泛化地址搜索意图的判别概率确定文本信息是否为泛化地址搜索意图。
66.具体地，使用意图预测模型识别文本信息后，可以给出《0，1》两个类别上的判别概率，如果判别为1的概率超过第一预设概率(例如为0.9)，那么可以认为文本信息为泛化地址搜索意图，可以进一步提取文本信息的搜索关键词并结合用户界面元素来确定地址搜索范围；其他情况可以认为文本信息为非泛化地址搜索意图，即，可能为明确的地点搜索意图或者其他非地址搜索意图(例如音乐播放、天气查询等)，因此可以采用其他方案来进一步识别，在此不做具体限定。
67.请参阅图6和图7，语音交互方法包括：
68.032：获取地址相关知识；
69.034：根据地址相关知识确定地址与地址之间的关系以作为推理知识图谱。
70.如此，可以根据地址相关知识生成推理知识图谱。
71.具体地，可以在法律限定范围内，通过公开的手段获取互联网上开放的地址相关知识，对获取到的地址相关知识进行结构化清洗，然后构建为图谱结构化三元组数据，三元组数据可以是两个地址及两个地址之间的关系，例如地址相关知识为“某某公司在某某大学附近”，则经过结构化清洗后可以形成知识推理三元组《某某大学，附近，某某公司》；又例
如地址相关知识为“某某大学附近的停车场有某某停车场”，则经过结构化清洗后可以形成知识推理三元组《某某大学，停车场，某某停车场》。为了使得推理知识图谱更加丰富，地址相关知识应尽量覆盖一线城市(北上广深等)。
72.请参阅图6和图8，获取地址相关知识(步骤032)，包括：
73.0322：获取预设类型的地址相关知识。
74.如此，减少地址相关知识的数量，从而能够快速得到推理知识图谱。
75.可以制定搜索关键词的推理类别，具体地，可以将出现频率高于预设频率的地址与地址之间的关系类型作为预设类型。预设类型例如包括三类，第一类为圆形覆盖的范围，包含的搜索关键词为“附近”，“周边”等；第二类为价格限定，包含的搜索关键词比如“便宜的”，“最好的”，“免费的”等；第三类为特定范围词，包含的搜索关键词比如“地上的”，“地下的”，“我可以看见的”等。非预设类型的地址相关知识在实际应用中极少用到，因此，可以不获取对应的地址相关知识，从而能够减少地址相关知识的数量，从而能够快速得到推理知识图谱。
76.请参阅图2和图9，文本信息包括有效文本信息和无效文本信息，语音交互方法包括：
77.042：去除无效文本信息；
78.044：对有效文本信息进行校正以得到校正文本信息；
79.046：识别校正文本信息以判断校正文本信息是否为泛化地址搜索意图。
80.如此，能够去除无效文本信息和对有效文本信息进行校正，从而便于后续更加快速、准确地判断校正文本信息是否为泛化地址搜索意图。
81.具体地，文本信息包括有效文本信息和无效文本信息，因此，可以对文本信息进行筛选，具体可以为：筛选掉无效文本信息，例如明显语义不明确的文本信息，以及一些只包含语气词，比如“啊”，“哦”等较短的文本信息，留下语义明确同时包含具体目的的文本信息，比如“导航到某某大学”，“帮我打开空调”，“搜一下附近的医院”，“播放周某某的歌曲”，“今天天气怎么样”等。在实际应用场景中，由于车辆12的硬件限制、网络不稳定型，用户口语化或者方言化等原因导致文本信息不够清晰准确，因此可以对有效文本信息进行校正，例如进行一些常规文本纠错，比如“导航到附近的没事”纠正为“导航到附近的美食”等。校正获得校正文本信息后，可以识别校正文本信息以判断校正文本信息是否为泛化地址搜索意图。
82.请参阅图10，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词(步骤014)，包括：
83.0142：在文本信息为泛化地址搜索意图的情况下，提取预设类型的搜索关键词。
84.如此，能够提取预设类型的搜索关键词以进行知识推理。
85.具体地，在获得推理知识图谱时，本发明可以只获取预设类型的地址相关知识，形成的推理知识图谱也只是用于对预设类型的搜索关键词进行知识推理的，因此，在线过程中，可以只提取预设类型的搜索关键词，对非预设类型的搜索关键词可以不进行提取、不进行实体链接和不进行知识推理。其中，预设类型可以是出现频率高于预设频率的地址与地址之间的关系类型。预设类型例如包括三类，第一类为圆形覆盖的范围，包含的搜索关键词为“附近”，“周边”等；第二类为价格限定，包含的搜索关键词比如“便宜的”，“最好的”，“免
费的”等；第三类为特定范围词，包含的搜索关键词比如“地上的”，“地下的”，“我可以看见的”等。
86.请参阅图3，本发明的车辆12包括一个或多个处理器101和存储器102，存储器102存储有计算机程序，计算机程序被处理器101执行的情况下，实现上述任意一种实施方式的语音交互方法的步骤。
87.例如，计算机程序被处理器101执行的情况下，可以实现：
88.012：对语音请求进行语音识别以获得文本信息；
89.014：在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词；
90.016：根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象；
91.018：根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表。
92.上述车辆12中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
93.请参阅图4，本发明的服务器14包括一个或多个处理器101和存储器102，存储器102存储有计算机程序，计算机程序被处理器101执行的情况下，实现上述任意一种实施方式的语音交互方法的步骤。
94.例如，计算机程序被处理器101执行的情况下，可以实现：
95.012：对语音请求进行语音识别以获得文本信息；
96.014：在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词；
97.016：根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象；
98.018：根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表。
99.上述服务器14中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
100.请参阅图4，本发明的语音系统10包括车辆12和上述任意一种实施方式的服务器14。车辆12用于采集语音请求。服务器14用于：接收车辆12传输的语音请求并对语音请求进行语音识别以获得文本信息；在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词；根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象；根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表。
101.上述语音系统10中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
102.请参阅图11，本发明的计算机可读存储介质50，其上存储有计算机程序，计算机程序被处理器101执行时实现上述任意一种实施方式的语音交互方法。
103.例如，计算机程序被处理器101执行时可以实现：
104.012：对语音请求进行语音识别以获得文本信息；
105.014：在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词；
106.016：根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象；
107.018：根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表。
108.上述计算机可读存储介质50中，在文本信息为泛化地址搜索意图的情况下，提取文本信息的搜索关键词，从而可以根据实体链接知识图谱将搜索关键词中的待实体链接关键词进行实体链接以得到链接对象，并根据推理知识图谱、搜索关键词和链接对象进行知识推理以确定地址列表，进而便于进行精准的地址搜索。
109.在本发明中，计算机程序包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。处理器101可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
110.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
111.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
112.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
113.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。