基于意图识别的智能语音交互机器人设计

为提高智能语音交互机器人语音交互的准确率，提出一种基于意图识别的机器人智能英语语音交互方法。通过引入Glove＿BiGRU＿Self-attention分类预测模型构建意图识别功能模块，并采用ROS分布式架构对系统功能模块进行整合，实现人机的智能语音交互。仿真结果表明，采用所提方法进行的语音意图识别，具有更高的准确率，相较于基于DCNN模型、基于CNN-LSTM模型与基于单向构建的GRU-Self-attention模型的意图识别方法，识别准确率分别高出8.03%、4.07%和2.14%,具有更好的识别效果；在特征提取上，训练时间较传统基于BiLSTM模型的提取方法，BiGRU的训练时间缩短了4倍，训练效率更高。实验结果表明，采用所提意图识别方法搭建的语音交互系统，对用户英语语音指令的识别准确率和识别效率依然拥有较好的结果，识别平均准确率达到了89.72%,识别时间均在0.35 s之内，证明所提方法可以应用于实际语音交互之中。应用实验表明，采用基于意图识别方法搭建的智能语音交互机器人，无论是在问答交互还是控制命令上，都可以准确对用户英语指令进行识别，根据用户要求进行相关回答或完成相应动...