周更
上次讲到pattern。
我继续说，pattern是用来干嘛的呢？
这时候就要谈到什么解析了。
一段语音输入系统，首先需要转换成文字，但是系统如何知道这些文字想表达的intent 呢。这 时候就要用到pattern了。我们需要把这些文字与pattern定义好的做对比，一旦命中了某个定义的语句，就会解析为该意图。
首先我说一下pattern的结构。pattern由两部分组成，1、定义的词
这两幅图都是我定义的词，这怎么理解呢。就拿第一幅图的第二句话为例子，这句话的意思是不管系统识别到的是[接到]还是[看到]都会解析为[接到]，[接到]和[看到]之间的“|”这个符号是或者的意思。所以这句话定义的就是后边所有的词就可以用前边的词所代替。
符号意思： | = 或者 ? = 可以没有 $ = 必须结束，如果后面还有话那这句话就为无效 ^ = 必须从这开始 ，如果前面还有话那这句话就为无效
那么定义那些词有什么用呢？我用这幅图的open_systemsetting部分为例子，讲一下。
open_systemsetting 是我们定义的intent意思为 打开系统设置。
所以下边的语句是我们根据我们定义的词组合出来的话。一句话中有很多词，一个词又等同于之前定义的很多词，所以看似这部分只有六句，但是用户所说的所有关于打开系统设置的话都能被这句话覆盖到。
比如这句 ^【打开】?【系统设置】【吧】?$
如果之前定义的 name = “打开” “synx”= “打开|开启” name = “系统设置” “synx”= “系统设置” name = “吧” “synx”= “啊|吧”
那么这句话的排列组合就很多了。 打开系统设置吧 - 系统设置 - 系统设置吧- 打开系统设置啊 - 打开系统设置 - 开启系统设置啊- 开启系统设置吧- 开启系统设置- 等 。
因为【系统设置】后面没有 ？ 所有如果这句话里没有[系统设置]这四个字（而且只能是这四个字，顺序也不能变）将不能命中打开系统设置这个intent。
因为前后有 ^ $这两个符号，所以如果用户说“请帮我打开系统设置”“打开系统设置吧快点”将不能识别。因为我们不允许前后有字，必须从【打开】? 开始，以【吧】?结尾，如果觉得这样不合理，你可以重新加一些定义的词，将所有可能性覆盖到，或者将这两个符号去掉，当然付出的代价可能是误触发。
好了pattern讲完了。
接下来我讲一下这几天我了解到的关于语音相关的专业词汇
1、语音识别（ASR）
自动语音识别技术（Automatic Speech Recognition）是一种将人的语音转换为文本的技术
语音识别是一个交叉学科，声学、语言学、计算机科学等。语音识别系统的性能大致取决于以下4类因素：1. 识别词汇表的大小和语音的复杂性；2. 语音信号的质量；3. 单个说话人还是多说话人；4. 硬件（麦克风数量的不同，识别率肯定是不一样的）
原理，先通过数据的训练，生成模板，然后将输入的语音与模板进行对比。
1、识别率的指标是WER（词错误率，Word Error Rate）和句错误率SER
2、语音唤醒
语音唤醒，有时也称为关键词检测(Keyword spotting)，也就是在连续不断的语音中将目标关键词检测出来，一般目标关键词的个数比较少（1~2个居多，特殊情况也可以扩展到更多的几个）
语音识别语音唤醒的区别：
语音识别对于语音要求具有明确的开始和结尾。比如语音打字，按下录音键说话，松开录音键转换为文字。语音唤醒是在连续不断的语音流里检测是否有关键信息。二者可以结合，这就是小爱音箱。
1）唤醒率2）唤醒的音节长度 （长了太多，短了容易误唤醒）3）误唤醒率4）响应时间
二、自然语言处理
NLP 定义：将人的语言转化为机器能理解、可以结构化、完整的语音表示。
大概意思就是计算机理解和生成人类语言即NLU和NLG。
“买张周三晚大的电影票”吧这个句话所属的domain，及其intent还有包含的slot找到。
从这张图可以看出NLP包含NLP还有理解之前的处理阶段和理解之后的应用阶段。
1）左边最底部，是最基础的大数据、机器学习和语言学（Linguistics）；
2）往上看，是知识图谱（Knowledge Graph），其中包含了实体图谱、注意力图谱和意图图谱。
3）再往上，左侧是语言理解（Language Understanding），右侧是语言生成（Language Generation）——
语言理解，包含了Query理解、文本理解、情感分析（Sentiment Analysis）等，还有词法（Lexical）、句法（Syntax）和语义（Semantic）等不同层次的分析。
语言生成，包含了写作、阅读理解等等。
4）最上方，是系统层面，包含了问答系统、机器翻译和对话系统。
5）最右侧，是各种应用场景，包含搜索、feeds流、O2O、广告等等。
这里面有两个特别难理解的词，知识图谱和query，我先简单讲一下。后面如果有时间我会专门写一篇文章讲一下什么是知识图谱和query。
知识图谱就是认知心理学中的语义网络。我举个例子，我说苹果大家会想到一堆东西，美国、乔布斯、水果、iphone、甜的、好吃等等，如果将所有与之相关的词穷举出来然后分别和苹果进行连线，就得到了一个以苹果为中心的图，然后分别以这些词为中心穷举出与各自相关的词并连线，然后以此类推，就可能将世界上所有的词都囊括到一张庞大的图上。这张图肯定错中复杂，交叉纵横就形成了一张巨大的网络。随便触发某个节点就能触发与之相关的任何信息。
query是啥？很简单，你想百度一个东西，你输入的文字就是query。
在你百度的时候输入了query你很可能找不到你想要的。这是为啥？
1、不同的用户对同一种诉求的表达往往是有差别的，往往会存在一种比较常见的现象，用户输入的query并不能清晰准确的表达需求。
2、搜索系统对用户query的理解能力较弱，无法挖掘出用户的真实需求。
3、召回结果集的排序不合理，可能用户需求的内容被排在后面而未曝光。
想解决这些问题就需要通过用户输入的query来获取用户的真实需求。那么如何做？
1、词表穷举法（很容易命中，但是需要人工繁琐的连接） 2、规则解析法 北京到上海今天的机票价格，可以转换为[地点]到[地点][日期][汽车票/机票/火车票]价格。但规则的制定需要人工 3、机器学习方法 机器学习的方法的实现较为复杂，主要是数据获取和更新较困难，数据的标注也需要较准确才能训练出较好地模型。
query的改写：query纠错，query扩展，query删除，query转换
三、语音合成
语音合成（Text-To-Speech），一般简称TTS。我在公司很大一块儿就是设计TTS话术
四、对话管理 DM
1、用户任务完成率
2、对话交互效率
3、对话分类