[发明专利]汽车乘员的对话模型

说明书

相关申请的交叉引用

本申请要求标题为“汽车乘员的对话模型”，申请日为2012年5月29日，系列号为61/652,569的美国临时专利申请的权益。该临时专利申请公开的内容被引用结合到本申请中，并根据37CFR1.78(a)(4)和(5)(i)的规定要求了其优先权。

背景技术

可以通过部署统计学对话建模，来提高由自动语音识别和语音生成促进的人机对话中的机器响应的质量。统计学对话建模利用包含“部分可观测马尔可夫决策过程”(POMDP)和贝叶斯网络的技术。有限状态机器“呼叫流”方法上的统计学方式的优势在于，通过从该对话系统与用户的样本交互中学习，以赋予该自动化系统对对话性能进行优化的能力。

图1是用于统计学语音对话建模的现有技术系统的概念性框图。步骤101接收音频输入，并将该输入送入到包括对话模型105的对话控制单元103中。对话控制单元103发送对话行为到语音生成单元109，以产生该对话的音频输出。对话日志111保存用于离线分析的对话。在一个独立的，典型的线下学习进程中，对话控制单元103也可发送数据日志到对话模块生成器107，来更新模型105或用另一个模型替换模型105。

发明内容

本发明的实施例提供了根据与汽车有关的因素，为不同群组的人类对话参与者设计对话模型的方法，其中该人类对话参与者为汽车的乘员。因而，人类对话参与者在本公开中有时被称为“乘员”。本发明的其它实施例提供了用于将参与者分组成为簇的方法，其中的每个簇都与一个对话模型相对应。根据本发明的实施例，对话是人类参与者与机器之间的双向交互，或是其任何交互部分。

与为所有对话参与者使用单一对话模型的现有技术系统相比，本发明的实施例为对话参与者群的不同分段使用了不同的对话模型。这方面增强了口头和多模型对话的性能；允许改变人机接口以区分特殊对话；通过提供更好的从语音识别错误的恢复，提高了鲁棒性；并且根据品牌来改变对话风格，从而支持汽车品牌。

根据簇设计对话模型

根据本发明的实施例，配置对话模型的设计者为对话的定制者确定一个或多个参数。从多个参数中导出特征向量，然后该设计者创造出与该特征向量的不同值相对应的对话模型集合。

利用参与的汽车乘员共有的特征，本发明的实施例优化了对话性能。在这些实施例中，这些特征与对话参与者有关，并且包括对话参与者的个人特征(如年龄范围，为驾驶员或乘客等)和参与者所处的情况的特征(如他们所乘坐的汽车，他们的位置等)。本发明的实施例使用特征的子集，这些特征包括但不限于：

汽车品牌；

汽车型号；

汽车情况(如移动、静止、停车、行程开始、到达目的地)；

车载对话系统的类型；

汽车地理位置(如大城市，郊区，农村等)；

路的类型(如城市，农村，高速等)；

星期几和请求的时间；

乘员的类型(驾驶员与乘客)；

乘员年龄。

在非限制性的例子中，设计者希望创造与驾驶员的年龄和汽车品牌相应的对话模型集合，其中驾驶员年龄的三个范围为年轻的，中年的和年长的，并且考虑四个不同的汽车品牌。

本例子中的特征向量的形式为{年龄，品牌}，设计者选择生成与簇编号0至6相应的7个对话模型，来覆盖由设计者详细说明的如下映射表的所有组合：