輔助駕駛信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、車載環(huán)境下用戶的注意力主要集中于駕駛,人車交互須在不影響駕駛的前提下進(jìn)行。相比于傳統(tǒng)的交互方式,語音輔助駕駛提供了更為安全便捷的交互方式,用戶只需動口,就可滿足在行車過程中的相關(guān)需求。語音輔助駕駛需要結(jié)合語音識別技術(shù)與自然語言理解技術(shù),它可以有效地改善用戶的駕駛體驗(yàn)。
　　本文在廣泛分析國內(nèi)外相關(guān)研究及實(shí)踐的基礎(chǔ)上,對如何智能的對語意信息進(jìn)行理解進(jìn)行了深入分析與研究,并依據(jù)理論對輔助駕駛信息系統(tǒng)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。本文的主要研究內(nèi)容

2、和工作如下:
　　(1)在廣泛研究短文本分類問題的基礎(chǔ)上,本文利用條件隨機(jī)場、線性 SVM及基于最大似然思想的權(quán)值相加等三種方法對廣泛存在于中文輔助駕駛信息query中的特殊詞及組織機(jī)構(gòu)名進(jìn)行自動分類。
　　(2)針對車載輔助駕駛信息系統(tǒng) query,本文首先收集了大量語意信息、對語意種類進(jìn)行劃分并建立了供訓(xùn)練與測試的數(shù)據(jù)庫。由于語意推斷基于詞進(jìn)行且需用到詞性信息,因此本文利用條件隨機(jī)場定制了一個(gè)針對輔助駕駛信息的自動解析系

3、統(tǒng),該系統(tǒng)內(nèi)置了單步法和雙步法兩種方法對輔助駕駛信息 query進(jìn)行分詞與詞性標(biāo)注,實(shí)驗(yàn)結(jié)果表明設(shè)計(jì)的自動解析系統(tǒng)獲得了良好的分詞與詞性標(biāo)注精度。
　　(3)在廣泛研究自然語言理解及語意推斷技術(shù)的基礎(chǔ)上,本文對比了幾種常見語意推斷模型對本文研究的輔助駕駛信息的精度并定制了一個(gè)基于最大熵模型的語意推斷系統(tǒng)。在選擇特征時(shí),本文除選擇分詞后的Unigram詞特征外還選擇了部分信息增益大且語法上有意義的Bigram詞特征,實(shí)驗(yàn)結(jié)果表明這樣

4、的特征選擇可獲得更高的精度,基本可滿足實(shí)用要求。
　　本文的輔助駕駛信息系統(tǒng)正是特殊詞與組織機(jī)構(gòu)名分類器、輔助駕駛信息query自動解析模塊與query語意推斷系統(tǒng)的組合。對于一條輔助駕駛信息query,自動解析模塊輸出分詞與詞性標(biāo)注結(jié)果并作為語意推斷模塊的輸入,語意推斷模塊輸出語意推斷的結(jié)果,系統(tǒng)進(jìn)而根據(jù)具體語意執(zhí)行相應(yīng)操作。而組織機(jī)構(gòu)名及特殊詞的分類器可有效對廣泛存在于輔助駕駛信息 query中的組織機(jī)構(gòu)名與特殊名詞進(jìn)行處理,