專利名稱：逐步細(xì)化基于語音的搜索的制作方法
技術(shù)領(lǐng)域：
本發(fā)明總體上涉及以計算機(jī)作為媒介的搜索工具，并且更特別地，涉及利用人類語音來細(xì)化搜索。
背景技術(shù)：
在典型的搜索場景中，用戶打字輸入搜索字符串。字符串被提交給搜索引擎，其分析該字符串然后將搜索結(jié)果返回給用戶。然后用戶可以在返回結(jié)果中進(jìn)行選擇。然而，結(jié)果經(jīng)常并不符合用戶的期望，所以他選擇對搜索進(jìn)行細(xì)化。(在這里，“細(xì)化”意味著縮小或擴(kuò)大或以其他方式改變搜索范圍或結(jié)果的排序。)為了做到這一點，用戶編輯原始的搜索字符串，可以增加、刪除或改變詞。改變的搜索字符串提交給搜索引擎(通常不記憶原始的搜索字符串)，這使得完全重新開始整個處理。然而，當(dāng)用戶通過小型個人通信裝置(如移動電話或個人數(shù)字助理)進(jìn)行搜索時， 上述情況并非如此。這些裝置一般都沒有用于完整的鍵盤的空間。相反，它們具有有限的鍵盤，其具有很多太小的按鍵，對于觸摸打字來說太小，或者可能有幾個鍵，每一個都代表了若干個字母和符號。這些裝置的用戶發(fā)現(xiàn)他們的有限的鍵盤不適合輸入和編輯復(fù)雜的搜索查詢。這些個人裝置的用戶正在轉(zhuǎn)向基于語音的搜索，來替代鍵入他們的查詢。在此，用戶說出搜索查詢。語音到文本轉(zhuǎn)換引擎將說出的查詢轉(zhuǎn)換為文本。隨后通過標(biāo)準(zhǔn)的基于文本的搜索引擎如上所述地處理獲得的文本查詢。雖然理論上是好的，但是基于語音的搜索還存在若干問題。語音到文本的轉(zhuǎn)換可能不準(zhǔn)確，這導(dǎo)致錯誤的搜索結(jié)果。而且，人類語音通常包括重復(fù)和“非單詞”(比如“啊” 和“嗯”)，其能夠干擾語音到文本轉(zhuǎn)換引擎。在任一種情況下，用戶通常不確切地知道什么文本搜索查詢被提交給搜索引擎。因此，用戶可能沒有意識到他的語音查詢被不正確地解讀。從而，因為搜索結(jié)果基于(可能被錯誤解讀的)搜索查詢，因此返回的結(jié)果可能不是用戶所要求的。當(dāng)進(jìn)行細(xì)化搜索時，用戶無法從最初的基于語音的請求開始并對其進(jìn)行細(xì)化， 而是需要在他的大腦中將查詢細(xì)化，然后將整個細(xì)化后的清晰且沒有非單詞的查詢重新說一遍。

發(fā)明內(nèi)容
本發(fā)明針對以上考慮以及其他，本發(fā)明可以通過參考說明書、附圖及權(quán)利要求來理解。根據(jù)本發(fā)明的方面，基于語音和非基于語音的編輯方法被添加到基于語音的搜索中以允許用戶更好地了解提交給搜索引擎的文本查詢并容易地對他們的語音查詢進(jìn)行編輯。根據(jù)某些實施例，用戶開始說話。用戶的語音被翻譯為文本搜索查詢并提交給搜索引擎。搜索的結(jié)果呈現(xiàn)給用戶。用戶繼續(xù)說話時，基于用戶的進(jìn)一步的語音來細(xì)化用戶的語音查詢。細(xì)化后的語音查詢被轉(zhuǎn)換成文本查詢，該文本查詢被再次提交給搜索引擎。細(xì)化的結(jié)果呈現(xiàn)給用戶。只要用戶繼續(xù)細(xì)化查詢，則該處理一直繼續(xù)。
某些實施例通過向用戶呈現(xiàn)文本查詢(由語音到文本轉(zhuǎn)換引擎創(chuàng)建)來幫助用戶了解他正在創(chuàng)建的搜索查詢。通常不呈現(xiàn)非單詞和非搜索詞(“a”、“the”等)。文本查詢中的某些搜索詞被高亮顯示以示出語音到文本轉(zhuǎn)換引擎具有高置信水平，即這些詞是用戶所期望的。用戶能夠使用進(jìn)一步的語音輸入來編輯該文本查詢。當(dāng)用戶繼續(xù)說話時，他觀察不同詞的置信水平改變。例如，用戶可以重復(fù)詞(“b0at，b0at，b0at”)來提高該詞的置信水平，或者他可以降低詞的置信水平(“不是goat，我是說boat”)。當(dāng)用戶繼續(xù)說話時， 文本搜索查詢改變以更接近地匹配他想要說的詞。某些實施例還允許用戶利用非基于語音的搜索工具操作文本查詢，所述非基于語音的搜索工具包括基于文本的、基于手寫的、基于圖形的、基于姿態(tài)的或者類似的輸入/輸出工具。用戶能夠增加或降低詞的置信水平，可以將詞組成短語，或者能夠?qū)υ~執(zhí)行布爾 (Boolean)操作(例如，AND, OR, NOT)。如上所述，修改后的搜索查詢被提交給搜索引擎。 某些實施例允許同時或者連續(xù)地進(jìn)行基于語音和非基于語音的編輯。


雖然所附權(quán)利要求特別地闡述本發(fā)明的特征，但是，通過接合附圖的以下詳細(xì)描述可以更好地理解本發(fā)明及其目標(biāo)和優(yōu)點圖1是實施本發(fā)明的代表性環(huán)境的概覽；圖加和2b是支持細(xì)化基于語音的搜索的多種模式的個人通信裝置的簡化圖；圖3是逐步細(xì)化基于語音搜索的示例性方法的流程圖；圖4是用于細(xì)化基于語音的搜索的示例性的基于文本的方法的流程圖；以及圖5是示出圖4的方法的示例性應(yīng)用的數(shù)據(jù)流圖。
具體實施例方式轉(zhuǎn)向附圖，其中相同的附圖標(biāo)記表示相同的元件，本發(fā)明被示出為在合適的環(huán)境中實施。以下描述基于本發(fā)明的實施例，并且不應(yīng)被視為在這里沒有詳細(xì)描述的替代實施例方面限制本發(fā)明。在圖1中，用戶102想進(jìn)行搜索。不管什么原因，用戶102選擇說出他的搜索查詢至他的個人通信裝置104而不是鍵入該搜索查詢。用戶102的語音輸入被處理(在裝置 104本地或者在遠(yuǎn)程搜索服務(wù)器106上)為文本查詢。該文本查詢被提交給搜索引擎(再次說明本地或者遠(yuǎn)程地)。搜索結(jié)果在裝置104的顯示屏上展示給用戶102。通信網(wǎng)絡(luò) 100使得裝置104能夠在適當(dāng)?shù)那闆r下訪問該遠(yuǎn)程搜索服務(wù)器106，并且在用戶102的指導(dǎo)下在搜索結(jié)果中取回“命中”。圖加和2b示出了結(jié)合本發(fā)明的實施例的個人通信裝置104(例如，蜂窩電話、個人數(shù)字助理或個人電腦)。圖 和2b以打開的構(gòu)造示出了作為蜂窩電話的裝置104，其主顯示屏200被展示給用戶102。通常，主顯示器200用于進(jìn)行大多數(shù)與用戶102的高保真交互。例如，主顯示器200用于顯示視頻或靜止圖像，其是用來改變配置設(shè)置的用戶接口的一部分，并用于瀏覽通話記錄和聯(lián)系人清單。為支持這些交互，主顯示器200具有高分辨率并且其大小能夠適當(dāng)?shù)厝菁{在裝置104中。裝置104可以有第二個并且可能還具有第三個顯示屏以顯示狀態(tài)消息。這些屏幕通常小于主顯示屏200。在以后討論中可以安全地忽略它們。除了主顯示器200外，個人通信裝置104的典型用戶接口還包括鍵盤202或其他用戶輸入裝置。圖沘示出了個人通信裝置104的一些更重要的內(nèi)部組件。該裝置104包括通信收發(fā)器204、處理器206和存儲器208。通常還有麥克風(fēng)210 (或兩個)和揚聲器212。因為搜索的結(jié)果可能不完全符合用戶102的期望，因此本發(fā)明的方面允許用戶 102細(xì)化搜索結(jié)果。圖3呈現(xiàn)了細(xì)化基于語音搜索的結(jié)果的方法的實施例。該方法從步驟 300開始，其中用戶102向他的個人通信裝置104的麥克風(fēng)210說出原始搜索。在步驟302，對用戶102的語音查詢進(jìn)行分析。對于基于語音的搜索查詢，分析常常包括從語音中提取關(guān)鍵搜索詞，并且忽視非單詞和非搜索詞。然后提取的關(guān)鍵搜索詞被轉(zhuǎn)換成文本搜索查詢。該文本搜索查詢被提交給搜索引擎(本地或遠(yuǎn)程)。搜索引擎處理該文本搜索查詢，進(jìn)行該搜索，并返回搜索結(jié)果。在步驟304，搜索結(jié)果呈現(xiàn)在個人通信裝置104的顯示屏200上。通常，搜索返回的“命中”比能夠在顯示屏200上顯示的多。在這種情況下，搜索引擎將它根據(jù)某種標(biāo)準(zhǔn)衡量的認(rèn)為是“最佳”的結(jié)果呈現(xiàn)在顯示屏200上。對于某些實施例，這些標(biāo)準(zhǔn)包括每個命中中的每個提取的搜索詞的重要性。從基于文本的搜索的領(lǐng)域已知很多標(biāo)準(zhǔn)。例如，詞頻-逆向文檔頻率是特定文檔中搜索詞的重要性的度量。如果在某文檔行中搜索詞按照該標(biāo)準(zhǔn)是重要的，則該文檔在結(jié)果列表中被推到比雖然包含該搜索詞但在其中搜索詞并不非常重要的另一文檔更高的位置。已知其他基于文本的用于排名命中的標(biāo)準(zhǔn)并且能夠?qū)⑵溆糜诒景l(fā)明的實施例中。在處理基于語音的搜索中，這些標(biāo)準(zhǔn)的變動是很重要的。當(dāng)用戶鍵入搜索時，搜索引擎準(zhǔn)確地知道輸入的搜索字符串。而在語音搜索查詢中，并非總是如此。搜索引擎可能錯誤地解讀語音搜索查詢中的搜索詞。因此，在本發(fā)明的某些實施例中，從語音搜索查詢提取的每個搜索詞被分配有置信水平。高置信水平意味著搜索引擎非常確信它正確地解讀了語音搜索詞并把它正確地翻譯為文本搜索詞。當(dāng)在步驟304中呈現(xiàn)搜索結(jié)果時，結(jié)果的順序部分地由分配給每個搜索詞的置信水平來確定。低置信水平意味著搜索引擎可能誤解了搜索詞，進(jìn)而在搜索結(jié)果的排序中不應(yīng)該給予該搜索詞太高的權(quán)重。步驟306是可選的，但對基于語音的搜索非常有用。在這里，提取的搜索詞呈現(xiàn)在個人通信裝置104的屏幕200上。這允許用戶102確切地知道搜索引擎是如何解讀搜索查詢的，所以用戶102能夠知道如何去看待搜索的結(jié)果。例如，如果提取的搜索詞的顯示表明搜索引擎錯誤地解讀了關(guān)鍵詞，則用戶102知道搜索結(jié)果不是他想要的。可以顯示每個搜索詞的置信水平，讓用戶102進(jìn)一步深入地看到語音解讀處理和搜索結(jié)果的意義。下面討論的圖5的示例說明了這些概念中的一些。在步驟308，用戶102通過為搜索引擎提供進(jìn)一步的語音輸入以逐步地細(xì)化搜索結(jié)果。這能夠采取單獨或者一起使用的許多形式。例如，用戶102(基于可選步驟306的輸出)發(fā)現(xiàn)重要的搜索詞(比如，“boat”)被分配有低置信水平。然后用戶102重復(fù)該搜索詞(“boat，boat，boat”)，努力說得非常清楚。搜索引擎基于該進(jìn)一步的語音輸入來修訂它對語音搜索查詢的解讀，并提高被重復(fù)的搜索詞的置信水平。搜索引擎基于重復(fù)的搜索詞的增加的置信水平來細(xì)化搜索，并且在步驟310將細(xì)化的搜索結(jié)果呈現(xiàn)給用戶102。用戶102還可以通過語音替換被錯誤理解的搜索詞“不是goat，我是說boat”。即使當(dāng)搜索引擎在解讀原始語音搜索查詢中沒有錯誤時，用戶102也能夠細(xì)化搜索。例如，一旦用戶102開始說話時，搜索引擎就可以開始搜索，該搜索基于已經(jīng)從用戶102 的語音中提取的詞。僅僅基于當(dāng)前提取的原始搜索詞的呈現(xiàn)的搜索結(jié)果可能范圍非常廣。 當(dāng)用戶102繼續(xù)說話時，更多的搜索詞被提取并同以前的搜索詞進(jìn)行邏輯組合以細(xì)化搜索字符串。隨著用戶102繼續(xù)說話，基于進(jìn)一步搜索詞的細(xì)化的搜索結(jié)果變得更加精確。聰明的搜索引擎還能解讀口語和短語，如“或”、“和”、“不”、“引號開始”和“引號結(jié)束”，作為具體細(xì)化搜索查詢的邏輯操作。在用戶102基于其個人通信裝置104的屏幕200上呈現(xiàn)的搜索結(jié)果和提取的搜索詞來細(xì)化搜索時，能夠重復(fù)上述技術(shù)。使用這些技術(shù)，用戶102可以縮小搜索范圍、拓寬范圍及改變搜索詞的相對重要性以改變結(jié)果和結(jié)果的排序。圖4示出了另一種細(xì)化基于語音搜索的方法。在初始步驟中，該方法與圖3中的方法相似。用戶102說出搜索查詢(步驟400)，從說出的查詢提取搜索詞(步驟40 ，提取的搜索詞被轉(zhuǎn)換為文本搜索查詢，其用作搜索的基礎(chǔ)(步驟404)，然后結(jié)果(或至少“較好的”結(jié)果)被呈現(xiàn)給用戶102(步驟406)。與該結(jié)果一起，提取的搜索詞被呈現(xiàn)給用戶(步驟408)，也可以同時呈現(xiàn)分配給每個詞的置信水平。在步驟410中，用戶102能夠有機(jī)會操作提取的搜索詞。在一些實施例中，用戶102 利用文本編輯器來操作這些詞。用戶102可以刪除一些詞、添加其他詞、增加詞的置信水平 (即，確認(rèn)搜索引擎正確地解讀了該搜索詞，例如，在基于觸摸的用戶接口上觸摸詞)、對詞進(jìn)行邏輯組合(例如，創(chuàng)建復(fù)合詞或短語)，以及對提取的詞執(zhí)行布爾運算。以該方式，文本編輯工具用于細(xì)化原始的基于語音的搜索查詢。在步驟412執(zhí)行基于用戶102的操作的細(xì)化的搜索，并且在步驟414將細(xì)化結(jié)果呈現(xiàn)給用戶102。與圖3的方法一樣，當(dāng)用戶102繼續(xù)細(xì)化搜索時可以重復(fù)上述步驟直到得到期望的結(jié)果。一些實施例在步驟410中支持除了文本編輯器之外的或者替代文本編輯器的其他用戶輸入裝置。例如，用戶102的面部姿態(tài)可以被解讀為編輯命令。當(dāng)用戶102在編輯搜索字符串時由于其他原因不能自由使用雙手時，這非常有用。圖3和圖4的方法雖然不同，但顯然是兼容的。本發(fā)明的實施例可以允許用戶102 同時使用基于語音的和非基于語音的工具來細(xì)化搜索。圖5示出了細(xì)化基于語音的搜索的示例。因為專利是打印的文檔，所以圖5示出了使用基于文本的編輯技術(shù)，但是能夠使用單純基于語音的接口或者兩者的結(jié)合來得到同樣的結(jié)果。在圖5的框500中，用戶102說出搜索查詢“Next is the ‘Hello My Cuckoo' Song(接下來是歌曲“你好我的杜鵑鳥”)?？?02示出了搜索引擎從語音查詢提取的搜索詞。注意的是，搜索引擎把說出的詞“next (接下來)”錯誤地當(dāng)成“text (文本)，， 并忽視了(或沒有捕捉到)單詞“the”和“my (我的)”。在一些實施例中，搜索引擎只顯示已經(jīng)分配有相對高的置信水平的提取詞。框504示出了基于框502提取的搜索詞的原始搜索結(jié)果。提取的搜索詞，或者至少具有相對高的置信水平的詞，在搜索結(jié)果中被高亮顯示，這在框504中通過添加下劃線示出。響應(yīng)框504中呈現(xiàn)的結(jié)果，在框506中用戶102刪除兩個提取的關(guān)鍵詞“ is (是)” 和“text(文本)”。在另一個示例中，用戶102可以用正確的關(guān)鍵詞“next(接下來)”來替代被錯誤解讀的關(guān)鍵詞“text (文本)”。在本示例中，用戶102意識到“next (接下來)” 是沒有任何幫助的，也就不再增加了。在框508中示出了搜索項的修改列表，并且修改后的結(jié)果呈現(xiàn)在框510中。這時， 用戶102能夠應(yīng)用上述討論的技術(shù)來繼續(xù)細(xì)化搜索或可以簡單地在框510中所示的結(jié)果中進(jìn)行選擇。根據(jù)本發(fā)明的方面，用戶102應(yīng)用不同的基于語音和非基于語音的方法來細(xì)化基于語音的搜索查詢。最后的結(jié)果是，至少，用戶102更好地理解了搜索引擎為什么產(chǎn)生了這種結(jié)果，并且最好的是，用戶102獲得了期望的搜索結(jié)果。鑒于可以應(yīng)用本發(fā)明的原理的很多可能實施例，應(yīng)了解的是，這里參考附圖描述的實施例僅僅是示例性的而不應(yīng)理解為限制本發(fā)明的范圍。例如，用于編輯搜索查詢的不同用戶接口可以適用于不同的情況和不同能力的裝置。因此，這里描述的本發(fā)明意在包含所有落入所附權(quán)利要求及其等同物的范圍內(nèi)的實施例。
權(quán)利要求
1.一種用于逐步細(xì)化基于語音的搜索的方法，所述方法包括 從用戶(102)接收(300)初始的語音輸入；執(zhí)行(30 搜索，所述搜索至少部分地基于初始的語音輸入； 將至少部分的搜索結(jié)果呈現(xiàn)(304)給用戶(102)；以及當(dāng)用戶(10 繼續(xù)說話時，至少部分地基于從用戶(10 接收的進(jìn)一步的語音輸入來細(xì)化(308)搜索并將至少部分的細(xì)化的搜索結(jié)果呈現(xiàn)(310)給用戶(102)。
2.如權(quán)利要求1所述的方法，其中，執(zhí)行搜索包括從初始的語音輸入提取一個或多個搜索詞以及從進(jìn)一步的語音輸入提取一個或多個搜索詞。
3.如權(quán)利要求2所述的方法，其中，呈現(xiàn)至少部分的搜索結(jié)果包括選擇要呈現(xiàn)的結(jié)果， 該選擇至少部分地基于按照提取的搜索詞的置信度的排序。
4.如權(quán)利要求2所述的方法，其中，細(xì)化搜索包括在搜索中，從進(jìn)一步的語音輸入提取的搜索詞分配有比分配給從初始的語音輸入提取的搜索詞的置信度更高的置信度。
5.如權(quán)利要求2所述的方法，其中，細(xì)化搜索包括在搜索中，重復(fù)的提取的搜索詞被分配有比非重復(fù)的提取的搜索詞更高的置信度。
6.一種用于細(xì)化基于語音的搜索的方法，所述方法包括 從用戶(102)接收(400)語音輸入；從接收到的語音輸入提取(40 —個或多個搜索詞；執(zhí)行(404)搜索，該搜索至少部分地基于提取的搜索詞；將至少部分的搜索結(jié)果呈現(xiàn)(406)給用戶(102)；將至少部分的提取的搜索詞呈現(xiàn)(408)給用戶(102)；從用戶(102)接收(410)命令以對呈現(xiàn)的搜索詞進(jìn)行邏輯操作；細(xì)化(412)搜索，該細(xì)化(412)至少部分地基于從用戶(102)接收的邏輯操作命令；以及將至少部分的細(xì)化的搜索結(jié)果呈現(xiàn)(414)給用戶(102)。
7.如權(quán)利要求6所述的方法，其中，從用戶接收命令包括從由觸覺輸入、鍵盤輸入、姿態(tài)輸入和語音輸入組成的組接收到的命令。
8.如權(quán)利要求6所述的方法，其中，用于對呈現(xiàn)的搜索詞進(jìn)行邏輯操作的命令包括從下述組成的組中選擇的命令根據(jù)考慮移除搜索詞、改變搜索詞的置信水平、將多個搜索詞合并成搜索短語、創(chuàng)建搜索詞的邏輯析取、創(chuàng)建搜索詞的邏輯連接和改變搜索字符串中的邏輯優(yōu)先級。
9.一種個人通信裝置(104)，包括麥克風(fēng)010)，其被構(gòu)造為從用戶(102)接收(300，308)語音輸入； 輸出裝置(200，212)；和處理器006)，其可操作地連接到麥克風(fēng)O10)以及輸出裝置000，212)，所述處理器 (206)被構(gòu)造為執(zhí)行(302)搜索，該搜索至少部分地基于從用戶(102)接收(300)到的初始的語音輸入；在輸出裝置(200，212)上為用戶(102)呈現(xiàn)(304)至少部分的搜索結(jié)果，并且，當(dāng)用戶(102)繼續(xù)說話時，至少部分地基于從用戶(102)接收(308)的進(jìn)一步的語音輸入來細(xì)化(308)搜索；以及在輸出裝置000，212)上為用戶(102)呈現(xiàn)(310)至少部分的細(xì)化的搜索結(jié)果。
10. 一種個人通信裝置(104)，包括麥克風(fēng)010)，其被構(gòu)造為從用戶(102)接收(400，410)語音輸入； 輸入裝置(200，202，210)； 輸出裝置(200，212)；和處理器006)，其可操作地連接到麥克風(fēng)010)、輸入裝置000，202，210)以及輸出裝置000，212)，該處理器(206)被構(gòu)造為從接收自用戶(10 的語音輸入提取(40 —個或多個搜索詞；執(zhí)行(404)搜索，該搜索至少部分地基于提取的搜索詞；在輸出裝置(200， 212)上向用戶(102)呈現(xiàn)006)至少部分的搜索結(jié)果；在輸出裝置(200，212)上向用戶 (102)呈現(xiàn)(408)至少部分的提取的搜索詞；在輸入裝置(200，202，210)上從用戶(102)接收(410)命令以邏輯操作呈現(xiàn)的搜索詞；細(xì)化(412)搜索，該細(xì)化(412)至少部分地基于從用戶(102)接收到的邏輯操作命令；以及在輸出裝置(200，212)上向用戶(102)呈現(xiàn)(414) 至少部分的細(xì)化的搜索結(jié)果。
全文摘要
公開了一種編輯方法，其被添加到基于語音的搜索以允許用戶(102)更好地理解提交給搜索引擎的文本查詢并且容易編輯其語音查詢。根據(jù)一些實施例，用戶(102)開始說話(300)。用戶的語音被翻譯為文本查詢并且被提交(302)到搜索引擎。搜索的結(jié)果被呈現(xiàn)(304)給用戶(102)。當(dāng)用戶(102)繼續(xù)說話時，基于用戶的進(jìn)一步的語音來細(xì)化(308)用戶的語音查詢。細(xì)化的語音查詢被轉(zhuǎn)換成文本查詢并再次將其提交(308)給搜索引擎。細(xì)化的結(jié)果被呈現(xiàn)(310)給用戶(102)。只要用戶繼續(xù)細(xì)化(308)查詢，則該處理繼續(xù)。一些實施例將文本查詢呈現(xiàn)(408)給用戶(102)并且允許用戶(102)使用基于語音和非基于語音的工具來編輯(410)文本查詢。
文檔編號G10L15/00GK102246587SQ200980150288
公開日2011年11月16日 申請日期2009年12月14日 優(yōu)先權(quán)日2008年12月16日
發(fā)明者W·加蘭·菲利普斯, 哈里·M·布里斯, 巴沙爾·亞諾, 馬長學(xué) 申請人:摩托羅拉移動公司