(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111665477.8 (22)申请日 2021.12.31 (71)申请人 科大讯飞股份有限公司 地址 230088 安徽省合肥市高新区望江西 路666号 (72)发明人 王涛　刘权　陈志刚　 (74)专利代理 机构 北京励诚知识产权代理有限 公司 11647 代理人 周慧云 (51)Int.Cl. G06F 40/166(2020.01) G06F 40/30(2020.01) G06F 16/2458(2019.01) G06F 16/23(2019.01) G06K 9/62(2022.01) (54)发明名称 数据改写方法、 装置、 存储介质及计算机设 备 (57)摘要 本申请公开一种数据改写方法、 装置、 存储 介质及计算机设备。 该方法包括： 基于历史时间 段内的用户交互行为数据， 挖掘改写数据， 以根 据改写数据构建改写数据库， 改写数据包括历史 时间段内的所有的改写组合对， 每一改写组合对 包括一个错误话语和一个正确话语； 基于历史时 间段内每天产生的日志数据， 增量更新改写数据 库， 以纠正改写数据库中交互失败的数据； 基于 改写数据库构建改写引擎， 改写引擎用于将待测 文本中的错误话语进行改写， 可以实现基于用户 交互行为的数据改写， 对于识别错误或者说法泛 化的话语， 可 以显著提升语义理解正确率， 提升 交互成功率。 权利要求书3页 说明书16页 附图3页 CN 114357950 A 2022.04.15 CN 114357950 A 1.一种数据改写方法， 其特 征在于， 所述方法包括： 基于历史时间段内的用户交互行为数据， 挖掘改写数据， 以根据所述改写数据构建改 写数据库， 所述改写数据包括所述历史时间段内的所有的改写组合对， 每一所述改写组合 对包括一个错误话语和一个正确话语； 基于所述历史时间段内每天产生的日志数据， 增量更新所述改写数据库， 以纠 正所述 改写数据库中交 互失败的数据； 基于所述改写数据库构建改写引擎， 所述改写引擎用于将待测文本 中的错误话语进行 改写。 2.如权利要求1所述的数据改写方法， 其特征在于， 所述基于历史时间段内的用户交互 行为数据， 挖掘改写数据， 以根据所述改写数据构建改写数据库， 包括： 获取历史时间段内的用户交互行为数据， 通过解析所述用户交互行为数据构建训练数 据； 利用所述训练数据和吸收马尔可夫模型对用户交互行为进行建模， 以挖掘交互失败的 错误话语对应的正确话语， 得到所述改写数据， 以根据所述改写数据构建改写数据库。 3.如权利要求2所述的数据改写方法， 其特征在于， 所述获取历史时间段内的用户交互 行为数据， 通过解析 所述用户交 互行为数据构建训练数据， 包括： 获取所述历史时间段内的用户交 互行为数据； 获取所述历史时间段内的日志数据， 并根据 所述日志数据解析每一条所述用户交互行 为数据的时间戳、 当前系统的语义理解结果以及用户的行为反馈； 根据预设时间间隔， 将所述用户交互行为数据中的每个用户的所有交互行为切分成多 轮会话， 其中每一轮所述会话包 含一条或多条话语； 根据信源搜索结果或者所述用户的行为反馈， 对每一轮所述会话添加吸收状态， 所述 吸收状态包括交互成功或者交互失败的状态， 将具有 所述吸收状态的每一轮所述会话确定 为一条训练数据。 4.如权利要求1 ‑3任一项所述的数据改写方法， 其特征在于， 所述利用所述训练数据和 吸收马尔可夫模型对用户交互行为进行建模， 以挖掘交互失败的错误话语对应的正确话 语， 得到所述改写数据， 包括： 利用所述训练数据训练所述吸收马尔可夫模型的参数， 以得到话语空间到语义空间的 转移概率矩阵、 语义空间之间的转移 矩阵、 以及语义空间到话语空间的转移 矩阵； 对于所述吸收状态为交互失败的训练数据中的错误话语， 计算所述错误话语对应的语 义空间之间的转移 矩阵； 根据所述 错误话语对应的语义空间之间的转移 矩阵， 确定所述改写数据。 5.如权利要求4所述的数据改写方法， 其特征在于， 所述对于所述吸收状态为交互失败 的训练数据中的错 误话语， 计算所述 错误话语对应的语义空间之间的转移 矩阵， 包括： 根据所述训练数据的实际语义信 息， 确定所有训练数据的每一轮会话对应的语义空间 中由任一语义空间元 素转移到第i个 语义空间元 素的共现次数； 根据所述共现次数， 计算第i个 语义空间元 素与所有语义空间之间的共现总次数； 根据所述共现总次数， 确定第i个语义空间元素转移到第j个语义空间元素的概率， 以 及第i个语义空间元素转移到目标语义空间元素 的概率， 以得到所述错误话语对应的语义权　利　要　求　书 1/3 页 2 CN 114357950 A 2空间之间的转移矩阵， 所述 目标语义空间元素为第i个语义空间元素能交互成功的语义空 间元素。 6.如权利要求5所述的数据改写方法， 其特征在于， 所述根据 所述共现总次数， 确定第i 个语义空间元素转移到第j 个语义空间元素的概率， 以及第i个语义空间元素转移到目标语 义空间元 素的概率， 包括： 根据所述训练数据的实际语义信息， 确定第i个语义空间元素转移到第j个语义空间元 素的共现次数； 根据所述训练数据的实 际语义信息， 确定第i个语义空间元素转移到目标语义空间元 素的共现次数； 根据第i个语义空间元素转移到第j个语义空间元素的共现次数， 以及所述共现总次 数， 确定第i个 语义空间元 素转移到第j个 语义空间元 素的概率； 根据第i个语义空间元素转移到目标语义空间元素的共现次数， 以及所述共现总次数， 确定第i个 语义空间元 素转移到目标语义空间元 素的概率。 7.如权利要求5所述的数据改写方法， 其特征在于， 所述根据所述错误话语对应的语义 空间之间的转移 矩阵， 确定所述改写数据， 包括： 根据改写对象对应的语义空间元素经过1步转移到目标语义空间元素的概率， 以及所 述错误话语对应的语义空间元素经过s步转移到改写对 象对应的语义空间元素 的概率， 确 定所述错误话语对应的语义空间元 素经过k步转移到目标语义空间元 素的概率； 根据所述错误话语对应的语义空间元素经过k步转移到目标语义空间元素的概率， 确 定所述改写数据。 8.如权利要求 4所述的数据改写方法， 其特 征在于， 所述方法还 包括： 对所述改写数据进行 过滤处理。 9.如权利要求1所述的数据改写方法， 其特 征在于， 所述方法还 包括： 对待测语音 进行识别， 得到待测文本； 根据所述改写引擎， 查询与所述待测文本对应的改写 文本； 将所述改写文本输入语义理解模块中， 得到所述改写文本的预测语义信息， 以基于所 述预测语义信息进行 人机交互。 10.一种数据改写装置， 其特 征在于， 所述装置包括： 挖掘单元， 用于基于历史时间段内的用户交互行为数据， 挖掘改写数据， 以根据 所述改 写数据构建改写数据库， 所述改写数据包括所述历史时间段内的所有的改写组合对， 每一 所述改写组合对 包括一个错误话语和一个正确话语； 更新单元， 用于基于所述历史时间段内每天产生的日志数据， 增量更新所述改写数据 库， 以纠正所述改写数据库中交 互失败的数据； 构建单元， 用于基于所述改写数据库构建改写引擎， 所述改写引擎用于将待测文本中 的错误话语进行改写。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序适于处理器进 行加载， 以执行如权利要求 1‑9任一项所述的数据改写方 法中的步骤。 12.一种计算机设备， 其特征在于， 所述计算机设备包括处理器和存储器， 所述存储器权　利　要　求　书 2/3 页 3 CN 114357950 A 3