[01672948]基于人机对话的车载信息控制系统

在日常生活中，人们通过语言互相传递信息。人机对话系统至今已经有了50多年的历史，已成为自然语言处理中的热门研究内容。近年，由于汽车普及程度及其智能化水平逐步提高，研究基于人机对话的车载信息控制系统十分活跃。可以预期：未来5～10年内，基于人机对话的车载信息控制系统将会为驾驶员提供全新的智能化服务体验。基本原理：由于车载电子设备种类繁多，集成芯片及其相应的嵌入式系统功能非常强大，这就为电子设备配置复杂而庞大的集成对话系统成为可能。基于人机对话的车载信息控制系统结构如图所示，其中单箭头为控制线，双箭头为数据线。从结构图中可以看出，根据车载信息控制系统将任务分解为3个模块：语音识别与理解，自然语言生成，车载语料库构建。用户直接利用语音表达服务需求，通过语音识别和语言理解模块，将用户的请求转化为语音控制信号，车载电子设备根据输入的控制信号做出相应动作，并将响应结果（即设备状态）通知语言回答生成模块，最终以语音形式反馈给用户。与一般意义上的对话系统不同，车载对话服务系统具有明显的领域性。因此，领域的相关语料库贯穿整个系统，为车载服务平台提供智力支持。技术方案：总体设计方案分为语音识别模块、语言生成模块和逻辑控制三个方面。创新点：理论创新：车载内的人机对话信息控制系统由于特定的噪声环境，语音识别系统的识别率将受到严重影响。谱减方法语音增强技术是基于人的感觉特性，从输入信号的幅度谱中减去估计得来的噪声平均幅度谱，其效果相当于在变换域对带噪信号进行了某种均衡化处理。在自然语言生成模块中，提出一种基于模式与模板混合规划的方法，即采用语法规则描述句子结构，利用约束模板刻画短语，从而将语言生成复杂问题简化成:3个可分析的小步骤，即：分组与查找；成份角色排列；短语模板匹配、选择与替换。技术创新：针对人机对话的车载信息控制系统的语料库，选用PropBank作为训练库，运用基于Gaussianprior平滑技术的改进最大熵模型进行分类标注，将标注结果动态构建车载信息控制系统语料库。针对语言生成，提出二进制编码模型及相关操作算子，从而简化句子分组，以及短语模板泛化和特化工作。在语义成份角色排列和短语模板选择上，采用成熟的n-gram模型；在对话状态转移方面，采用基于隐马尔科夫过程的状态转移技术，使得系统输出句型和短语比较流畅。