一种基于语义分析的人机交互方法、装置及电子设备与流程

本技术涉及机器人领域，具体涉及一种基于语义分析的人机交互方法、装置及电子设备。

背景技术：

1、随着仓储自动化和智能化技术的快速发展，仓储机器人在物流、仓库管理及配送中的应用越来越广泛。这些机器人能够显著提高仓储操作的效率和准确性，减少人力成本。同时，随着业务需求的多样化和复杂化，操作人员通过语音识别与仓储机器人进行有效的人机交互显得尤为重要，这直接影响到操作的灵活性和响应速度。

2、目前，仓储机器人相关的人机交互系统往往只支持一种语言，对于多语种环境的准确性较差。

3、因此，亟需一种基于语义分析的人机交互方法、装置及电子设备。

技术实现思路

1、本技术提供了一种基于语义分析的人机交互方法、装置及电子设备，提高了对于多语种环境的人机交互的准确性。

2、在本技术的第一方面提供了一种基于语义分析的人机交互方法，该方法包括：获取操作人员的语音指令；识别所述语音指令对应的目标语言种类；根据所述目标语言种类修改预设语言模型的参数，得到对应的目标语言模型；根据所述目标语言模型，将所述语音指令转化为文本内容；对所述文本内容进行关键字提取，得到对应的关键字；将所述关键字与预设知识图谱中的仓储业务实体进行关联，得到对应的仓储业务语义信息；将所述仓储业务语义信息转化为对应的控制指令序列，并根据所述控制指令序列执行对应的仓储操作。

3、通过采用上述技术方案，通过获取操作人员的语音指令，识别语音指令对应的目标语言种类，并根据目标语言种类修改预设语言模型的参数，得到对应的目标语言模型，可以适应不同语言环境下的语音识别需求，提高语音识别的准确率和适应性。利用目标语言模型将语音指令转化为文本内容，并对文本内容进行关键字提取，将关键字与预设知识图谱中的仓储业务实体关联，获得对应的仓储业务语义信息，实现了语音指令到仓储业务语义的准确映射。最后，将仓储业务语义信息转化为对应的控制指令序列，并根据控制指令序列执行仓储操作，实现了语音指令到仓储操作的自动化控制，提高了人机交互的效率和准确性，减少了人工操作的错误率，提升了仓储管理的智能化水平。

4、可选的，所述识别所述语音指令对应的目标语言种类，具体包括：提取所述语音指令的声学特征；将所述声学特征输入预设识别模型，得到各个语言种类的似然度分数；对多个所述似然度分数按从大到小进行排序，得到目标似然度分数，所述目标似然度分数为多个所述似然度分数中的最大似然度分数；确定所述目标似然度分数对应的所述目标语言种类。

5、通过采用上述技术方案，通过提取语音指令的声学特征，并将声学特征输入预设识别模型，得到各个语言种类的似然度分数，对似然度分数进行排序，获取最大似然度分数对应的目标语言种类，可以准确地识别出语音指令所属的语言种类。这种基于声学特征和似然度分数的语言种类识别方法，充分利用了语音指令的声学特征信息，结合预设识别模型进行计算和判断，提高了语言种类识别的精确度。同时，通过似然度分数排序和最大似然度选择，可以从多个候选语言种类中确定最可能的目标语言种类，为后续的语言模型适配和语义分析奠定了良好的基础。

6、可选的，所述参数包括词汇表和概率分布，所述根据所述目标语言种类修改预设语言模型的参数，得到对应的目标语言模型，具体包括：获取目标语言种类对应的目标词汇表，将所述预设语言模型的词汇表替换为所述目标词汇表；获取所述目标语言种类的n元语言模型，并根据所述n元语言模型替换所述预设语言模型的概率分布，得到所述目标语言模型。

7、通过采用上述技术方案，通过获取目标语言种类对应的目标词汇表，将预设语言模型的词汇表替换为目标词汇表，可以快速适配目标语言种类的词汇特点，提高预设语言模型对目标语言的表达能力。同时，获取目标语言种类的n元语言模型，并根据n元语言模型替换预设语言模型的概率分布，得到目标语言模型，可以充分利用目标语言种类的语法和语义特点，提高预设语言模型对目标语言种类的建模精度。通过词汇表替换和概率分布替换，可以快速生成适配目标语言种类的目标语言模型，目标语言模型的生成也为后续的语音识别和语义分析提供了更加准确和可靠的语言表示，提升了整个人机交互系统的性能和效果。

8、可选的，所述对所述文本内容进行关键字提取，得到对应的关键字，具体包括：对所述文本内容进行分词处理，得到分词结果；对所述分词结果进行词性标注，得到词性标注结果；从所述词性标注结果中提取出名词、动词、形容词以及数词作为所述关键字。

9、通过采用上述技术方案，通过对文本内容进行分词处理，可以将文本内容划分为最小的语义单元，为后续的关键字提取和语义分析奠定基础。对分词结果进行词性标注，可以识别出每个词的词性信息，为关键字提取提供重要的语法依据。从词性标注结果中提取出名词、动词、形容词以及数词作为关键字，可以充分利用这些词性在表达语义方面的重要作用，获取文本内容的核心语义信息。通过分词、词性标注和关键字提取，可以从文本内容中准确地识别出关键的语义成分，减少了无关信息的干扰，提高了语义分析的针对性和效率。同时，这种基于词性的关键字提取方法，也具有良好的语言适应性，可以应用于不同语种和领域的文本分析任务，提升了关键字提取的通用性和实用性。

10、可选的，所述将所述关键字与预设知识图谱中的仓储业务实体进行关联，得到对应的仓储业务语义信息，具体包括：计算所述关键字与所述预设知识图谱中的所述仓储业务实体的语义相似度；若确定所述关键字与所述仓储业务实体的相似度大于预设相似度阈值，则确定所述仓储业务实体对应的仓储业务语义信息。

11、通过采用上述技术方案，通过计算关键字与预设知识图谱中仓储业务实体的语义相似度，可以量化关键字与仓储业务实体之间的语义关联程度，为关键字与仓储业务实体的匹配提供了可度量的依据。通过设置预设相似度阈值，可以控制关键字与仓储业务实体匹配的精度和召回率，提高匹配结果的可靠性。当关键字与仓储业务实体的相似度大于预设相似度阈值时，可以确定该实体对应的仓储业务语义信息，实现关键字到仓储业务语义信息的准确映射。这种基于语义相似度的关键字与实体匹配方法，充分利用了知识图谱中的语义信息，通过计算相似度来建立关键字与实体之间的关联，提高了语义理解的精确度。同时，通过预设相似度阈值的设置，可以灵活调整匹配的粒度和范围，适应不同的应用场景和需求。

12、可选的，所述将所述仓储业务语义信息转化为对应的控制指令序列，具体包括：根据所述仓储业务语义信息，提取出对应的仓储操作类型和仓储操作参数；根据所述仓储操作类型，生成对应的操作流程；将所述仓储操作参数填充至所述操作流程，得到目标操作流程；将所述目标操作流程中的各个操作转化为对应的控制指令，形成所述控制指令序列。

13、通过采用上述技术方案，通过根据仓储业务语义信息提取出对应的仓储操作类型和仓储操作参数，可以将语义信息转化为可执行的操作指令，为自动化控制提供了明确的目标和参数。根据仓储操作类型生成对应的操作流程，可以将复杂的仓储操作分解为一系列有序的步骤，提高操作的规范性和可控性。将仓储操作参数填充至操作流程，得到目标操作流程，可以将具体的仓储操作参数与操作步骤结合起来，形成完整的操作指令序列。最后，将目标操作流程中的各个操作转化为对应的控制指令，形成控制指令序列，可以直接驱动仓储设备执行相应的操作，实现自动化控制。这种将语义信息转化为控制指令序列的方法，实现了从语义理解到操作执行的无缝衔接，提高了人机交互的效率和准确性。同时，通过操作流程的生成和参数填充，可以根据不同的语义信息动态生成相应的控制指令，具有较强的灵活性和适应性，可以应对多变的仓储业务场景和需求。

14、可选的，所述获取操作人员的语音指令之前，所述方法还包括：收集多种语言的语料数据，对所述语料数据进行清洗和预处理；对各种所述语言的语料数据进行分词处理，得到各个所述语言的词汇表；基于所述词汇表，统计各个所述语言的n元语法频次，得到各个所述语言的n元语法模型；根据所述n元语法模型，计算各个所述语言的n元语法概率，得到各个所述语言的概率分布；将各个所述语言的词汇表和概率分布存储为所述预设语言模型。

15、通过采用上述技术方案，通过收集多种语言的语料数据，并对语料数据进行清洗和预处理，可以获得高质量的语言数据资源，为构建预设语言模型奠定了良好的数据基础。对各种语言的语料数据进行分词处理，得到各个语言的词汇表，可通过收集多种语言的语料数据，并对语料数据进行清洗和预处理，可以获得高质量的语言数据资源，为构建预设语言模型奠定了良好的数据基础。

16、在本技术的第二方面提供了一种基于语义分析的人机交互装置，该装置包括：获取模块和处理模块，其中：所述获取模块，用于获取操作人员的语音指令；所述处理模块，用于识别所述语音指令对应的目标语言种类；所述处理模块，还用于根据所述目标语言种类修改预设语言模型的参数，得到对应的目标语言模型；所述处理模块，还用于根据所述目标语言模型，将所述语音指令转化为文本内容；所述处理模块，还用于对所述文本内容进行关键字提取，得到对应的关键字；所述处理模块，还用于将所述关键字与预设知识图谱中的仓储业务实体进行关联，得到对应的仓储业务语义信息；所述处理模块，还用于将所述仓储业务语义信息转化为对应的控制指令序列，并根据所述控制指令序列执行对应的仓储操作。

17、在本技术的第三方面提供了一种电子设备，包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于与其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项所述的方法。

18、在本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上述任意一项所述的方法。

19、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

20、1、通过获取操作人员的语音指令，识别语音指令对应的目标语言种类，并根据目标语言种类修改预设语言模型的参数，得到对应的目标语言模型，可以适应不同语言环境下的语音识别需求，提高语音识别的准确率和适应性。利用目标语言模型将语音指令转化为文本内容，并对文本内容进行关键字提取，将关键字与预设知识图谱中的仓储业务实体关联，获得对应的仓储业务语义信息，实现了语音指令到仓储业务语义的准确映射。最后，将仓储业务语义信息转化为对应的控制指令序列，并根据控制指令序列执行仓储操作，实现了语音指令到仓储操作的自动化控制，提高了人机交互的效率和准确性，减少了人工操作的错误率，提升了仓储管理的智能化水平。

21、2、通过提取语音指令的声学特征，并将声学特征输入预设识别模型，得到各个语言种类的似然度分数，对似然度分数进行排序，获取最大似然度分数对应的目标语言种类，可以准确地识别出语音指令所属的语言种类。这种基于声学特征和似然度分数的语言种类识别方法，充分利用了语音指令的声学特征信息，结合预设识别模型进行计算和判断，提高了语言种类识别的精确度。同时，通过似然度分数排序和最大似然度选择，可以从多个候选语言种类中确定最可能的目标语言种类，为后续的语言模型适配和语义分析奠定了良好的基础。

22、3、通过获取目标语言种类对应的目标词汇表，将预设语言模型的词汇表替换为目标词汇表，可以快速适配目标语言种类的词汇特点，提高预设语言模型对目标语言的表达能力。同时，获取目标语言种类的n元语言模型，并根据n元语言模型替换预设语言模型的概率分布，得到目标语言模型，可以充分利用目标语言种类的语法和语义特点，提高预设语言模型对目标语言种类的建模精度。通过词汇表替换和概率分布替换，可以快速生成适配目标语言种类的目标语言模型，目标语言模型的生成也为后续的语音识别和语义分析提供了更加准确和可靠的语言表示，提升了整个人机交互系统的性能和效果。