一种智能家居语义解析方法及相关设备

技术领域

本发明涉及网络设备应用领域，尤其涉及的是一种智能家居语义解析方法及相关设备。

背景技术

在智能家居领域，具有一种用户通过语音指令对智能家居进行控制的技术方法，在该方法中，语义解析技术已经被广泛研究和应用，其应用于智能家居设备的语音控制和文本理解等方面。

现有技术的一些常见的语义解析算法包括基于规则和基于统计的方法。其中，基于规则的方法是使用预定义的规则来解析用户输入的语句，缺点是对新的语句需要手动添加规则，且无法处理复杂的语义。基于统计的方法则是基于大量的样本数据进行训练并预测，但对于数据量较小或者特定场景下的语义解析效果不佳。

因此，现有智能家居的语义解析方法的准确率、灵活性、可扩展性和可维护性不佳。

发明内容

本发明的目的是提供一种智能家居语义解析方法及相关设备，旨在解决现有的语义解析模型的语义解析的准确率、灵活性、可扩展性和可维护性不足的问题。

本发明解决技术问题所采用的技术方案如下：

本发明提供一种智能家居语义解析方法，包括步骤：

获取用户输入的控制指令；

根据控制指令设定提示语句，并将提示语句输入语义解析模型以获得控制参数；

将控制参数以设备控制需要的接口规范发给设备控制端，以根据用户输入的控制指令控制设备。

可选地，获取用户输入的控制指令时还获取用户的账户信息；

所述根据控制指令设定提示语句，是根据控制指令和账户信息设定提示语句。

可选地，所述账户信息包括设备信息和场景信息；

所述设备信息包括设备ID、设备类型、设备昵称和设备所属区域；

所述场景信息包括场景ID和场景名称。

可选地，所述提示语句包括设定语义解析模型的提示语句、输入前置信息的提示语句、为语义解析模型给定需要解析的动作和属性的提示语句、为语义解析模型设定需要解析的数据的提示语句、为语义解析模型设定返回的格式的提示语句、输入控制指令的提示语句以及示例。

可选地，所述获取用户输入的控制指令包括以下步骤：

获取用户输入指令；

对用户输入指令进行分类，将用户输入指令分类为控制指令和闲聊指令，所述闲聊指令输入预先训练好的闲聊模型以回复用户。

可选地，所述对用户输入指令进行分类，具体是通过训练好的FastText领域分类模型对用户输入指令进行分类。

可选地，所述语义解析模型包括GPT模型。

可选地，所述语义解析模型通过调用chatGPT接口实现。

此外，为实现上述目的，本发明还提供一种终端，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能家居语义解析程序，所述智能家居语义解析程序被所述处理器执行时实现如上所述的智能家居语义解析方法的步骤。

此外，为实现上述目的，本发明还提供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智能家居语义解析程序，所述智能家居语义解析程序被处理器执行时实现如上所述的智能家居语义解析方法的步骤。

本发明采用上述技术方案具有以下效果：

本发明通过设计智能家居领域的提示语句，控制语义解析模型生成的响应和文本，充分利用语义解析模型的能力对用户的控制指令进行解析，对于新的规则仅需对提示语句做适应性的修改，且无需大量的训练数据使语义解析模型理解，能够处理复杂的语句和特定的场景，具有良好的准确率、灵活性、可扩展性和可维护性。

附图说明

图1是本发明较佳实施例中智能家居语义解析方法的步骤流程图；

图2是本发明较佳实施例中智能家居语义解析方法的程序流程图；

图3是本发明终端的较佳实施例的运行环境示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例一

请参见图1-2，图1是本发明较佳实施例中智能家居语义解析方法的步骤流程图，图2是本发明较佳实施例中智能家居语义解析方法的程序流程图。

实施例一公开一种智能家居语义解析方法，其包括步骤：

S1、获取用户输入的控制指令。

步骤S1包括以下步骤：

S11、获取用户输入指令。

具体而言，所述方法可以通过智能家居中的电视、超级面板等智能终端获取用户输入的语音指令，并将语音指令转换成对应的文本指令作为用户输入指令。

例如，获取用户通过唤醒语音入口输入的语音指令，并将语音指令转换成对应的文本指令“小康小康，帮我打开空调”。

步骤S11中还获取用户账户信息。

具体而言，是通过用户ID获取用户账号下绑定用户账户信息，用户账户信息包括设备信息和场景信息，通过这些前置信息，可以用于辅助解析用户输入指令，使得解析的命令更精准有效。

所述设备信息包括设备ID、设备类型、设备昵称和设备所述区域。

例如，某一账户具有如下所示的设备信息：

所述场景信息包括场景ID和场景名称。

例如，某一账户具有如下所示的场景信息：

S12、对用户输入指令进行分类，以得到控制指令。

具体而言，判断用户输入指令是“chat”类别的闲聊指令还是控制指令，若用户输入指令为闲聊指令，则将闲聊指令输入预先训练好的闲聊模型以得到友好回复给到用户。

现有的部分智能家居为了提高用户的使用体验，具有语音交互功能，能与用户聊天以增强用户体验，对于这种智能家居，用户输入指令包括闲聊指令和控制指令，通过将二者进行区分，并对区分得到的闲聊指令不进行语义解析，而是直接输入预先训练好的闲聊模型，可以避免对于用户输入指令的全部数据进行语义解析，从而起到节省成本、提高执行效率的作用。

具体的，通过训练好的FastText领域分类模型，将用户输入指令区分为iot(Internet of Things，物联网)类别的控制指令和chat(闲聊)类别的闲聊指令，FastText是一个由Facebook分享的开源Python库，用于在大型文本数据集上进行训练和分类，它使用了连续词袋模型和层级softmax分类器进行高效文本分类，可以对输入的一句话进行分类。

S2、根据控制指令设定提示语句，并将提示语句输入语义解析模型以获得控制参数。

具体而言，本实施例中，所述语义解析模型具体是基于Transformer模型的GPT模型，其可以采用公开的GPT开源模型训练得到，也可以调用chatGPT的接口实现，本实施例中，具体是根据调用chatGPT的接口实现。

最近几年来，深度学习技术在语义解析领域得到了广泛关注，如使用循环神经网络(RNN)或卷积神经网络(CNN)进行序列建模和分类，以及使用Transformer模型进行自然语言生成和理解等。Transformer模型是一种基于注意力机制的序列到序列模型(Sequence-to-Sequence Model)，由Google在2017年提出，用于解决机器翻译、语言生成等任务。与传统的RNN、LSTM等序列模型不同，Transformer不需要维护序列状态，可以并行计算，从而在处理长序列时具有优势。ChatGPT是一种基于Transformer的自然语言处理模型，由OpenAI团队开发，使用了深度学习技术中的自监督学习方法，通过大量的无监督训练从而学习到了丰富的语言知识。

Prompt技术是一种自然语言生成技术，它通过给定的文本提示(prompt)语句来生成下一步的文本输出。在这个过程中，机器学习模型会根据所给的提示信息，预测并生成适当的响应或文本。Prompt技术的应用范围非常广泛，它可以用于生成语音识别结果、自然语言处理、智能客服、聊天机器人等方面。

其中，提示语句包括设定角色、前置信息、返回信息、返回信息列表和返回格式。

提示语句可以通过以下步骤，以分步骤输入语义解析模型：

S21、输入提示语句为语义解析模型设定角色。

首先给ChatGPT设定一个角色，说明这个角色的主要功能和主要任务。例如对于ChatGPT，输入提示语句“你现在充当一个智能家居领域的语义解析大模型，解析用户输入的各种话术，并得到对应的控制命令”。

S22、输入提示语句向语义解析模型输入前置信息。

前置信息即先验信息，其包括账号信息，即前置信息包括设备信息和场景信息，其作为用户账户关联的背景信息，能使语义解析模型更好的了解用户所在环境的背景，通过向语义解析模型输入相关的前置信息，以提高输出的准确性。例如，可以通过以下提示语句输入前置信息：

给定的设备信息是：

给定的场景信息是：

S23、输入提示语句以为语义解析模型给定需要解析的动作和属性。

例如，可以通过以下提示语句为语义解析模型给定需要解析的动作和属性：

“给定的动作列表：[打开，关闭，停止，启动，继续，升高，降低，设置]，给定的属性列表：[“高度”，“温度”，“风速”，“行程”，“亮度”，“色温”，“颜色”]”。

S24、输入提示语句以为语义解析模型设定需要解析的数据和返回的格式，并输入控制指令以获得控制参数。

通过对语义解析模型设定需要解析的数据能保证语义解析模型解析出后续控制智能家居需要的各项数据，以对智能家居进行控制满足用户的需求。而设定返回的格式能方便机器对语义解析模型返回数据的接收和理解。

例如，可以通过以下提示语句以为语义解析模型设定需要解析的数据和返回的格式：

“给定的用户话术是‘打开卧室的五孔插座’，根据给定的动作列表，解析出话术中表达的动作意图，根据给定的属性列表，给出话术中表达的属性及其属性值，根据给定的设备信息，解析出话术中需要控制的设备，并将这些信息以json的格式返回”

也可以将上述步骤的提示语句结合起来，得到完整的提示语句一次性输入语义解析模型，例如，通过以下提示语句一次性输入语义解析模型：

“给定的用户话术是‘打开卧室的五孔插座’，根据给定的动作列表，解析出话术中表达的动作意图，根据给定的属性列表，给出话术中表达的属性及其属性值，根据给定的设备信息，解析出话术中需要控制的设备，并讲这些信息以json的格式返回”。

(5)综合以上步骤，可以设计出一个完整的且通用的Prompt，例子如下：

假设存在一个智能家居领域的语义解析大模型，解析用户输入的各种话术，得到对应的控制命令，输出格式化的数据。给定账号下的设备信息{0}和场景信息{1}，给定设备的控制动作列表{2}，和设备的属性列表{3}。从给定的输入中抽取设备名称及其对应的设备ID、动作实体、属性实体及其对应的属性值，并以json的形式输出。

Examples：

示例：

输入：帮我打开卧室的五孔插座

输出：{“设备ID”：[“2”]，设备名称:“五孔插座”，“动作”：“打开”}

输入：帮我把风机盘管的温度设为30度

输出：{“设备ID”：[“3”]，设备名称:“风机盘管”，“动作”：“设置”,“温度”：30}

Questions：

输入：帮我把空调的风速调为高档

输出：”

上述例子中，给出两个示例让ChatGPT学会如何解析话术，是应用了FewShot技术，Fewshot技术是在数据量非常少的情况下，能够利用少量的样本进行模型的训练和预测的技术。

将上述例子的提示语句输入语义解析模型后，即可得到对控制指令“帮我把空调的风速调为高档”的解析结果：“设备ID”：“3”，“设备名称”：“空调”，“动作”：“设置”，“风速”：“高”}。上述例子中{0}、{1}、{2}和{3}为对应信息的表格和列表，可以根据具体的业务需求输入，为了避免赘述，本处不再重复。

S3、将控制参数以设备控制需要的接口规范发给设备控制端，以根据用户输入的控制指令控制设备。

对解析出来的参数按照设备控制需要的接口规范发送给设备控制端，从而完成控制设备。

实施例二

请参见图3，基于上述方法，本发明还提供了一种终端，所述终端包括：存储器10、处理器20及存储在所述存储器10上并可在所述处理器20上运行的智能家居语义解析程序，所述智能家居语义解析程序被所述处理器20执行时实现如上所述的智能家居语义解析方法的步骤。

所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有智能家居语义解析程序40，该智能家居语义解析程序40可被处理器10所执行，从而实现本申请中的智能家居语义解析方法。

所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述智能家居语义解析方法等。

实施例三

本实施例提供一种存储介质，其特征在于，所述计算机可读存储介质存储有智能家居语义解析程序，所述智能家居语义解析程序被处理器执行时实现如上所述的智能家居语义解析方法的步骤。

综上所述，针对目前大多数针对智能家居领域的语义解析算法，存在准确率低，模型复杂度高的问题，以及可维护性、可扩展性和灵活性不高,存在用户体验度不佳等问题。本发明使用基于ChatGPT的语义解析算法，利用预训练好的模型对用户输入的语句进行理解和转化，通过prompt技术，准确的解析出实体、意图，加上ChatGPT的自学习能力，它能够不断适应用户的习惯和需求，提供更加个性化的服务，从而实现更加精准和智能的智能家居控制和交互。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。

当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。