一种语音关键词检测方法及系统
专利汇可以提供一种语音关键词检测方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 提供一种语音关键词检测方法及系统，方法包括：关键词语音实例和待检测语音由共享参数的长短时记忆网络转换成隐状态向量序列；使用可训练的度量矩阵计算两个所述隐状态向量序列之间的注意 力 矩阵；对注意力矩阵按行取最大值、按列取最大值分别得到关键词语音实例和待检测语音的注意力权重向量，再用注意力权重向量对对应的隐状态向量序列进行加权求和得到最终的定长向量；利用相似度度量计算检测分数，对所有的待检测语音根据所述检测分数进行排序，将检测分数较高的待检测语音作为结果输出。通过在语音编码的过程中使两个定长向量相互影响，有效保留相互关联的语义信息，同时注意力机制的引入消除了信息编码的 位置 偏见。，下面是一种语音关键词检测方法及系统专利的具体信息内容。
1.一种语音关键词的检测方法，其特征在于，包括如下步骤：
S1：关键词语音实例和待检测语音由共享参数的长短时记忆网络转换成隐状态向量序列；
S2：使用可训练的度量矩阵计算两个所述隐状态向量序列之间的注意力矩阵；
S3：对所述注意力矩阵按行取最大值、按列取最大值分别得到所述关键词语音实例和所述待检测语音的注意力权重向量，再用所述注意力权重向量对对应的所述隐状态向量序列进行加权求和得到最终的定长向量；
S4：利用相似度度量计算检测分数，对所有的所述待检测语音根据所述检测分数进行排序，将检测分数较高的所述待检测语音作为结果输出。
2.如权利要求1所述的语音关键词的检测方法，其特征在于，在步骤S3之后还包括如下步骤：
由所述定长向量通过解码重建所述关键词语音实例和所述待检测语音的语音序列，将重建的语音序列同原语音序列比较得到重建损失；将所述重建损失加入最终的训练损失，并通过反向传播算法训练模型在定长向量中保留语音序列的重建信息。
3.如权利要求1所述的语音关键词的检测方法，其特征在于，所述定长向量使用余弦相似度作为相似度度量的方式。
4.如权利要求1所述的语音关键词的检测方法，其特征在于，采用卷积神经网络、双向循环神经网络、时延神经网络计算所述关键词语音实例和所述待检测语音的隐状态向量序列。
5.如权利要求1所述的语音关键词的检测方法，其特征在于，采用前馈神经网络计算检测分数。
6.如权利要求1所述的语音关键词的检测方法，其特征在于，所述长短时记忆网络和所述度量矩阵是同时训练得到的。
7.如权利要求6所述的语音关键词的检测方法，其特征在于，所述训练的训练数据是语音识别数据集，所述语音识别数据集包含了语音数据和对应的文本标注数据；通过强制对齐切分出特定语义关键词的语音段，相同语义的语音段作为正样本对，不同语义的语音段作为负样本对。
8.如权利要求6所述的语音关键词的检测方法，其特征在于，所述训练的目标函数的设计使得相同语义的语音定长向量之间的距离更远，不同语义的语音定长向量之间的距离更近，所述距离指的是余弦距离；所述距离越近，检测分数越大；所述距离越远，检测分数越小。
9.一种语音关键词的检测系统，其特征在于，采用如权利要求1-8任一所述的方法进行语音关键词的检测。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一所述方法的步骤。
一种语音关键词检测方法及系统
技术领域
背景技术
关键词的语音实例和待检测语音，不需要使用语音识别技术就可以直接输出检测结果。现
有的基于实例查询的语音关键词检测系统由两部分组成：语音编码和相似度度量。语音编
码部分由长短时记忆网络组成，目的是将语音编码成定长向量。相似度度量一般使用余弦
相似度。首先语音编码部分将输入的关键词语音实例和待检测语音编码成两个定长向量，
然后使用相似度度量部分计算两个向量之间的相似度，最后根据相似度高低对语料库中所
有的待检测语音进行排序，输出相似度较高的语音。整个检测系统的关键在于设计语音编
码部分使得编码器能够有效提取语音中的语义信息，同时去除说话人、环境噪声以及情感
等与任务无关的信息。基于长短时记忆网络的语音编码器将语音的声学特征序列转换成隐
状态向量序列，然后将最后时刻的隐状态向量作为语音的定长向量。这种语音编码方式会
使定长向量保留更多靠后时间段的语义信息同时丢失许多靠前时间段的语义信息，这种现
象我们称为信息编码的位置偏见。而且关键词的语音实例和待检测语音的编码过程是相互
独立的，无法有效提取两者之间相互关联的语义信息。
定长向量之间的相似度，根据相似度高低对语料库中所有的待检测语音进行排序，输出相
似度较高的语音。
发明内容
所述隐状态向量序列之间的注意力矩阵；S3：对所述注意力矩阵按行取最大值、按列取最大
值分别得到所述关键词语音实例和所述待检测语音的注意力权重向量，再用所述注意力权
重向量对对应的所述隐状态向量序列进行加权求和得到最终的定长向量；S4：利用相似度
度量计算检测分数，对所有的所述待检测语音根据所述检测分数进行排序，将检测分数较
高的所述待检测语音作为结果输出。
损失；将所述重建损失加入最终的训练损失，并通过反向传播算法训练模型在定长向量中
保留语音序列的重建信息。
的语音段作为正样本对，不同语义的语音段作为负样本对。
检测分数越大；所述距离越远，检测分数越小。
具体实施方式
例仅仅用以解释本发明，并不用于限定本发明。
作用也可以是用于电路连通作用。
量序列进行加权求和得到最终的定长向量；
注意力矩阵G。对注意力矩阵按行取最大值以及按列取最大值可以分别得到关键词语音实
例和待检测语音的注意力权重向量σQ和σS，再用注意力权重向量对各自的隐状态向量序列
进行加权求和得到最终的定长向量VQ和VS。可训练的度量矩阵U可以使两段语音输入的编码
过程相互影响，从而更有效的提取相互关联的语义信息。使用注意力权重对隐状态向量序
列加权求和能够消除信息提取的位置偏见，防止丢失较多位置靠前的语义信息。
向量空间。可训练的度量矩阵可以从数据中学习到特定的映射，能够将不同域(例如不同语
言的语音)的输入映射到可比较相似度的向量空间。以上特性可以极大提升提取的定长向
量之间的可比较性。对于更复杂的数据分布，可以改进相似度度量为前馈神经网络。
包含了语音数据和对应的文本标注数据。通过强制对齐切分出特定语义(关键词)的语音
段，然后相同语义的语音段作为正样本对，不同语义的语音段作为负样本对。
短时记忆网络和度量矩阵参数能够将相同语义的语音输入映射到较近距离的两个向量，将
不同语义的语音输入映射到较远距离的两个向量。距离越近检测分数越大，距离越远检测
分数越小，最终用检测分数对语料库中所有的待检测语音排序就可以实现检测效果。
矩阵中所有的值都是待定参数，先初始化然后根据反向传播算法回传的目标函数梯度进行
更新，最终收敛。RNNs的训练同理。
损失，并通过反向传播算法训练模型在定长向量中保留语音序列的重建信息。
络计算检测分数。
序，在检测分数排名前20的返回结果中，现有技术有2个是包含“Apple”的语音段，而本发明有7个是包含“Apple”的语音段，命中率提升了两倍。
检测语音，通过语音编码器得到各自的定长向量，再用相似度度量部分计算检测分数。对语
料库中所有的待检测语音根据检测分数进行排序，将检测分数较高的语音作为结果输出。
序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算
机程序代码，所述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。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装
置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件
分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法
和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机
可读介质不包括电载波信号和电信信号。
关键词检测样例，检测分数排名前20的返回结果平均命中率均达到了30％以上的相对提
升。
方案，本发明提取的语音段定长向量受音素后缀的影响较小，修改音素后缀带来的定长向
量最小编辑距离变化降低了86％。
离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应
当视为属于本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种含在线修正的航空发动机智能多变量控制方法 | 2020-05-12 | 138 |
| 一种基于语义增强与多层次标签嵌入的短文本分类方法 | 2020-05-16 | 603 |
| 一种处理汽车气动系统数据的方法 | 2020-05-11 | 351 |
| 意图识别方法、装置、电子设备及可读存储介质 | 2020-05-14 | 139 |
| 一种基于机器学习的棒束子通道热工水力特性预测方法 | 2020-05-08 | 170 |
| 一种利用基于图论的多重交互网络机制解决视频问答问题的方法 | 2020-05-11 | 839 |
| 一种基于虚拟号牌的无牌车辆识别方法 | 2020-05-12 | 837 |
| 基于大数据的行业分类方法、装置、设备及存储介质 | 2020-05-11 | 412 |
| 一种基于动态注意力机制的多事件视频描述方法 | 2020-05-14 | 931 |
| 文本处理模型的运行方法、装置、电子设备、及存储介质 | 2020-05-14 | 95 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
