DE69922971T2

DE69922971T2 - Netzwerk-interaktive benutzerschnittstelle mittels spracherkennung und verarbeitung natürlicher sprache

Info

Publication number: DE69922971T2
Application number: DE69922971T
Authority: DE
Inventors: C. Dean WEBER
Original assignee: ONE VOICE TECHNOLOGIES Inc; ONE VOICE TECHNOLOGIES Inc SAN DIEGO
Current assignee: ONE VOICE TECHNOLOGIES Inc; ONE VOICE TECHNOLOGIES Inc SAN DIEGO
Priority date: 1998-09-09
Filing date: 1999-09-08
Publication date: 2005-12-29
Anticipated expiration: 2019-09-09
Also published as: CN1325527A; AU762282B2; JP2002524806A; ES2235520T3; EP1110206A1; CA2343150A1; ATE287117T1; AU763059B2; ATE286296T1; ES2235508T3; CA2343229A1; AU6243999A; CN1325528A; WO2000014727A1; JP2002524776A; US6499013B1; AU5813099A; EP1110205A1; US6532444B1; EP1110205B1

Description

Die vorliegende Erfindung bezieht sich auf ein Verfahren zur Interaktion mit einem Netzobjekt, und auf ein System zum Aktualisieren eines Computers zur Benutzerinteraktion mit einem Netzobjekt.
Die vorliegende Erfindung bezieht sich allgemein auf die Spracherkennung für eine Netzcomputer-Benutzerschnittstelle und insbesondere auf ein neues Verfahren und System zur Benutzerinteraktion mit einem Computer mittels Spracherkennung und Verarbeitung natürlicher Sprache.
Mit der zunehmenden Bedeutung von Computern wurde es deutlich, dass viele Menschen große Schwierigkeiten haben, Computer zu verstehen und mit diesen zu kommunizieren. Ein Benutzer muss oft archaische Befehle und nicht intuitive Verfahren lernen, um den Computer zu bedienen. Die meisten PCs verwenden z.B. Betriebssysteme auf Windows-Basis, die weitgehend menügesteuert sind. Dies erfordert, dass der Benutzer lernt, welche Menübefehle oder Befehlssequenzen die gewünschten Ergebnisse bringen.
Weiterhin wird die herkömmliche Interaktion mit einem Computer oft durch manuelle Eingabevorrichtungen, wie Keyboards oder eine Maus, verlangsamt.
Viele Computerbenutzer können nicht schnell maschinenschreiben. Folglich wird viel Zeit aufgewandt, Befehle und Wörter in den Computer mittels dieser manuellen Eingabevorrichtungen einzugeben. Es wird klar, dass ein einfacheres, schnelleres und intuitiveres Verfahren zur Kommunikation mit Computern und Netzobjekten, wie Web-Sites, erforderlich ist.
Ein vorgeschlagenes Verfahren zur Computer-Interaktion ist die Spracherkennung. Spracherkennung beinhaltet Software und Hardware, die zusammenwirken, um die menschliche Sprache hörbar zu detektieren und die detektierte Sprache in eine Reihe von Worten zu übersetzen. Wie bekannt ist, funktioniert Spracherkennung durch Zergliedern von durch die Hardware detektierten Tönen in kleinere nicht teilbare Töne, die Phoneme genannt werden. Phoneme sind klare Toneinheiten. Das Wort „those" z.B. besteht aus drei Phonemen. Das erste ist der Laut „th", der zweite „o" und der dritte „s". Die Spracherkennungs-Software versucht, die detektierten Phoneme mit bekannten Wörtern von einem gespeicherten Wörterbuch zu vergleichen. Ein Beispiel eines Spracherkennungssystems ist in dem US-Patent Nr. 4,783,803 „Speech recognition apparatus and method" gegeben, erteilt am 8.11.1998 in Namen von Dragon Systems, Inc., auf das hier Bezug genommen wird. Derzeit gibt es viele kommerziell erhältliche Spracherkennungs-Softwarepakete, die von Firmen wie Dragon Systems, Inc. und International Business Machines, Inc. vertrieben werden.
Eine Einschränkung dieser Spracherkennungs-Softwarepakete oder -systeme besteht darin, dass sie normalerweise nur Befehls-, Steuer- oder Diktierfunktionen ausführen. Somit muss der Benutzer immer noch ein Vokabular von Befehlen lernen, um den Computer zu betreiben.
Ein Vorschlag zur Verbesserung dieser Spracherkennungssysteme besteht darin, die detektierten Wörter mittels eines Verarbeitungssystems für natürliche Sprache zu verarbeiten. Die Verarbeitung natürlicher Sprache beinhaltet generell das Bestimmen einer konzeptionellen „Bedeutung" (z.B. was der Sprecher übermitteln möchte) der detektierten Worte durch Analysieren ihres grammatikalischen Verhältnisses und relativen Kontextes. Das US-Patent Nr. 4,887,212 mit dem Titel „Parser for natural language text", erteilt am 12.12.1989 im Namen von International Business Machines Corporation, auf das hier Bezug genommen wird, lehrt ein Verfahren zum Analysieren (Parsen) eines Eingabestroms von Worten mittels Wortisolierung, morphologischer Analyse, Nachschlagen im Wörterbuch und Grammatikanalyse.
Verarbeitung natürlicher Sprache zusammen mit Spracherkennung bietet ein leistungsstarkes Tool zum Betreiben eines Computers mittels gesprochener Worte im Vergleich zu manueller Eingabe, wie über eine Tastatur oder Maus. Ein Nachteil eines konventionellen Verarbeitungssystems natürlicher Sprache besteht darin, dass es die korrekte „Bedeutung" der von dem Spracherkennungssystem detektierten Worte nicht richtig bestimmt. In diesem Fall muss der Benutzer normalerweise den Satz neu zusammenstellen oder erneut sagen in der Hoffnung, dass das Verarbeitungssystem für natürliche Sprache die richtige „Bedeutung" bei nachfolgenden Versuchen feststellt. Dies kann natürlich wesentliche Verzögerungen mit sich bringen, da der Benutzer den gesamten Satz oder Befehl neu sagen muss. Ein weiterer Nachteil von herkömmlichen Systemen besteht darin, dass die Verarbeitungszeit, die für die Spracherkennung erforderlich ist, unzulässig lang sein kann. Dies in erster Linie aufgrund der endlichen Sprache der Verarbeitungsquellen im Vergleich zu der großen Menge an zu verarbeitenden Informationen. Bei vielen herkömmlichen Spracherkennungsprogrammen ist z.B. die Zeit zum Erkennen der Äußerung aufgrund der Größe der durchsuchten Wörterbuchdatei lang.
Ein zusätzlicher Nachteil natürlicher Spracherkennungs- und Verarbeitungssystemen für natürliche Sprache besteht darin, dass sie nicht interaktiv sind und somit nicht mit neuen Situationen umgehen können. Wenn ein Computersystem auf unbekannte oder neue Netzobjekte trifft, bilden sich neue Verhältnisse zwischen dem Computer und den Objekten. Herkömmliche Spracherkennung und Verarbeitungssysteme für natürliche Sprache können nicht mit Situationen umgehen, die aus den neuen Verhältnissen, die sich aus durch zuvor unbekannte Netzobjekte stellen, resultieren. Als Folge ist eine konversationsartige Interaktion mit dem Computer nicht möglich. Der Benutzer muss dem Computer vollständige Konzepte übermitteln. Der Benutzer kann nicht in Satzfragmenten sprechen, da die Bedeutung dieser Satzfragmente verloren geht (was von der Bedeutung von vorherigen Äußerungen abhängt).
Es ist eine interaktive Benutzerschnittstelle für einen Computer erforderlich, welche Spracherkennung und Verarbeitung natürlicher Sprache verwendet und die obengenannten Nachteile vermeidet.
EP-A-0854418 offenbart ein System zum Hinzufügen von Spracherkennungsfähigkeiten zu Java, wobei ein mit einer Java-Anwendung gekoppelter Spracherkennungsserver über eine Anwendungsprogramm-Schnittstelle vorgesehen ist.
Gemäß einem ersten Aspekt der Erfindung ist ein Verfahren zur Interaktion mit einem Netzobjekt vorgesehen, wobei das Verfahren aufweist: Empfangen einer sich auf ein Netzobjekt beziehenden Interaktion von einem Benutzer her; Feststellen, ob eine Netzobjekttabelle dem Netzobjekt zugeordnet ist; Erhalten der Netzobjekttabelle, die dem Netzobjekt zugeordnet ist, falls die Netzobjekttabelle existiert, wobei die Netzobjekttabelle einen Eintrag hat, der dem Netzobjekt entspricht und eine oder mehr Maßnahmen spezifiziert, die dem Netzobjekt zugeordnet sind; Suchen in der dadurch erhaltenen Netzobjekttabelle nach einem passenden Eintrag für das Netzobjekt, Durchführen einer Maßnahme, die dem passenden Eintrag zugeordnet ist, falls der passende Eintrag in der Netzobjekttabelle gefunden wird, wobei die Maßnahme das Aktualisieren einer ersten Grammatikdatei mit Grammatik, die sich auf das Netzobjekt bezieht, beinhaltet; Suchen in der ersten Grammatikdatei nach einer passenden Wendung für eine andere sich auf ein Netzobjekt beziehende Interaktion, die von einem Benutzer her erhalten wurde; Suchen in einer zweiten Grammatikdatei nach der passenden Wendung, falls die passende Wendung in der ersten Grammatikdatei nicht gefunden wird; Suchen in einer Datenbank für natürliche Sprache nach einem passenden Eintrag für die genannte passende Wendung; und Durchführen einer Maßnahme, die dem passenden Eintrag zugeordnet ist, falls der passende Eintrag in der Datenbank für natürliche Sprache gefunden wird; und Auffordern des Benutzers zur Klärung des Netzobjektes, falls kein passender Eintrag in der Datenbank für natürliche Sprache gefunden wird.
Gemäß einem zweiten Aspekt der vorliegenden Erfindung ist ein System zum Aktualisieren eines Computers für eine Benutzer-Interaktion mit einem Netzobjekt vorgesehen, wobei das System aufweist: eine Netzschnittstelle, die so konfiguriert ist, dass sie eine Dialog-Definitions-Datei, die einem Netzobjekt zugeordnet ist, überträgt, wobei die Dialog-Definitions-Datei eine Netzobjekttabelle enthält, die einen passenden Eintrag für das Netzobjekt hat und eine oder mehrere zugehörige Maßnahmen spezifiziert, die dem Netzobjekt zugeordnet sind; einen Datenprozessor, der so konfiguriert ist, dass er in der Netzobjekttabelle nach einem passenden Eintrag für die Interaktion sucht; eine Anwendungs-Schnittstelle, die so konfiguriert ist, das sie eine Maßnahme durchführt, die dem passenden Eintrag zugeordnet ist, falls der passende Eintrag in der Netzobjekttabelle gefunden wird, wobei die Maßnahme das Aktualisieren einer kontext-spezifischen Grammatikdatei mit Grammatik, die sich auf das Netzobjekt bezieht, beinhaltet; einen Sprachprozessor, der dazu ausgebildet ist, in der kontext-spezifischen Grammatikdatei nach einem passenden Satz für eine andere Interaktion zu suchen, die sich auf ein von dem Benutzer her empfangenes Netzobjekt bezieht, in einer generellen Grammatikdatei nach der passenden Wendung zu suchen, falls der passende Satz nicht in der kontextspezifischen Grammatikdatei gefunden wird, in einer Diktiergrammatik nach der passenden Wendung zu suchen, falls die passende Wendung nicht in der generellen Grammatikdatei gefunden wird, und in einem kontext-spezifischen Diktiermodell zu suchen, falls die passende Wendung nicht in der Diktiergrammatik gefunden wird; und einen Prozessor für natürliche Sprache, der so konfiguriert ist, dass er in einer Datenbank nach einem passenden Eintrag für die passende Wendung sucht, wobei die Einträge Wendungen darstellen, die der Datenbank bekannt sind; wobei die Anwendungs-Schnittstelle so konfiguriert ist, dass sie eine dem passenden Eintrag zugeordnete Maßnahme ergreift, falls der passende Eintrag in der Datenbank gefunden wird, und den Benutzer über das Netzobjekt abfragt, falls kein passender Eintrag gefunden wird.
Bei einer Ausführungsform bietet die vorliegende Erfindung ein System und ein Verfahren zur Interaktion mit einem Computer mittels Äußerungen, Sprachverarbeitung und Verarbeitung natürlicher Sprache. Allgemein weist das System einen Sprachprozessor zum Suchen in einer ersten Grammatikdatei für eine passende Wendung für die Äußerung und zum Suchen in einer zweiten Grammatikdatei nach der passenden Wendung, wenn die passende Wendung nicht in der ersten Grammatikdatei gefunden wird. Das System beinhaltet auch einen Prozessor für natürliche Sprache zum Suchen in einer Datenbank nach einem passenden Eintrag für die passende Wendung und eine Anwendungs-Schnittstelle zum Ausführen einer Maßnahme, die dem passenden Eintrag zugeordnet ist, wenn der passende Eintrag in der Datenbank gefunden wird.
Bei dem bevorzugten Ausführungsbeispiel aktualisiert der Prozessor für natürliche Sprache mindestens die Datenbank, eine erste Grammatikdatei oder eine zweite Grammatikdatei mit der passenden Wendung, wenn der passende Eintrag nicht in der Datenbank gefunden wurde.
Bei einer Ausführungsform ist die erste Grammatikdatei eine kontext-spezifische Grammatikdatei. Eine kontext-spezifische Grammatikdatei ist eine, die Worte und Wendungen enthält, die höchst relevant für ein spezifisches Objekt sind. Die zweite Grammatikdatei ist eine allgemeine Grammatikdatei. Eine allgemeine Grammatikdatei ist eine, welche Worte und Wendungen enthält, die nicht in Bezug auf einen Kontext interpretiert werden müssen. Das heißt, die Worte und Wendungen in der allgemeinen Grammatikdatei gehören nicht zu einem Stammkontext. Durch Durchsuchen der kontext-spezifischen Grammatikdatei vor dem Suchen in der allgemeinen Grammatikdatei, ermöglicht die vorliegende Erfindung, dass der Benutzer mit dem Computer eher in der Art einer Konversation kommuniziert, wobei die gesprochenen Worte, falls sie in der kontext-spezifischen Grammatikdatei gefunden werden, im Hinblick auf das zuletzt erörterte Thema interpretiert werden.
Bei einer Ausführungsform sucht der Sprachprozessor in einer Diktiergrammatik nach der passenden Wendung, wenn die passende Wendung nicht in der allgemeinen Grammatikdatei gefunden wird. Die Diktiergrammatik ist ein großes Vokabular von allgemeinen Worten und Wendungen. Dadurch dass die kontextspezifische und allgemeine Grammatik zuerst durchsucht werden, wird erwartet, dass die Spracherkennungszeit sich stark reduziert, da die kontextspezifische und allgemeine Grammatik physisch kleinere Dateien als die Diktiergrammatik sind.
Bei einer Ausführungsform ersetzt der Prozessor für natürliche Sprache mindestens ein Wort in der passenden Wendung bevor er in der Datenbank sucht. Dies kann durch einen variablen Ersetzer in dem Prozessor für natürliche Sprache erfolgen, um einen Platzhalter für das mindestens eine Wort in der passenden Wendung zu setzen. Durch Ersetzen gewisser Worte („Wortvariable" genannt) durch Platzhalter in der Wendung kann die Anzahl an Einträgen in der Datenbank bedeutend reduziert werden. Außerdem kann ein Pronomen-Ersetzer in dem Prozessor für natürliche Sprache einen richtigen Namen für Pronomen in der passenden Wendung ersetzen, wodurch benutzerspezifische Tatsachen in der Datenbank gespeichert werden können.
Bei einer Ausführungsform formatiert ein Zeichenreihen-Formatiertext die passende Wendung vor dem Durchsuchen der Datenbank. Ein Wortgewichter gewichtet ebenfalls einzelne Worte in der passenden Wendung gemäß einer relativen Bedeutung der einzelnen Worte vor dem Durchsuchen der Datenbank. Diese Schritte ermöglichen ein schnelleres, akkurateres Durchsuchen der Datenbank.
Bei einer Ausführungsform erzeugt eine Suchmaschine in dem Prozessor für natürliche Sprache einen Vertrauenswert für den passenden Eintrag. Der Prozessor für natürliche Sprache vergleicht den Vertrauenswert mit einem Schwellenwert. Ein boolescher Tester stellt fest, ob eine erforderliche Anzahl an Worten aus der passenden Wendung in dem passenden Eintrag vorhanden sind. Dieser boolesche Test dient als Verifizierung der von der Suchmaschine gelieferten Ergebnisse.
Bei einer Ausführungsform fordert der Prozessor für natürliche Sprache den Benutzer auf, ob der passende Eintrag eine korrekte Interpretation der Äußerung ist, falls die erforderliche Anzahl an Worten aus der passenden Wendung nicht in dem passenden Eintrag vorhanden ist, um Unklarheiten zu lösen. Der Prozessor für natürliche Sprache fordert vom Benutzer auch zusätzliche Informationen, falls der passende Eintrag keine korrekte Interpretation der Äußerung ist. Mindestens eines von Datenbank, erster Grammatikdatei und zweiter Grammatikdatei werden mit den zusätzlichen Informationen aktualisiert. Auf diese Weise „lernt" die vorliegende Erfindung adaptiv die Bedeutung von zusätzlichen Äußerungen, wobei die Effektivität der Benutzerschnittstelle verbessert wird.
Bei einer Ausführungsform aktiviert der Sprachprozessor eine kontext-spezifische Grammatik, die dem passenden Eintrag zugeordnet ist, und sucht darin nach einer folgenden passenden Wendung für eine folgende Äußerung.
Dadurch wird sichergestellt, dass die wichtigsten Worte und Wendungen zuerst gesucht werden, wodurch sich die Spracherkennungszeiten reduzieren.
Bei einer Ausführungsform liefert die vorliegende Erfindung ein Verfahren zum Aktualisieren eines Computers zur Sprach-Interaktion mit einem Netzobjekt, wie einer Web-Page. Zuerst wird eine Netzobjekttabelle, welche dem Netzobjekt das Sprach-Interaktionssystem zuordnet, an den Computer über ein Netz übertragen. Die Stelle der Netzobjekttabelle kann in dem Netzobjekt, an einer spezifischen Internet-Website oder einer konsolidierten Stelle eingebettet sein, welche Netzobjekttabellen für mehrere Netzobjekte speichert. Die Netzobjekttabelle wird nach für das Netzobjekt passenden Einträgen durchsucht. Der für das Netzobjekt passende Eintrag kann eine Maßnahme zur Folge haben, z.B. dass eine Textsprache über einen Lautsprecher gesprochen wird, eine kontext-spezifische Grammatikdatei verwendet wird oder eine Prozessordatenbank für natürliche Sprache verwendet wird. Die Netzobjekttabelle kann Teil einer Dialog-Definitionsdatei sein. Dialog-Definitionsdateien können auch kontext-spezifische Grammatik, Einträge für eine Prozessordatenbank für natürliche Sprache oder beides beinhalten.
Bei einer Ausführungsform überträgt eine Netz-Schnittstelle eine Dialog-Definitionsdatei von über dem Netz her. Die Dialog-Definitionsdatei enthält eine Netzobjekttabelle. Ein Datenprozessor sucht in der Netzobjekttabelle nach einem Tabelleneintrag, welcher zu dem Netzobjekt passt. Sobald dieser passende Tabelleneintrag gefunden wurde, führt eine Anwendungs-Schnittstelle eine von dem passenden Eintrag spezifizierte Maßnahme durch.
Bei einer Ausführungsform wird die dem Netz zugeordnete Dialog-Definitionsdatei geladen und dann gelesen. Die Dialog-Definitionsdatei könnte von einer Vielzahl von Orten gelesen werden, z.B. einer Website, Speichermedien oder einer Stelle, die Dialog-Definitionsdateien für mehrere Netzobjekte speichert. Eine Netzobjekttabelle, die in der Dialog-Definitionsdatei enthalten ist, wird nach einem Tabelleneintrag durchsucht, der zu dem Netzobjekt passt. Der passende Eintrag definiert eine Maßnahme, die dem Netzobjekt zugeordnet ist und die Maßnahme wird dann von dem System ausgeführt. Zusätzlich zu einer Netzobjekttabelle kann die Dialogdatei eine kontext-spezifische Grammatik, Einträge für eine Prozessordatenbank für natürliche Sprache oder beides enthalten.
Die Merkmale, Ziele und Vorteile der vorliegenden Erfindung ergeben sich deutlicher aus der folgenden detaillierten Beschreibung in Verbindung mit den Zeichnungen, in welchen gleiche Bezugszeichen Entsprechungen zeigen.
1 ist ein funktionelles Blockdiagramm eines beispielhaften Computersystems zur Verwendung mit der vorliegenden Erfindung;
2 ist ein erweitertes funktionelles Blockdiagramm der CPU 102 und Speichermedium 108 des Computersystems von 1 der vorliegenden Erfindung;
3A-3D sind Flussdiagramme des Verfahrens zum Bereitstellen von interaktiver Spracherkennung und Verarbeitung natürlicher Sprache an einen Computer;
4 ist ein Diagram von ausgewählten Spalten einer beispielhaften Verarbeitungs- (NLP) Datenbank für natürliche Sprache der vorliegenden Erfindung;
5 ist ein Diagramm einer beispielhaften Datenbank-Definitionsdatei (DDF) gemäß der vorliegenden Erfindung;
6 ist ein Diagramm von gewählten Spalten einer beispielhaften Netzwerkobjekttabelle der vorliegenden Erfindung;
7A-7C sind Flussdiagramme des Verfahrens der vorliegenden Erfindung, die die Verknüpfung von interaktiver Spracherkennung und Verarbeitung natürlicher Sprache an ein Netzobjekt, wie einer Webpage zeigen; und
8 ist ein Diagramm, welches ein Computersystem zeigt, das mit anderen Computern, Speichermedien und Websites über das Internet verbunden wird.
Die vorliegende Erfindung wird nun in Bezug auf ein funktionelles Blockdiagramm eines beispielhaften Computersystems 100 von 1 offenbart. In 1 beinhaltet das Computersystem 100 eine zentrale Verarbeitungseinheit (CPU) 102. Die CPU 102 kann ein beliebiger Mikroprozessor für allgemeine Zwecke oder ein bekanntes Mikrosteuersystem sein, das entsprechend programmiert ist, um das hier in Bezug auf 3A-3D beschriebene Verfahren auszuführen. Die Software zum Programmieren der CPU kann in dem Speichermedium 108 oder alternativ an einer anderen Stelle über einem Computernetz vorhanden sein. Die CPU 102 kann z.B. ein herkömmlicher Mikroprozessor wie ein Pentium II Prozessor sein, hergestellt von Intel Corporation oder dergleichen.
Die CPU 102 kommuniziert mit einer Mehrzahl von Peripheriegeräten, einschließlich einem Display 104, einer Eingabevorrichtung 106, einem Speichermedium 108, einem Mikrophon 110, einem Lautsprecher 112 und einem Dateneingangsport 114 und einer Netz-Schnittstelle 116. Das Display 104 kann ein visuelles Display wie ein CRT, LCD-Bildschirm, berührungsempfindlicher Bildschirm oder andere bekannte Monitore sein zur visuellen Anzeige von Bildern und Texten für einen Benutzer. Die Eingabevorrichtung 106 kann eine herkömmliche Tastatur, ein Tastenfeld, eine Maus, ein Trackball oder eine andere Eingabevorrichtung sein, wie sie zur manuellen Eingabe von Daten bekannt sind. Das Speichermedium 108 kann ein herkömmlicher Lese/Schreib-Speicher wie ein Magnetlaufwerk, ein Floppy-Disk-Laufwerk, ein CD-Rom-Laufwerk, ein Speicherchip oder eine andere Speichervorrichtung sein, die herkömmlicherweise zum Speichern und zur Wiedergabe von Daten verwendet werden. In bedeutender Weise kann das Speichermedium 108 von der CPU 102 entfernt angeordnet sein und mit der CPU 102 über ein Netz, wie ein Local Area Network (LAN) oder Wide Area Network (WAN) oder Internet verbunden sein. Das Mikrophon 110 kann ein beliebiges, geeignetes, bekanntes Mikrophon sein, um Audiosignale der CPU 102 zuzuführen. Der Lautsprecher 112 kann ein beliebiger, geeigneter, bekannter Lautsprecher zum Reproduzieren von Audiosignalen von der CPU 102 sein. Es ist klar, dass das Mikrophon 110 und der Lautsprecher 112 entsprechende Digital-Analog- und Analog-Digital-Umwandlungsschaltungen je nach Bedarf beinhalten kann. Der Dateneingabeport 114 kann ein beliebiger bekannter Datenport zum Verbinden mit einer externen Zugriffsvorrichtung sein unter Verwendung eines Datenprotokolls, wie RS-232, Universal Serial Bus oder dergleichen. Die Netz-Schnittstelle 116 kann eine beliebige bekannte Schnittstelle sein zum Kommunizieren oder Übertragen von Daten über ein Computernetz. Beispiele solcher Netze beinhalten TCP/IP, Ethernet oder Token- Ring-Netze. Außerdem kann bei einigen Systemen die Netz-Schnittstelle 116 aus einem Modem bestehen, das mit dem Dateneingangsport 114 verbunden ist.
1 zeigt somit die funktionellen Elemente eines Computersystems 100. Alle Elemente des Computersystems 100 können geeignete Standardkomponenten wie oben beschrieben sein. Die vorliegende Erfindung liefert ein Verfahren und ein System zur Interaktion zwischen Mensch und Computersystem 100 mittels Sprache.
Wie in 8 gezeigt ist, kann das Computersystem 100 mit dem Internet 700, einer Sammlung von Computernetzen, verbunden werden. Das Computersystem 100 kann über eine Netz-Schnittstelle 116, ein mit dem Dateneingangsport 114 verbundenes Modem oder jegliches andere bekannte Verfahren mit dem Internet 700 verbunden werden. Websites 710, andere Computer 720 und Speichermedien 108 können ebenfalls mit dem Internet über solche bekannte Verfahren verbunden werden.
2 zeigt ein erweitertes funktionelles Blockdiagramm mit einer CPU 102 und einem Speichermedium 108. Es ist klar, dass die funktionellen Elemente von 2 insgesamt in Software oder Hardware oder beidem verkörpert sein können. Bei einer Software-Ausführungsform, kann sich die Software in dem Speichermedium 108 oder an einer anderen Stelle im Computernetz befinden. Die CPU 102 beinhaltet einen Spracherkennungsprozessor 200, einen Datenprozessor 201, einen Prozessor für natürliche Sprache 202 und eine Anwendungs-Schnittstelle 220. Der Datenprozessor 201 ist über eine Schnittstelle mit dem Display 104, dem Speichermedium 108, dem Mikrophon 110, dem Lautsprecher 112, dem Dateneingangsport 114 und der Netz-Schnittstelle 116 verbunden. Der Datenprozessor 201 ermöglicht, dass die CPU Daten von diesen Quellen lokalisieren und lesen kann. Der Prozessor für natürliche Sprache 202 beinhaltet weiterhin einen variablen Ersetzer 204, eine Zeichenreihen-Formattiervorrichtung 206, einen Wortgewichter 208, einen booleschen Tester 210, einen Pronomen-Ersetzer 211 und eine Suchmaschine 213. Das Speichermedium 108 beinhaltet eine Mehrzahl von kontextspezifischen Grammatikdateien 212, eine allgemeine Grammatikdatei 214, eine Diktiergrammatik 216 und eine Prozessor (NLP) Datenbank für natürliche Sprache 218. Bei der bevorzugten Ausführungsform sind die Grammatikdateien 212, 214 und 216 Bakus-Naur Form (BNF) Dateien, die die Struktur der von dem Benutzer gesprochenen Sprache beschreiben. BNF-Dateien zum Beschreiben der Sprachstruktur und Details von BNF-Dateien sind sehr bekannt und werden deshalb hier nicht erörtert. Ein Vorteil von BNF-Dateien besteht darin, dass hierarchische baumähnliche Strukturen verwendet werden können, um Wendungen oder Wortsequenzen zu beschreiben, ohne explizit alle Kombinationen dieser Wortsequenzen zitieren zu müssen. Somit wird durch die Verwendung von BNF-Dateien in der bevorzugten Ausführungsform die physische Größe der Dateien 212, 214 und 216 in dem Speichermedium 108 minimiert, wodurch die Geschwindigkeit, mit welcher diese Dateien aktiviert und durchsucht werden können steigt, was im folgenden beschrieben ist. Bei anderen Ausführungsformen werden jedoch andere Datenstrukturen verwendet.
Der Betrieb und Interaktion dieser funktionellen Elemente von 2 werden in Bezug auf das Flussdiagramm von 3A-3D beschrieben. In 3A beginnt der Fluss bei Block 300 durch Bereitstellen einer Äußerung an den Sprachprozessor 200. Eine Äußerung ist eine Reihe von Tönen mit einem Beginn und Ende und kann eines oder mehr gesprochene Worte beinhalten. Das Mikrophon 110, welches gesprochene Worte aufnimmt, kann den Schritt von Block 300 ausführen. Alternativ kann die Äußerung dem Sprachprozessor 200 über den Dateneingabeport 114 oder von einem Speichermedium 108 bereitgestellt werden. Vorzugsweise ist die Äußerung in einem digitalen Format, wie dem bekannten „wav"-Audio-Dateiformat.
Der Fluss schreitet weiter zur Entscheidung 302, wo der Sprachprozessor 200 feststellt, ob eine der kontext-spezifischen Grammatiken 212 aktiviert wurde. Wenn die kontext-spezifischen Grammatiken 212 aktiviert sind, werden die kontext-spezifischen Grammatiken 212 bei Block 304 durchsucht. In der bevorzugten Ausführungsform sind die kontext-spezifischen Grammatiken 212 BNF-Dateien, die Worte und Wendungen enthalten, die sich auf einen Stammkontext beziehen. Allgemein ist ein Kontext ein Subjektbereich. Bei einer Ausführungsform der vorliegenden Erfindung, die bei PCs angewandt werden kann, können Kontexte zum Beispiel „Nachrichten" oder „Wetter" oder „Aktien" sein. In diesem Fall würden die kontext-spezifischen Grammatiken 212 jeweils Befehle, Steuerworte, Beschreiber, Qualifizierer oder Parameter enthalten, die einem anderen dieser Kontexte entsprechen. Die Verwendung von Kontexten liefert eine hierarchische Struktur für Arten von Informationen. Kontexte und ihre Verwendung werden im Folgenden in Bezug auf die NLP-Datenbank 218 beschrieben.
Wenn eine kontext-spezifische Grammatik 212 aktiviert wurde, wird die kontextspezifische Grammatik 212 nach einer Entsprechung für die in Block 300 bereitgestellte Äußerung durchsucht. Wenn jedoch keine kontext-spezifische Grammatik 212 aktiviert wurde, geht der Fluss weiter zu Block 308, wo die allgemeine Grammatik 214 aktiviert wird.
Bei der bevorzugten Ausführungsform ist die allgemeine Grammatik 214 eine BNF-Datei, welche Worte und Wendungen enthält, die nicht selbst zu einem Stammkontext gehören, jedoch einen zugeordneten Kontext haben, für welchen eine kontext-spezifische Grammatikdatei 212 existiert. Mit anderen Worten können die Worte und Wendungen in der allgemeinen Grammatik 214 an der Wurzel der hierarchischen Kontextstruktur sein. Bei einer Ausführungsform, die bei PCs anwendbar ist, würde die allgemeine Grammatik 214 z.B. Befehle und Steuersätze enthalten.
In Block 310 wird die allgemeine Grammatik 214 nach einem passenden Wort oder Wendung für die bei Block 300 bereitgestellte Äußerung durchsucht. Eine Entscheidung erfolgt bei Block 312, je nachdem ob eine Entsprechung gefunden wurde. Wenn keine Entsprechung gefunden wird, wird die Diktiergrammatik 216 bei Block 314 aktiviert. Bei der bevorzugten Ausführungsform ist die Diktiergrammatik 216 eine BNF-Datei, die eine Liste von Worten enthält, die selbst weder einen Stammkontext noch einen zugeordneten Kontext haben. Bei einer Ausführungsform z.B. die bei PCs angewendet werden kann, enthält die Diktiergrammatik 216 eine relativ große Liste von allgemeinen Worten, die einem allgemeinen Wörterbuch ähnlich ist.
In Block 316 wird die Diktiergrammatik nach passenden Worten für jedes Wort der bei Block 300 bereitgestellten Äußerung durchsucht. Bei dem Entscheidungsblock 318 wird, wenn keine passenden Worte gefunden werden, wahlweise eine visuelle Fehlernachricht bei Anzeige 104 angezeigt oder eine hörbare Fehlernachricht wird wahlweise mittels Lautsprecher 112 bei Block 320 reproduziert. Der Vorgang endet wenn eine weitere Äußerung dem Sprachprozessor 200 bei Block 300 bereitgestellt wird.
Wie aus der obigen Beschreibung hervorgeht, wird, wenn eine Äußerung dem Sprachprozessor 200 zugeführt wird, die aktivierte kontext-spezifische Grammatik 212, falls vorhanden, zuerst durchsucht. Wenn keine Entsprechungen in der aktivierten kontext-spezifischen Grammatik 212 gefunden werden, wird die allgemeine Grammatik 214 aktiviert und durchsucht. Wenn keine Entsprechungen in der allgemeinen Grammatik 214 gefunden werden, wird die Diktiergrammatik 316 aktiviert und durchsucht.
Bei der bevorzugten Ausführungsform ist der Spracherkennungs-Prozessor 200 in dem sogenannten „Befehls- und Steuer"-Modus, wenn er entweder die kontextspezifische Grammatik 212 oder die allgemeine Grammatik 214 durchsucht. In diesem Modus vergleicht der Spracherkennungs-Prozessor 200 die gesamte Äußerung als ein Ganzes mit den Einträgen in der Grammatik. Im Vergleich dazu ist der Spracherkennungs-Prozessor 200 in dem sogenannten „Diktier"-Modus, wenn er die Diktiergrammatik durchsucht. In diesem Modus vergleicht der Spracherkennungs-Prozessor 200 die Äußerung mit den Einträgen in der Diktiergrammatik 216 Wort für Wort. Es wird angenommen, dass die Suche nach einer Entsprechung für eine gesamte Äußerung in dem Befehls- und Steuermodus allgemein schneller sein wird als eine Wort-für-Wort-Suche im Diktiermodus.
Es wird weiterhin erwartet, dass eine beliebige individuelle kontext-spezifische Grammatik 212 kleiner ist (d.h. weniger Gesamtworte und Wendungen) als die allgemeine Grammatik 214, welche wiederum kleiner ist als die Diktiergrammatik 216. Somit ist es beim Durchsuchen von zuerst einer beliebigen aktivierten kontext-spezifischen Grammatik 212 wahrscheinlich, dass eine Übereinstimmung, falls vorhanden, schneller gefunden wird, zumindest teilweise dadurch, dass sie kleiner ist. In ähnlicher Weise ist es beim Durchsuchen der allgemeinen Grammatik 214 vor der Diktiergrammatik 216 wahrscheinlich, dass, wenn eine Übereinstimmung gefunden wird, diese schneller gefunden wird.
Außerdem werden sie die häufigsten Äußerungen enthalten, was weiter unten in Bezug auf die Fähigkeit der vorliegenden Erfindung erklärt wird, dass sie diese adaptiv sowohl der kontext-spezifischen Grammatik 212 als auch der allgemeinen Grammatik 214 hinzufügt. Somit wird erwartet, dass eine Übereinstimmung mit größerer Wahrscheinlichkeit schnell in der kontextspezifischen Grammatik 212 oder der allgemeinen Grammatik 214 als in der Diktiergrammatik 216 gefunden wird.
Schließlich werden die Worte und Wendungen in der aktivierten kontextspezifischen Grammatik 212 wahrscheinlicher von dem Benutzer geäußert, da es Worte sind, die für das Thema, über welches der Benutzer gerade erst gesprochen hat, höchst relevant sind, was im folgenden weiter erklärt wird. Dies ermöglicht es auch dem Benutzer eher im Konversationsstil zu sprechen, wobei er Satzfragmente verwendet, wobei die Bedeutung dieser Wörter entsprechend der aktivierten kontext-spezifischen Grammatik 212 interpretiert werden.
Beim Durchsuchen der oben beschriebenen Sequenz kann die vorliegende Erfindung effektiver suchen als wenn nur ein Eintrag zu jedem Zeitpunkt in einer einzelnen großen Liste aller erwarteten Wörter und Wendungen durchsucht würde.
In Bezug auf die Entscheidung 306 gibt es drei mögliche folgende Schritte ( 3A), wenn eine Übereinstimmung in der kontext-spezifischen Grammatik 212 gefunden wird. Für jeden passenden Eintrag in der aktivierten kontextspezifischen Grammatik 212 kann eine entsprechende Maßnahme durch den Spracherkennungs-Prozessor 200 erforderlich sein. Block 322 zeigt, dass eine Maßnahme darin bestehen kann, dass die Anwendungs-Schnittstelle 220 angewiesen wird, eine Maßnahme in Bezug auf eine separate Software-Anwendung oder -einheit zu ergreifen. Die Anwendungs-Schnittstelle 220 kann z.B. die Sprachanwendungs-Programmierschnittstellen (SAPI) Standard von Microsoft verwenden, um mit einer externen Anwendung zu kommunizieren. Die externe Anwendung kann z.B. so angewiesen werden, dass sie z.B. auf eine bestimmte Internet-Website URL zugreift oder eine bestimmte Wendung ausspricht, indem Text in Sprache konvertiert wird. Andere Maßnahmen können ergriffen werden, was weiter unten in Bezug auf die NLP-Datenbank 218 von 4 erörtert wird.
Block 324 zeigt, dass eine andere Maßnahme darin bestehen kann, auf eine Reihe in der Verarbeitungs (NLP) Datenbank 218 für natürliche Sprache direkt zuzugreifen, wobei die weiter unten beschriebenen Verarbeitungsschritte für natürliche Sprache umgangen werden. Block 326 zeigt, dass eine anderen Maßnahme darin bestehen kann, ein Wort oder Wendung für den aktivierten Kontext zu dem passenden Wort oder Wendung, die in der kontext-spezifischen Grammatik 306 gefunden wurde, voranzustellen. Wenn z.B. der aktivierte Kontext „Filme" ist und die passende Äußerung „8 Uhr" ist, würde das Wort „Filme" zu der Wendung „8 Uhr" vorangestellt werden, um die Wendung „Filme um 8 Uhr" zu bilden.
In ähnlicher Weise kann der Fluss, wenn eine Übereinstimmung in der allgemeinen Grammatik 214 gefunden wird, zu Block 322 weitergehen, wo die Anwendungs-Schnittstelle 220 angewiesen wird, eine Maßnahme wie oben beschrieben zu ergreifen, oder zu Block 324, wo auf eine Reihe in der NLP-Datenbank direkt Zugriff genommen wird. Wenn jedoch eine Übereinstimmung in der allgemeinen Grammatik 214 gefunden wird, findet kein Voranstellen eines Kontextes statt, da, wie oben erwähnt, die Einträge in der allgemeinen Grammatik 214 nicht selbst einen Stammkontext haben.
Alternativ können manuell eingegebene Worte bei Block 301 aufgenommen und in den Prozessor für natürliche Sprache eingegeben werden.
Schließlich können in Bezug auf 3A Worte manuell über eine manuelle Eingabe 106 eingegeben werden. In diesem Fall ist keine Spracherkennung erforderlich und trotzdem ist eine natürliche Sprachverarbeitung der eingegebenen Worte immer noch erwünscht. Somit geht der Fluss zu 3B weiter.
In 3B bei Block 328 formatiert der Prozessor 202 für natürliche Sprache die Wendung für eine Verarbeitungsanalyse für natürliche Sprache. Dieses Formatieren erfolgt durch einen Zeichenreihenformattierer 206 und kann Textverarbeitung wie z.B. Entfernen von doppelten Leerstellen zwischen Worten beinhalten, Kleinschreibung aller Buchstaben (oder Großschreibung), Erweitern von Verkürzungen (z.B. Ändern von „it's" in „it is") und dergleichen. Der Zweck dieses Formatierschrittes besteht darin, die Phrase für das Parsen vorzubereiten.
Der Fluss geht weiter zu Block 330, wo bestimmte „Wort-Variable" durch eine zugeordnete Platzhalterfunktion von einem variablen Ersetzer 204 ersetzt werden, um dadurch den Zugriff auf die NLP Datenbank 218 vorzubereiten. Bei der vorliegenden Verwendung bezieht sich der Begriff „Wort-Variable" auf Worte oder Wendungen, die Mengen, Daten, Zeiten, Währungen und dergleichen darstellen. Bei einer Ausführungsform z.B. würde die Wendung „welche Filme laufen um 8 Uhr" bei Block 330 in „welche Filme laufen um $ Uhr" umgewandelt, wobei „$ Uhr" eine Platzhalterfunktion ist, die verwendet wird, um einen beliebigen Zeitwert darzustellen. Als weiteres Beispiel würde in einer Ausführungsform die Wendung „verkaufe IBM Aktien zu 100 Dollar" in Block 330 zu „verkaufe IBM Aktien zu $ Dollar" umgewandelt, wobei $ Dollar eine Platzhalterfunktion ist, die verwendet wird, um jeglichen Dollarwert darzustellen. Dieser Schritt kann durch eine einfache Schleife ausgeführt werden, welche die Wendung nach Key Tokens, so wie die Worte „Dollar" oder „Uhr" durchsucht und die Wort-Variablen mit einer spezifizierten Platzhalterfunktion ersetzt. Um die Stelle in der Wendung wiederzufinden, wo die Ersetzung erfolgte, kann eine Aufstellung verwendet werden. Dies ermöglicht erneutes Ersetzen der ursprünglichen Wort-Variablen zurück in die Wendung an der Position nachdem die NLP-Datenbank 218 durchsucht wurde.
Der Zweck des Ersetzens von Wort-Variablen durch eine zugeordnete Platzhalterfunktion bei Block 330 besteht darin, die Anzahl an Eingaben zu reduzieren, die in der NLP-Datenbank 218 vorhanden sein müssen. Die NLP-Datenbank 218 würde nur die Wendung „welche Filme laufen um $ Uhr" enthalten statt eines separaten Eintrags für 8 Uhr, 9 Uhr, 10 Uhr usw. Die NLP-Datenbank 218 wird im folgenden beschrieben.
Bei Block 334 werden die einzelnen Worte in der Wendung entsprechend ihrer relativen „Bedeutung" oder „Signifikanz" für die Gesamtbedeutung der Wendung von dem Wortgewichter 208 gewichtet. Bei einer Ausführungsform sind z.B. drei Gewichtungsfaktoren zugeordnet. Der kleinste Gewichtungsfaktor ist Worten wie „a", „an", „the" und anderen Artikeln zugeordnet. Der höchste Gewichtungsfaktor wird Worten verliehen, die wahrscheinlich einen bedeutenden Bezug zu der Bedeutung der Wendung haben. Diese können z.B. alle Verben, Hauptwörter, Adjektive und eigene Namen in der NLP-Datenbank 218 beinhalten. Alle anderen Worte in der Wendung erhalten einen mittleren Gewichtungsfaktor. Der Zweck dieser Gewichtung besteht darin, die NLP-Datenbank 218 effektiver zu durchsuchen.
Ein Beispiel von ausgewählten Spalten der NLP-Datenbank 218 einer Ausführungsform ist in 4 gezeigt. Die NLP-Datenbank 218 umfasst eine Mehrzahl von Spalten 400-410 und eine Mehrzahl von Reihen 412-412N. In Spalte 400 stellen die Einträge der NLP-Datenbank „bekannte" Wendungen dar. In Spalte 402 ist eine Anzahl von erforderlichen Worten für jeden Eintrag in Spalte 400 gezeigt. In Spalte 404 ist ein zugehöriger Kontext oder Subkontext für jeden Eintrag in Spalte 400 gezeigt. In Spalten 408 und 410 sind eine oder mehr zugeordnete Maßnahmen für jeden Eintrag in Spalte 400 gezeigt. Es sollte beachtet werden, dass die in 4 gezeigte NLP-Datenbank 218 nur ein vereinfachtes Beispiel zum Zweck, die Erfindung zu lehren. Andere Ausführungsformen können weniger oder mehr Spalten mit unterschiedlichen Einträgen haben.
In Bezug zurück zu 3B wird bei Block 336 die NLP-Datenbank 218 nach möglichen Übereinstimmungen mit der Wendung durchsucht, basierend darauf, ob die Eingabe in Spalte 400 der NLP-Datenbank 218 eines der Worte in der Wendung (oder Synonyme dazu) enthält und auf die relative Gewichtung dieser Worte. Bei Block 338 wird ein Vertrauenswert für jede mögliche passende Eintragung auf der Basis der Anzahl des Vorkommens jedes der Worte in der Wendung und ihrer relativen Gewichtungen erzeugt. Gewichtete Wortsuche einer Datenbank ist wohlbekannt im Stand der Technik und kann durch kommerziell erhältliche Suchmaschinen, z.B. das Produkt „dtSuche" von DT Software, Inc. Arlington, Virginia ausgeführt werden. Das Suchen mittels Synonymen ist ebenfalls wohlbekannt im Stand der Technik und kann mittels öffentlich erhältlichen Tools wie „WordNet", entwickelt von dem Cognitive Science Laboratory der Princeton University in Princeton, New Jersey ausgeführt werden. Die Suchmaschine kann ein integraler Teil des Prozessors 202 für natürliche Sprache sein.
Bei der Entscheidung 340 bestimmt der Prozessor 202 für natürliche Sprache, ob einige der möglicherweise passenden Einträge einen Vertrauenswert von mehr oder gleich einem vorbestimmten minimalen Schwellenwert T hat. Der Schwellenwert T stellt den geringsten akzeptierbaren Vertrauenswert dar, für welchen eine Entscheidung getroffen werden kann, ob die Wendung mit einem der Einträge in der NLP-Datenbank 218 übereinstimmt. Falls kein möglicherweise passender Eintrag mit einem Vertrauenswert von mehr oder gleich T existiert, geht der Fluss zurück zu Block 342, wo eine wahlfreie Fehlernachricht dem Benutzer entweder visuell über ein Display 104 dargestellt oder hörbar über einen Lautsprecher 112 reproduziert wird. Bei einer Ausführungsform kann die Art der möglicherweise vorhandenen Fehlernachricht, die dem Benutzer angezeigt wird, davon abhängen, wie viele „Treffer" (d.h. wie viele passenden Worte der Wendung) in dem NLP-Datenbankeintrag von höchstem Vertrauen gefunden wurden. Falls es null oder einen Treffer gäbe, würde eine andere Art von Fehlernachricht erzeugt als wenn es zwei oder mehr Treffer gäbe.
Wenn jedoch mindestens ein Eintrag in der NLP-Datenbank 218 vorgesehen ist, für welche ein Vertrauenswert von mehr oder gleich T existiert, geht der Fluss zurück zu Block 344, wo die „noise" Worte aus der Wendung entfernt werden. Die „noise" Worte beinhalten Worte, die nicht wesentlich zu der Gesamtbedeutung der Wendung relativ zu den anderen Worten in der Wendung beitragen. Diese können Artikel, Pronomen, Konjunktionen und Worte ähnlicher Natur beinhalten. „non noise" Worte würden Worte beinhalten, die bedeutend zu der Gesamtbedeutung der Wendung beitragen. „non noise" Worte würden Verben, Hauptwörter, Adjektive, eigene Namen und Worte ähnlicher Natur beinhalten.
Der Fluss geht zu 3C weiter, wo die Anforderung für „non noise" Worte aus Spalte 402 der NLP-Datenbank 218 für den passenden Eintrag mit höchstem Vertrauen bei Block 346 wiedergewonnen wird. Wenn die passende Wendung mit höchstem Vertrauen der Eintrag in Reihe 412A wäre (z.B. „welche Filme laufen um $ Uhr"), dann ist die Anzahl der erforderlichen „non noise" Worte 3.
Bei Entscheidung 348 erfolgt ein Test, um festzustellen, ob die Anzahl an erforderlichen „non noise" Worte aus der Wendung tatsächlich in dem Eintrag mit höchstem Vertrauen, der aus der NLP-Datenbank 218 wiedergewonnen wurde, vorhanden ist. Dieser Test ist eine Verifizierung der Genauigkeit der Relevanzartigen Suche, die bei Block 336 durchgeführt wird, wobei klar ist, dass ein Eintrag einen Vertrauenswert erzeugen kann, der höher ist als der minimale Schwellenwert T, ohne eine akzeptable Übereinstimmung für die Wendung zu sein.
Die Art des bei Entscheidung 348 durchgeführten Tests ist ein boolescher „AND" Test, der von einem booleschen Tester 210 ausgeführt wird. Der Test stellt fest, ob jedes der „non noise" Worte in der Wendung (oder sein Synonym) tatsächlich in dem Eintrag höchsten Vertrauens vorhanden ist. Wenn eine ausreichende Anzahl an erforderlichen Worten tatsächlich in dem Eintrag höchsten Vertrauens vorhanden ist, geht der Fluss zurück zu Block 350, wo der Prozessor 202 für natürliche Sprache die Anwendungs-Schnittstelle 220 anweist, eine zugeordnete Maßnahme von Spalte 408 oder 410 zu ergreifen. Es ist klar, dass zusätzliche Maßnahmenspalten auch vorhanden sein können.
Wenn z.B. der Eintrag höchsten Vertrauens der Eintrag in Reihe 412A ist und der boolesche Test der Entscheidung 348 feststellte, dass tatsächlich 3 „non noise" Worte aus der Wendung in dem Eintrag in Spalte 400 gefunden wurden, würde die zugeordnete Maßnahme in Spalte 408 (z.B. Zugriff auf Film-Website) ergriffen. Andere Einträge in der NLP-Datenbank haben andere zugeordnete Maßnahmen. Wenn z.B. der Eintrag höchsten Vertrauens der in Spalte 412E ist (z.B. „wie spät ist es"), kann die zugeordnete Maßnahme für einen Prozessor 202 für natürliche Sprache sein, eine Text-Sprach-Anwendung (nicht gezeigt) anzuweisen, dem Benutzer die momentane Zeit über den Lautsprecher 112 zu übermitteln. Als weiteres Beispiel, wenn der Eintrag höchsten Vertrauens der in Reihe 412N ist (z.B. „Nachrichten zeigen") kann die erste zugehörige Maßnahme darin bestehen, auf eine vorbestimmte Nachrichten-Website im Internet zuzugreifen und eine zweite zugeordnete Maßnahme kann darin bestehen, eine Bildanzeige-Anwendung (nicht gezeigt) anzuweisen, den Nachrichten zugeordnete Bilder anzuzeigen. Andere oder zusätzliche Maßnahmen können ebenfalls ausgeführt werden.
Wenn außerdem der Eintrag mit dem höchsten Vertrauen die erforderliche Anzahl an „non noise" Worten aus der Wendung, bestimmt bei Entscheidung 348, enthält, weist der Prozessor 202 für natürliche Sprache den Spracherkennungs-Prozessor 200 an, die kontext-spezifische Grammatik 212 für den zugeordneten Kontext von Spalte 404 zu aktivieren. Somit würde für Reihe 412A die kontextspezifische Grammatik 212 für den Kontext „Filme" aktiviert werden. Wenn somit die nächste Äußerung dem Spracherkennungs-Prozessor 200 in Block 300 von 3A bereitgestellt wird, würde er die aktivierte kontext-spezifische Grammatik 212 für „Filme" durchsuchen, bevor er die allgemeine Grammatik 214 durchsucht. Wie zuvor erwähnt wurde, erhöht sich durch die entsprechende kontext-spezifische Grammatik 212 bedeutend die Wahrscheinlichkeit einer schnellen erfolgreichen Spracherkennung und die Fähigkeit des Benutzers mit dem Computer in einer Konversationsart zu kommunizieren, wird verbessert.
Wenn jedoch zurück bei Entscheidung 348 die erforderliche Anzahl an „non noise" Worten von der Wendung nicht tatsächlich in dem Eintrag höchsten Vertrauens, der von der NLP-Datenbank 218 wiedergewonnen wird, vorhanden ist, geht der Fluss zurück zu Block 354, wo beim Benutzer über ein Display 104 oder Lautsprecher 112 angefragt wird, ob der Eintrag höchsten Vertrauens gemeint war. Wenn z.B. der Benutzer sagte „wie hoch liegen heute die IBM Aktien", kann der Eintrag in der NLP-Datenbank 218 von höchstem Vertrauen der Eintrag in Reihe 412B sein. In diesem Fall kann die Anzahl an erforderlichen Worten (oder ihre Synonyme) nicht ausreichend sein, obwohl der Relevanzfaktor hoch sein mag. Somit würde beim Benutzer bei Block 354 nachgefragt, ob er meinte, „wie hoch ist der Preis der IBM Aktien am 28.08.2998".
Der Benutzer kann entweder bejahend oder verneinend antworten. Wenn bei Entscheidung 356 festgestellt wird, das der Benutzer bejahend geantwortet hat, dann werden die dem Eintrag von höchstem Vertrauen zugeordneten Maßnahme(n) bei Block 350 ergriffen und die zugeordnete kontext-spezifische Grammatik 212 wird bei Block 352 aktiviert.
Wenn jedoch bei Entscheidung 356 festgestellt wird, dass der Benutzer negativ geantwortet hat, geht der Fluss zu 3D weiter, wo der zugeordnete Kontext von Spalte 404 der NLP-Datenbank 218 für den Eintrag höchsten Vertrauens wiedergewonnen wird und der Benutzer wird bei Block 360 aufgefordert, Informationen mittels eines kontext-basierenden interaktiven Dialogs zu geben. Wenn der Benutzer z.B. äußerte „wie hoch ist der Preis der XICOR Aktie heute" und der Eintrag höchsten Vertrauens von der NLP-Datenbank 218 war Reihe 412B (z.B. „was ist der Preis der IBM-Aktie am $ Datum), dann würde beim Benutzer bei Block 354 angefragt, ob er dies meinte.
Wenn der Benutzer verneint, wird der Kontext „Aktie" aus Spalte 404 bei Block 358 wiedergewonnen und der kontext-basierende interaktive Dialog für den Aktienkontext wird dem Benutzer über das Display 104 und Lautsprecher 112 präsentiert. Ein solcher kontext-basierender interaktiver Dialog kann eine Aufforderung an den Benutzer nach Name und Börsenschreibersymbol der XICOR Aktie beinhalten. Der Benutzer kann durch Sprechen der erforderten Informationen antworten. Ein anderer kontext-basierender interaktiver Dialog kann für jeden möglichen Kontext verwendet werden. Der interaktive Dialog der auf dem Kontext „Wetter" basiert, kann eine Nachfrage an den Benutzer über den Namen des Orts (z.B. die Stadt) zur Folge haben, in welcher die Wetterinformationen gewünscht sind. Auch kann der interaktive Dialog basierend auf dem Kontext „Nachrichten" eine Nachfrage an den Benutzer über Arten von Artikeln, Nachrichtenquellen, Internet-URL, Nachrichten-Site oder andere zugehörige Informationen zur Folge haben.
Bei Beenden des kontext-basierenden interaktiven Dialogs werden die NLP-Datenbank 218, allgemeine Grammatik 214 und kontext-spezifische Grammatik 212 bei Block 362 aktualisiert, so dass sie die neuen Informationen beinhalten. Auf diese Weise wird das nächste mal, wenn der Benutzer Informationen anfordert, eine richtige Übereinstimmung gefunden und die entsprechende Maßnahme wird vorgenommen, ohne den Benutzer nach mehr Informationen zu fragen. Somit „lernt" die vorliegende Erfindung adaptiv, um die von dem Benutzer geäußerten Wendungen zu erkennen.
Bei einer Ausführungsform der vorliegenden Erfindung enthalten eine oder mehr der NLP-Datenbank 218, kontext-spezifischer Grammatik 212, allgemeiner Grammatik 214 und Diktiergrammatik 216 auch Zeitstempel-Werte (nicht gezeigt), die jedem Eintrag zugeordnet sind. Jedes Mal, wenn ein passender Eintrag verwendet wird, wird der diesem Eintrag zugeordnete Zeitstempel-Wert aktualisiert. In periodischen Intervallen oder durch Initiierung durch den Benutzer werden Einträge, die einen Zeitstempel-Wert vor einem bestimmten Datum und Zeit haben von den entsprechenden Datenbanken/Grammatiken entfernt. Auf diese Weise können die Datenbanken/Grammatiken in einer effektiven Größe gehalten werden, indem alte oder nicht mehr aktuelle Einträge „gesäubert" werden. Dies hilft auch dabei, falsche Übereinstimmungen zu vermeiden.
Bei einer Ausführungsform der vorliegenden Erfindung kann Spracherkennung und Verarbeitung natürlicher Sprache zur Wechselwirkung mit Netzobjekten verwendet werden, wie World-Wide-Web („WWW" oder „Web") Seiten, die eine kontext-sensitive auf Sprache basierende Schnittstelle haben.
5 zeigt eine beispielhafte Dialog-Definitions-Datei (DDF) 500, welche Informationen darstellt, die erforderlich sind, um die Spracherkennung und natürliche Sprachverarbeitung einem Internetobjekt zuzuordnen, wie einer Text- oder Graphikdatei oder bei dem bevorzugten Ausführungsbeispiel einer Webpage. Obwohl bei der einfachsten Ausführungsform die Dialog-Definitions-Datei 500 aus einer Netzobjekttabelle 510 besteht, kann die DDF auch zusätzliche kontext-spezifische Grammatikdateien 214 und zusätzliche Einträge für die Verarbeitungs (NLP) Datenbank 218 für natürliche Sprache, wie in 5 gezeigt ist, enthalten. Die bevorzugte Ausführungsform der DDF 500 beinhaltet eine Netzobjekttabelle 510, eine kontext-spezifische Grammatikdatei 214 und eine Datei, die Einträge in die Datei 218 zur Verarbeitung natürlicher Sprache enthält. Diese Komponenten können in die DDF Datei 500 durch jegliches bekannte Verfahren komprimiert und kombiniert werden, wie z.B. durch Lempel-Ziv-Komprimierung. Die kontext-spezifische spezielle Grammatikdatei 214 und die Datenbank 218 zur Verarbeitung natürlicher Sprache sind in Abschnitten oben beschrieben. Die Netzobjekttabelle 510 ist eine Speicherstruktur, wie ein Speicherbaum, Kette oder Tabelle, welche eine Adresse einer Quelle verschiedenen Maßnahmen, Grammatiken oder Einträgen in der NLP-Datenbank 218 zuordnet.
Eine beispielhafte Ausführungsform der Netzobjekttabelle 510 ist in 6 gezeigt. 6 zeigt eine Speichertabelle, die Eintragsspalten enthalten kann für: ein Netzobjekt 520, ein Text-Sprach (TTS) Kennzeichen 522, eine Textsprache 524, ein Benutzungsgrammatik-Kennzeichen 526, ein angefügtes Grammatikkennzeichen 528, ein „Ja/Nein?" Kennzeichen und „Ausführen ja" 532 und „Ausführen nein" 534 Maßnahmen. Jede Reihe in der Tabelle 540A-540E würde die Grammatik und Sprache darstellen, die sich auf individuelle Netzobjekte bezieht. Die beispielhafte Ausführungsform der Erfindung würde sich auf Netzobjekte 520 über einen Universal Resource Locator (URL) beziehen. Ein URL ist ein Standardverfahren zum Spezifizieren der Adresse einer beliebigen Quelle im Internet, die Teil des World-Wide-Webs ist. Da dieser Standard im Stand der Technik wohlbekannt ist zum Beschreiben der Stelle der Internetquellen, werden die Details der URLs hier nicht erörtert. Ein Vorteil der URLs besteht darin, dass sie Informationen in einer großen Vielzahl von Netzobjektformaten spezifizieren können, einschließlich Hypertext, graphische, Datenbank- und andere Dateien zusätzlich zu einer Anzahl an Netzobjektgeräten und Kommunikationsprotokollen.
In Kombination mit der Textsprache 524 zeigt das Text-Sprach (TTS) Kennzeichen 522 an, ob ein ursprüngliches Statement über einen Lautsprecher 112 gesprochen werden soll, wenn das entsprechende Netzobjekt übertragen wird. Beim Übertragen von z.B. der in der Netzobjektspalte 520 der Reihe 540A (http://www.conversationalsys.com) aufgelisteten Webpage ist das TTS-Kennzeichen 522 markiert, das anzeigt, dass die Textsprache 524 „Hallo, willkommen bei Conversational Systems" über den Lautsprecher 112 gesprochen werden soll.
Die nächsten drei Kennzeichen beziehen sich auf die Verwendung von Grammatiken, die diesem Netzobjekt zugeordnet sind. Die bestätigende Markierung der „Grammatik benutzen" 526 oder „Grammatik anfügen" 528 Kennzeichen zeigen die Anwesenheit einer kontent-spezifischen Grammatikdatei 216 an, die sich auf das angezeigte Netzobjekt bezieht. Die Markierung des „Grammatik benutzen" Kennzeichens 526 zeigt an, dass die neue kontent-spezifische Grammatikdatei 214 die existierende kontent-spezifische Grammatikdatei ersetzt und die existierende Datei wird deaktiviert. Das Kennzeichen „angehängte Grammatik" 528 zeigt an, dass die neue kontent-spezifische Grammatikdatei gleichzeitig mit der existierenden kontent-spezifischen Grammatikdatei aktiviert werden sollte.
Schließlich beziehen sich die verbleibenden Spalten auf eine „Ja/Nein" Grammatikstruktur. Wenn das „Ja/Nein" Kennzeichen 530 markiert ist, wird eine Standard „Ja/Nein" Grammatik aktiviert. Wenn eine Standard „Ja/Nein" Grammatik aktiviert wird, ergibt sich durch bestätigende, in den Computer gesprochene Befehle, dass der Computer den in der „Ausführen ja" Eingabe 532 angezeigten Befehl ausführt. In ähnlicher Weise hat ein negativer Befehl, der in den Computer gesprochen wird, zur Folge, dass der Computer den in dem „Ausführen nein" Eintrag 534 angezeigten Befehl ausführt. Die Einträge in den „Ausführen ja" 532 und „Ausführen nein" 534 Spalten können entweder Befehle oder Hinweise zu Befehlen sein, die in der NLP-Datenbank 218 eingebettet sind. Wie z.B. in Reihe 540B gezeigt ist, ist das Ja/Nein" Kennzeichen markiert. Eine bestätigende Antwort, wie „Ja" die in den Computer eingegeben wird, hätte die Ausführung des entsprechenden Befehls in dem „Ausführen ja" Eintrag 532 zur Folge. In diesem bestimmten Fall ist der Eintrag die Nummer „210", eine Referenz zu dem 210ten Befehl in der NLP-Datenbank. Eine Antwort „Nein" hätte zur Folge, dass der Computer den 211ten Befehl in der NLP-Datenbank ausführt.
7A zeigt nun das Verfahren und das System zum Bereitstellen von Sprach- und Stimmbefehlen für Internetworking-Computer, wie ein Computer, der im World-Wide-Web blättert. Das Verfahren von 7A-7C kann in Verbindung mit dem Verfahren von 3A-3D verwendet werden. Bei Block 602 ist ein Website URL (Netzobjekt) für einen World-Wide-Web-Browser bereitgestellt. Der Web-Browser ist ein bekanntes Programm, das verwendet wird, um durch das Internet zu navigieren. Der Schritt bei Block 602 des Bereitstellens eines URL für den Browser kann so einfach sein, dass ein Benutzer in den URL manuell eintippt oder dass ein Benutzer einen „Link" zu der gewählten Website URL auswählt. Es kann auch das Ergebnis eines gesprochenen Befehls sein, was vorher in Bezug auf die Maßnahme in Verbindung mit jedem Eintrag in die NLP-Datenbank 218 beschrieben wurde. Mit dem URL muss der Computer entscheiden, ob er die Internetadresse der in dem URL spezifizierten Website bei Block 604 lösen kann. Dieser Löseprozess ist ein bekannter Prozess. Wenn der Computer die Internetadresse nicht lösen kann, wird eine Fehlernachricht in dem Browserfenster bei Block 605 angezeigt und das System kehrt zu seinem ursprünglichen Anfangszustand 600 zurück. Wenn die Internetadresse gelöst ist, sendet der Computer der Website eine Anfrage für die Webpage bei Block 606.
Eine Entscheidung wird abhängig davon getroffen, ob die Website die Webpage bei Block 608 sendet. Wenn die Website nicht reagiert, oder die Webpage nicht sendet, wird eine Fehlernachricht in dem Browserfenster bei Block 605 angezeigt und das System kehrt zu seinem ursprünglichen Startzustand 600 zurück. Wenn die Website die Webpage zurücksendet, wird die Webpage in dem Browserfenster bei Block 610 angezeigt.
Bei Entscheidungsblock 612 stellt der Computer 100 fest, ob die DDF-Datei 500 entsprechend der Website bereits auf dem Computer 100 ist. Wenn die DDF-Datei vorhanden ist, geht der Fluss zu 7C zurück, wenn nicht, geht der Fluss zu 7B weiter.
Weiter zu 7B untersucht der Computer, wenn die DDF-Datei 500 nicht vorhanden ist, ob die DDF-Datei 500 Stelle in der Webpage Hypertext Markup Language (HTML) als URL codiert ist. (Es ist zu beachten, dass HTML bekannt ist und die Einzelheiten der Sprache werden somit hier nicht erörtert). Codieren der DDF-Datei-Stelle in HTML Code kann entweder durch Auflisten der DDF-Datei-Stelle in einem anfänglichen HTML Meta-Tag wie
<meta DDF= http://www.conversationalsys.com/ConverseIt.ddf">
oder direkt über ein Skript-Tag erfolgen, das in die Variation von HTML, unterstützt durch den Browser geschrieben ist
<!-
> DDF = http://www.converationalsys.com/ConverseIl.ddf">
-->
Wenn die DDF-Datei-Stelleninformation in der Webpage codiert ist, wird die Internetadresse der Stelle bei Block 616 aufgelöst und der Computer fordert einen Transfer der DDF-Datei 500 bei Block 626 an.
Wenn alternativ die DDF-Datei 500 Stelle nicht in der Webpage codiert ist, gibt es mehrere alternative Stellen, wo sie gespeichert werden kann. Sie kann in einer vorab definierten Stelle auf der Website gespeichert werden, wie eine bestimmte Dateistelle in dem Root-Verzeichnis oder an einer anderen zentralisierten Stelle, wie einem anderen Internetserver oder Speichermedium 108 von 1. Blöcke 618 und 620 testen diese Möglichkeiten aus. Block 618 bestimmt, ob die DDF-Datei auf der Website angeordnet ist. Bei diesem Schritt sendet der Computer eine Anfrage über die Anwesenheit der DDF-Datei 500 an die Website. Wenn die DDF-Datei 500 auf der Website vorhanden ist, fordert der Computer einen Transfer der DDF-Datei 500 bei Block 626. Wenn die DDF-Datei 500 nicht auf der Website angeordnet ist, frägt der Computer an der zentralisierten Stelle nach der Anwesenheit einer DDF-Datei für die Website bei Block 620. Wenn die DDF-Datei auf der Website vorhanden ist, fordert der Computer einen Transfer der DDF-Datei bei Block 626 an. Wenn die DDF-Datei 500 nicht gefunden werden kann, werden die existierenden Komponenten einer beliebigen vorhandenen DDF-Datei, wie die Netzobjekttabelle 510, NLP-Datenbank 218, die der Website zugeordnet ist und kontext-spezifische Grammatik 214 für eine beliebige zuvor besuchte Website in Block 622 deaktiviert. Weiterhin wird die Website als nicht sprachlich aktivierte Website behandelt und nur Standard-Grammatikdateien werden bei Block 624 verwendet. Standard-Grammatikdateien sind die Grammatikdateien, die auf dem System existieren ausschließlich jeglichen Grammatiken, die der dem Netzobjekt zugeordneten kontent-spezifischen Grammatikdatei zugeordnet sind.
Wenn die DDF-Datei 500 bei Block 626 angefordert wird und ihr Transfer nicht erfolgreich ist, werden jegliche existierende Komponenten jeglicher vorhandener DDF-Datei 500 bei Block 622 deaktiviert und die Website wird als nicht sprachlich aktivierte Website behandelt und nur Standard-Grammatikdateien werden bei Block 624 verwendet.
Wenn die DDF-Datei 500 bei Block 626 angefordert wird und ihr Transfer bei Block 628 erfolgreich ist, ersetzt sie jegliche vorherige DDF-Datei bei Block 630. Jegliche Komponenten der DDF-Datei 500 wie die Netobjekttabelle 510, kontextspezifische Grammatikdateien 214 und NLP-Datenbank 218 werden bei Block 632 extrahiert. Eine ähnliche Technik kann verwendet werden, um die Software zu erhalten, die erforderlich ist, um das in 3A-3D gezeigte Verfahren auszuführen, mit den funktionellen Elementen von 2.
Der Fluss bewegt sich zu 7C. Die Netzobjekttabelle 510 wird in den Speicher durch den Computer in Block 634 eingelesen. Wenn die Webpage URL in der Netzobjekttabelle 510 der Site vorhanden ist, was in Block 636 festgestellt wird, wird dies durch eine Reihe 540A-540E der Tabelle dargestellt, was in 6 gezeigt ist. Jede Reihe der Netzobjekttabelle stellt die Sprach-Interaktionen dar, die für einen Benutzer für diese bestimmte Webpage erhältlich sind. Wenn keine Reihe entsprechend der Webpage existiert, existiert keine sprachliche Interaktion für die Webpage und die Verarbeitung ist beendet.
Wenn die Webpage URL in der Site-Netzobjekttabelle 510 vorhanden ist, was durch Block 636 festgestellt wird, prüft der Computer, ob das TTS-Kennzeichen 522 markiert ist, um festzustellen, ob eine Textsprache 524 der Webpage bei Block 638 zugeordnet ist. Wenn eine Textsprache 524 vorhanden ist, wird sie bei Block 640 in Sprache umgesetzt und der Fluss geht weiter. Wenn eine kontextspezifische Grammatikdatei der Webpage zugeordnet ist, was durch Entscheidungsblock 642 festgestellt wird, wird diese bei Block 644 aktiviert und dann wird die NLP-Datenbank 218 bei Block 646 aktiviert. Wenn keine kontextspezifische Grammatikdatei der Webpage zugeordnet ist, wird nur die NLP- Datenbank 218 bei Block 646 aktiviert. Sobald die NLP-Datenbank aktiviert ist 646, verhält sich das System wie in 3A-3C wie oben beschrieben.
Zusammenfassend liefert die bevorzugte Ausführungsform der vorliegenden Erfindung ein Verfahren und ein System für eine vernetzte interaktive Benutzer-Schnittstelle für einen Computer. Durch Verwendung der kontext-spezifischen Grammatiken, die mit den Internetobjekten über eine Dialog-Definitions-Datei verbunden sind, verringert die vorliegende Ausführungsform die Spracherkennungszeit und erhöht die Fähigkeit des Benutzers, mit Internetobjekten im Stil einer Konversation zu kommunizieren wie Webpages. Weiterhin stärkt die vorliegende Erfindung durch Verwendung adaptiver Aktualisierung der verschiedenen Grammatiken und der NLP-Datenbank die interaktive Effektivität.
Ausführungsformen der vorliegenden Erfindung wurden mit besonderem Bezug auf das gezeigte Beispiel beschrieben. Es ist jedoch klar, dass Variationen und Modifikationen an den beschriebenen Beispielen im Rahmen der vorliegenden Erfindung, wie sie in den beilegenden Ansprüchen definiert ist, erfolgen können.

Claims

Verfahren zur Interaktion mit einem Netzobjekt, wobei das Verfahren aufweist: Empfangen einer sich auf ein Netzobjekt beziehenden Interaktion (602) von einem Benutzer her, Feststellen, ob eine Netzobjekttabelle (510) dem Netzobjekt zugeordnet ist; Erhalten der Netzobjekttabelle (510), die dem Netzobjekt zugeordnet ist, falls die Netzobjekttabelle (510) existiert, wobei die Netzobjekttabelle (510) einen Eintrag (520) hat, der dem Netzobjekt entspricht und eine oder mehr Maßnahmen spezifiziert, die dem Netzobjekt zugeordnet sind; Suchen (626) in der dadurch erhaltenen Netzobjekttabelle (510) nach einem passendenden Eintrag (540) für das Netzobjekt, Durchführen einer Maßnahme, die dem passenden Eintrag (540) zugeordnet ist, falls der passende Eintrag in der Netzobjekttabelle (510) gefunden wird, wobei die Maßnahme das Aktualisieren (644) einer ersten Grammatikdatei mit Grammatik, die sich auf das Netzobjekt bezieht, beinhaltet; Suchen (304) in der ersten Grammatikdatei (212) nach einem passenden Satz für eine andere sich auf ein Netzobjekt beziehende Interaktion, die von einem Benutzer her erhalten wurde; Suchen (310) in einer zweiten Grammatikdatei (214) nach dem passenden Satz, falls der passende Satz in der ersten Grammatikdatei nicht gefunden wird; Suchen in einer Datenbank (218) für natürliche Sprache nach einem passenden Eintrag für den genannten passenden Satz, wobei die Einträge Sätze darstellen, die die Datenbank kennt; und Durchführen einer Maßnahme, die dem passenden Eintrag zugeordnet ist, falls der passende Eintrag in der Datenbank (218) für natürliche Sprache gefunden wird; und Auffordern (360) des Benutzers zur Klärung des Netzobjektes, falls kein passender Eintrag in der Datenbank (218) für natürliche Sprache gefunden wird.
Verfahren nach Anspruch 1, wobei die Netzobjekttabelle (510) von einer Web-Site gelesen wird.
Verfahren nach Anspruch 1, wobei die Netzobjekttabelle (510) von einem Ort gelesen wird, welcher Netzobjekttabellen für mehrere Netzobjekte speichert.
Verfahren nach einem der Ansprüche 1 bis 3, wobei die Netzobjekttabelle (510) in einer Dialog-Definitions-Datei (500) beinhaltet ist, die auch eine kontext-spezifische Grammatik (214) beinhaltet.
Verfahren nach einem der Ansprüche 1 bis 3, wobei die Netzobjekttabelle (510) in einer Dialog-Definitions-Datei (500) enthalten ist, die auch Einträge für eine Datenbank (218) für einen Prozessor für natürliche Sprache beinhaltet.
Verfahren nach einem der Ansprüche 1 bis 3, wobei die Netzobjekttabelle (510) in einer Dialog-Definitions-Datei (500) beinhaltet ist, die auch eine kontext-spezifische Grammatik (214) und Einträge für Datenbank (218) für einen Prozessor für natürliche Sprache eine beinhaltet.
System zum Aktualisieren eines Computers (100) für eine Benutzer-Interaktion mit einem Netzobjekt, wobei das System aufweist: eine Netzschnittstelle (116), die so konfiguriert ist, dass sie eine Dialog-Definitions-Datei (500), die einem Netzobjekt zugeordnet ist, überträgt, wobei die Dialog-Definitions-Datei (500) eine Netzobjekttabelle (510) enthält, die einen passenden Eintrag (520) für das Netzobjekt hat und eine oder mehrere zugehörige Maßnahmen spezifiziert, die dem Netzobjekt zugeordnet sind; einen Datenprozessor (201), der so konfiguriert ist, dass er in der Netzobjekttabelle (510) nach einem passenden Eintrag für die Interaktion sucht; eine Anwendungs-Schnittstelle (220), die so konfiguriert ist, das sie eine Maßnahme durchführt, die dem passenden Eintrag zugeordnet ist, falls der passende Eintrag in der Netzobjekttabelle (510) gefunden wird, wobei die Maßnahme das Aktualisieren einer kontext-spezifischen Grammatikdatei (212) mit Grammatik, die sich auf das Netzobjekt bezieht, beinhaltet; einen Sprachprozessor (200), der dazu ausgebildet ist, in der kontextspezifischen Grammatikdatei (212) nach einem passenden Satz für eine andere Interaktion zu suchen, die sich auf ein von dem Benutzer her empfangenes Netzobjekt bezieht, in einer generellen Grammatikdatei (214) nach dem passenden Satz zu suchen, falls der passende Satz nicht in der kontextspezifischen Grammatikdatei (212) gefunden wird, in einer Diktiergrammatik (216) nach dem passenden Satz zu suchen, falls der passende Satz nicht in der generellen Grammatikdatei (214) gefunden wird, und in einem kontextspezifischen Diktiermodell (360) zu suchen, falls der passende Satz nicht in der Diktiergrammatik (216) gefunden wird; und einen Prozessor (202) für natürliche Sprache, der so konfiguriert ist, dass er in einer Datenbank (218) nach einem passenden Eintrag für den passenden Satz sucht, wobei die Einträge Sätze darstellen, die der Datenbank bekannt sind; wobei die Anwendungs-Schnittstelle (220) so konfiguriert ist, dass sie eine dem passenden Eintrag zugeordnete Maßnahme ergreift, falls der passende Eintrag in der Datenbank gefunden wird, und den Benutzer über das Netzobjekt abfragt, falls kein passender Eintrag gefunden wird.