本發(fā)明涉及語言智能處理，具體為基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)。

背景技術(shù)：

1、隨著語音識(shí)別技術(shù)的快速發(fā)展，越來越多的行駛車會(huì)配備智能語音識(shí)別系統(tǒng)，通常會(huì)通過語音識(shí)別技術(shù)實(shí)施一種聽從指令、回答問題的智能語音服務(wù)，同時(shí)還能夠與車輛的導(dǎo)航、音響、空調(diào)等系統(tǒng)進(jìn)行聯(lián)動(dòng)，實(shí)現(xiàn)語音控制車載系統(tǒng)的功能。

2、目前市場(chǎng)上，設(shè)置在車載終端的語音識(shí)別處理系統(tǒng)能夠先識(shí)別設(shè)定的啟動(dòng)語音，之后會(huì)啟動(dòng)并進(jìn)行答復(fù)，然后接收接下來的語音指令，有序進(jìn)行分析并發(fā)送相關(guān)指令。

3、但是在實(shí)際載人的使用場(chǎng)景過程中，發(fā)現(xiàn)駕駛者與乘坐者間的語言數(shù)據(jù)并不會(huì)高效且精準(zhǔn)地識(shí)別，且語言處理不具備個(gè)性化處理，導(dǎo)致車載控制屏終端處的人機(jī)交互體驗(yàn)變差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，包括：

3、語言建庫模塊，借助語言表示模型建立語言信息的語庫，存儲(chǔ)有若干執(zhí)行指令，所述語言建庫模塊設(shè)置為持續(xù)更新狀態(tài)，具備持續(xù)學(xué)習(xí)功能；

4、識(shí)別認(rèn)證模塊，用于預(yù)先錄入車輛駕駛者所持有的特有特征與身份信息；

5、數(shù)據(jù)采集模塊，用于進(jìn)行數(shù)據(jù)識(shí)別與采集，其中包括語言采集、情景采集與情緒的采集識(shí)別，并將其采集的數(shù)據(jù)進(jìn)行量化；

6、數(shù)據(jù)分析模塊，所述數(shù)據(jù)分析模塊與所述數(shù)據(jù)采集模塊信號(hào)連接，用于提取所述語言建庫模塊中與執(zhí)行指令相對(duì)應(yīng)的語言信息；

7、指令執(zhí)行模塊，所述指令執(zhí)行模塊與所述語言建庫模塊信號(hào)連接，用以執(zhí)行相應(yīng)指令，所述指令執(zhí)行模塊還包括強(qiáng)化學(xué)習(xí)模塊，所述強(qiáng)化學(xué)習(xí)模塊用于將采集到的未收錄詞存儲(chǔ)至待學(xué)習(xí)語庫。

8、本發(fā)明進(jìn)一步說明，所述語言建庫模塊將語言信息分為常規(guī)詞與關(guān)鍵詞，所述常規(guī)詞與關(guān)鍵詞進(jìn)行配合使用，構(gòu)成能夠涵蓋語言信息的語句架構(gòu)；

9、所述關(guān)鍵詞分為有效詞、惡劣詞，所述惡劣詞為暫時(shí)已收錄的不禮貌用詞，能夠根據(jù)駕駛者的個(gè)人習(xí)慣進(jìn)行惡劣詞詞庫的刪改與補(bǔ)充，由此進(jìn)行不斷地強(qiáng)化學(xué)習(xí)，惡劣詞用以表達(dá)語音傳達(dá)者的情景態(tài)度。

10、本發(fā)明進(jìn)一步說明，所述數(shù)據(jù)采集模塊信號(hào)連接：

11、一組壓力傳感器，設(shè)置于車內(nèi)的各個(gè)座位處，用于位置識(shí)別，獲取各個(gè)座位的乘坐情況；

12、一組聲音收集器，依次設(shè)置于一組所述壓力傳感器的一側(cè)，用于進(jìn)行非駕駛位的語言采集。

13、本發(fā)明進(jìn)一步說明，所述數(shù)據(jù)采集模塊包括：

14、語言采集模塊，所述語言采集模塊與所述聲音收集器信號(hào)連接，用于將非駕駛座處發(fā)出的語言信息傳輸至所述數(shù)據(jù)分析模塊；

15、情景獲取模塊，所述情景獲取模塊用于識(shí)別惡劣詞，進(jìn)行駕駛中的情景判定，具體為情景平和、情景偏激；

16、情緒識(shí)別模塊，所述情緒識(shí)別模塊用于根據(jù)語言信息中的情緒識(shí)別詞以及語調(diào)進(jìn)行情緒識(shí)別，得到乘坐者的情緒信息，方便駕駛者及時(shí)獲取乘坐人員的情緒數(shù)據(jù)。

17、本發(fā)明進(jìn)一步說明，所述數(shù)據(jù)采集模塊結(jié)合數(shù)據(jù)分析模塊通過自然語言信息得出相應(yīng)的情景數(shù)據(jù)與情緒數(shù)據(jù)；

18、所述數(shù)據(jù)分析模塊內(nèi)部還設(shè)置有過濾降噪模塊，過濾降噪模塊用于先將獲取的語言信息進(jìn)行篩選，識(shí)別是否是與駕駛者間的對(duì)話。

19、本發(fā)明進(jìn)一步說明，所述自然語言處理系統(tǒng)的運(yùn)行工序如下：

20、第一步，駕駛者進(jìn)行身份識(shí)別認(rèn)證，進(jìn)行駕駛位、非駕駛位區(qū)分，并確定系統(tǒng)的開啟，自此系統(tǒng)具備數(shù)據(jù)采集與人機(jī)交互功能；

21、第二步，獲取乘坐位信息，通過壓力傳感器的壓力傳輸數(shù)據(jù)得出乘坐位置、乘坐人數(shù)，并啟動(dòng)對(duì)應(yīng)的聲音收集器，便于及時(shí)獲取非駕駛位的語言信息；

22、第三步，先根據(jù)乘坐人數(shù)確定是否過濾降噪，以進(jìn)行對(duì)話對(duì)象識(shí)別，之后在語言采集基礎(chǔ)上，進(jìn)行情景數(shù)據(jù)與情緒數(shù)據(jù)獲取，并建立語言標(biāo)記，并傳輸至駕駛者端；

23、第四步，系統(tǒng)根據(jù)語言標(biāo)記做出分析，并做出相應(yīng)指令，并傳輸至控制屏端，方便駕駛者獲取信息，并進(jìn)行相關(guān)指令授權(quán)。

24、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：本發(fā)明，采用數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊，進(jìn)行語言采集、情景采集與情緒的采集識(shí)別，并將其采集的數(shù)據(jù)進(jìn)行量化，通過語言標(biāo)記的設(shè)置，簡(jiǎn)化且精準(zhǔn)地確定駕駛者端的語言信息數(shù)據(jù)獲取，提高乘坐者與駕駛者間的互動(dòng)感，以及駕駛者的人機(jī)交互體驗(yàn)感。

1.基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，與中央處理器信號(hào)連接，其特征在于：包括：

2.根據(jù)權(quán)利要求1所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述語言建庫模塊將語言信息分為常規(guī)詞與關(guān)鍵詞，所述常規(guī)詞與關(guān)鍵詞進(jìn)行配合使用，構(gòu)成能夠涵蓋語言信息的語句架構(gòu)；

3.根據(jù)權(quán)利要求2所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述數(shù)據(jù)采集模塊信號(hào)連接：

4.根據(jù)權(quán)利要求3所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述數(shù)據(jù)采集模塊包括：

5.根據(jù)權(quán)利要求4所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述數(shù)據(jù)采集模塊結(jié)合數(shù)據(jù)分析模塊通過自然語言信息得出相應(yīng)的情景數(shù)據(jù)與情緒數(shù)據(jù)；

6.根據(jù)權(quán)利要求5所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述自然語言處理系統(tǒng)的運(yùn)行工序如下：

7.根據(jù)權(quán)利要求6所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：在過濾降噪作用下，將對(duì)話對(duì)象為駕駛者的語言信息篩選出，語言標(biāo)記為：

8.根據(jù)權(quán)利要求7所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述a取值0、1，分別對(duì)應(yīng)表示為情景平和、情景偏激，認(rèn)定方式為惡劣詞識(shí)別，根據(jù)設(shè)定時(shí)間t內(nèi)的惡劣詞出現(xiàn)頻率確定相應(yīng)乘坐位的情景數(shù)據(jù)，預(yù)先設(shè)定頻率限值，當(dāng)獲取的惡劣詞出現(xiàn)頻率實(shí)際值不高于頻率限值時(shí)，a取值0，表示乘坐位的情景平和，反之，a取值1，表示乘坐位的情景偏激。

9.根據(jù)權(quán)利要求8所述的基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，其特征在于：所述b表示為情緒數(shù)據(jù)，根據(jù)語言信息中的情緒識(shí)別詞以及語調(diào)進(jìn)行情緒識(shí)別，得到乘坐者的情緒信息，用于表示乘坐者需要得到駕駛者回復(fù)的需求程度，語調(diào)是做出高升調(diào)的識(shí)別，情緒數(shù)據(jù)b值首先對(duì)情緒識(shí)別詞進(jìn)行獲?。?/p>
技術(shù)總結(jié)
本發(fā)明公開了基于強(qiáng)化學(xué)習(xí)的自然語言處理系統(tǒng)，涉及語言智能處理技術(shù)領(lǐng)域，包括語言建庫模塊、識(shí)別認(rèn)證模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、指令執(zhí)行模塊，所述語言建庫模塊借助語言表示模型建立語言信息的語庫，存儲(chǔ)有若干執(zhí)行指令，所述語言建庫模塊設(shè)置為持續(xù)更新狀態(tài)，具備持續(xù)學(xué)習(xí)功能，所述識(shí)別認(rèn)證模塊用于預(yù)先錄入車輛駕駛者所持有的特有特征與身份信息，所述數(shù)據(jù)采集模塊用于進(jìn)行數(shù)據(jù)識(shí)別與采集，所述數(shù)據(jù)分析模塊與所述數(shù)據(jù)采集模塊信號(hào)連接，用于提取所述語言建庫模塊中與執(zhí)行指令相對(duì)應(yīng)的語言信息，所述指令執(zhí)行模塊與所述語言建庫模塊信號(hào)連接，用以執(zhí)行相應(yīng)指令，該系統(tǒng)的設(shè)置提高了語言信息表達(dá)的簡(jiǎn)化性與精準(zhǔn)性。

技術(shù)研發(fā)人員：請(qǐng)求不公布姓名
受保護(hù)的技術(shù)使用者：東莞市璟樹科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2