專利名稱：向語音識別引擎注冊言辭以及相關聯的目的錨的制作方法
技術領域：
本發明涉及訪問萬維網，并且特別涉及通過語音識別來訪問萬維網。
背景技術：
萬維網(Web)提供了一個巨大的文檔集合，這些文檔可以經由因特網來訪問。萬維網上的很多文檔都包含超鏈接，這些超鏈接使用戶可以跳轉到文檔內部的其他地方，并使用戶可以跳轉到其他文檔以及其他資源。對萬維網文檔來說，通用的訪問方法是借助一臺計算機，所述計算機提供文檔的可視顯示并且考慮到了用戶使用鍵盤以及諸如鼠標這類定點設備所產生的輸入。用戶可以使用定點設備來選擇超鏈接并由此使用這些超鏈接。
其他方法也可以用來提供對于萬維網文檔的訪問。特別地，語音識別可以用作一種輸入來取代或附加于鍵盤或定點設備。在缺少或不便使用鍵盤或鼠標的情況下，語音識別可以允許與基于顯示的萬維網文檔進行有效的交互作用。對那些具有視覺缺陷或者需要在訪問萬維網的同時能夠騰出手和眼睛來處理其他事情的人員來說，這一點是非常有用的。
語音識別可能需要使用一個定義有效言辭的語音識別語法來對捕獲自用戶的言辭進行識別。由于包含在語音識別語法中，因此，諸如“主頁”或“后退”這種固定的瀏覽器命令是很容易識別的。而用于在萬維網文檔中選擇超鏈接的語法則不像固定命令那樣容易定義。由于言辭有可能是不具有更大語境的單字或短語，因此，用于在萬維網文檔中選擇超鏈接的語音識別可能與其他的語音識別需求不同。萬維網文檔中的某些超鏈接可能由圖像或圖標來表示，而不是由文本來表示。
萬維網聯盟(W3C)正在開發一種語音可擴展標記語言(VoiceXML)，以便準許創作那些意圖與一個語音瀏覽器結合使用的萬維網文檔，其中所述語音瀏覽器提供一個聽覺呈現并且接受語音輸入。VoiceXML文檔提供了專門設計的信息，以便定義語音識別語法中包含的可允許語音輸入。
在并未考慮到借助語音輸入來選擇超鏈接的需求的情況下，已經創作了數量極大的萬維網文檔。因此，使一個網絡瀏覽器能對口語言辭做出響應，從而在那些并未創作成定義可允許語音輸入的萬維網文檔中選擇超鏈接，這一點是合乎需要的。
發明內容
根據本發明的第一方面，提供了一種用于通過語音識別引擎注冊言辭和相關聯的目的錨的方法，所述方法包括使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取具有鏈接的所有節點的一個列表；對于全部節點的列表中的每個節點而言，為所述節點獲取一個目的錨；如果目的錨存在，則從所述節點的子節點中以遞歸方式收集文本，以便形成言辭；以及通過語音識別引擎注冊言辭和目的錨。
根據本發明的第二方面，提供了一種一種具有指令序列的計算機可讀介質，在由一個處理器執行時，所述指令序列使得處理器執行一種用于通過語音識別引擎注冊言辭和相關目的錨的方法，所述方法包括使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取具有鏈接的所有節點的一個列表；對于全部節點的列表中的每個節點而言，為節點獲取一個目的錨；如果目的錨存在，則從節點的子節點中以遞歸方式收集文本，以便形成言辭；以及通過語音識別引擎注冊言辭和目的錨。
根據本發明的第三方面，提供了一種語音識別系統，包括一個文檔分析器，它使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取具有鏈接的所有節點的一個列表；一個節點分析器，對于全部節點的列表中的每個節點而言，它為節點創建一個目的錨，如果目的錨存在，則從節點的子節點中以遞歸方式收集文本來形成言辭；以及一個注冊引擎，它通過一個有限狀態語法控制器注冊言辭和目的錨。
圖1是關于本發明一個實施例的流程圖；圖2顯示了語音導航分析器通過一個語音識別引擎注冊超鏈接的示范性軟件例程。
圖3顯示了可以由圖2軟件例程使用的示范性的getLinkText函數。
圖4顯示了可以由圖2軟件例程使用的示范性的insertTag函數。
圖5顯示了可以由圖2軟件例程使用的示范性的getLinkPos函數。
圖6顯示了提供一個黃色背景上具有紅色文本的半透明標簽的示范性樣式。
圖7是一個示范性的語音識別系統的框圖。
具體實施例方式
為了提供關于本發明的全面理解，在以下關于本發明的詳細描述中闡述了很多特殊細節。然而，對本領域技術人員來說，很明顯，可以在不具備這些細節的情況下實施本發明。在其他實例中并沒有詳細描述公知的方法、過程、組件和電路，以免不必要地模糊本發明的各個方面。本發明包括不同的步驟，以下將對這些步驟進行描述。本發明的步驟可以在機器可執行指令中實現，這些指令致使一個以這些指令編程的通用處理器執行所述步驟。作為選擇，所述步驟也可以通過硬件或軟件的結合來執行。機器可執行指令可以由磁盤、光盤這種計算機可讀介質或者電磁波來進行保存和發送。
語音導航分析器使用了網絡瀏覽器提供的一個編程接口。所述編程接口可以包括一組對象，這些對象代表的是萬維網文檔、如何組合這些對象的模型以及一個用于訪問和操作這些對象的標準接口。示范性的編程接口是由萬維網聯盟(W3C)定義的文檔對象模型(DOM)。在關于語音導航分析器的描述中，雖然將DOM用于示范性編程接口，然而可以了解的是，網絡瀏覽器提供的不同于DOM的編程接口也可用于實現語音導航分析器。
在網絡瀏覽器接收和處理了一個新的萬維網文檔之后，語音導航分析器將會具有控制權。語音導航分析器可以是網絡瀏覽器的一個插件，它注冊一個事件，以使瀏覽器在接收和處理了一個萬維網文檔之后把控制權轉移給語音導航分析器。
語音導航分析器使用瀏覽器的編程接口來提取新近接收的萬維網文檔中的所有超鏈接。語音導航分析器提取和/或創建那些可用于選擇超鏈接的可交談言辭。并且語音導航分析器向語音識別引擎注冊超鏈接以及可交談言辭。語音導航分析器可以向萬維網文檔中的超鏈接添加可視標簽，以便提供一個可用于選擇超鏈接的簡明言辭。
語音導航分析器注冊的信息允許語音識別引擎使用所注冊的可交談言辭而把口語言辭識別為有效語法的全部或是它的一部分。由語音導航分析器注冊的信息還使語音識別引擎能夠命令瀏覽器對超鏈接的選擇做出響應，其中所述超鏈接與語音導航分析器發出的口語言辭相關聯。
圖1是關于本發明一個實施例的流程圖。瀏覽器的編程接口被用于獲取具有鏈接10的所有節點的一個列表。對列表中的每個節點依次進行處理，直到處理了所有節點12。所要處理的節點是從列表14中獲取的，此外還會檢索節點16的HREF屬性。由于可以在初始加載了萬維網文檔之后提供HREF屬性，因此超鏈接節點可以具有一個HREF屬性，但是也可以不具有該屬性。如果節點不具有HREF屬性18，那么關于節點的處理可能會結束，如果存在下一個節點的話，則會對下一個節點進行處理。在其他實施例中，不具有HREF屬性的超鏈接節點可以注冊一個空的URI，也可以在向超鏈接節點添加了HREF屬性之后進行注冊。
如果節點具有HREF屬性，則以遞歸方式檢查所述節點的子節點，以便收集那些與鏈接20相關聯的文本或替換文本。并且將會檢查雙親節點，以便獲取該節點的累計偏移，由此在文檔中確定節點的位置22。在到達了指示所述位置是絕對位置的根節點或者到達了一個指示所述位置是相對于一個容器節點的容器(DIV)節點之前，將會接連檢查雙親節點。位置信息可以包括x和y偏移，絕對/相對標志以及與偏移相關的節點。在鏈接節點24的位置附近，可以將一個可視標記串添加到文檔中，由此確保有一個可用于選擇鏈接的口語言辭。節點文本、標簽串、目的錨以及鏈接節點位置可以被通過一個語法引擎26注冊。按照所注冊的，所述語法引擎可以使瀏覽器導航到相關的目的錨，從而對節點文本或標簽串的口語言辭做出響應。在對節點表中的所有鏈接節點都進行了處理12的時候，所述處理將會結束并且控制權將會返回到呼叫者28。
圖2顯示了語音導航分析器通過語音識別引擎注冊超鏈接的一個示范性軟件例程。所示實施例使用了DOM編程接口。DOM代表了一個作為節點并具有分級結構的文檔。代表超鏈接的節點列表則是由document.link對象100來提供的。
圖2顯示的示范性例程通過語音識別引擎注冊了超鏈接文本、一個提供替換言辭的標簽值、統一資源標識符(URI)和超鏈接位置。為了簡化示范性例程，通過語音識別引擎注冊的值將會保存在一個數組中。在一個優選實施例中，語音識別引擎會創建或是填充一個數據結構來保存所注冊的信息。注冊的信息數據結構可以包括來自一個以上的萬維網文檔的注冊信息。
圖2的示范性例程使用一個for循環102來檢查超鏈接節點列表中的每個節點。超鏈接節點的URI是通過HREF屬性來保持的。可以將getAttribute(“HREF”)例程104應用于超鏈接節點來獲取HREF屬性。在示范性例程中，在加載萬維網文檔的時候，不具有HREF屬性的超鏈接節點將被忽略106。
DOM在那些與元素節點相關聯的單獨節點中保持文本。超文本節點是一個元素節點，如果存在任何與超鏈接節點相關聯的文本，那么所述文本將會與文本節點相關聯。圖2的示范性例程使用一個getLinkText函數108來獲取與每個超鏈接節點相關聯的文本。
圖2的示范性例程使用一個getLinkPos函數110而在萬維網文檔中獲取超鏈接位置。在其他實施例中，語音導航分析器不能獲取或注冊位置信息。
圖2的示范性例程使用一個insertTag函數112來創建一個可視標簽，所述標簽提供了一個替換言辭來選擇超鏈接。在示范性例程中，使用數組索引作為標簽并且標記了每個超鏈接。在其他實施例中，可以使用其他方案來提供標簽。語音識別引擎可以產生標簽，并且在注冊了超鏈接的時候，語音識別引擎會將所述標簽返回給語音導航分析器。可以對所述標簽進行檢查，以便確定它是否與關聯于超鏈接的文本相沖突。所述標簽也可以只用于那些不具有可視文本的超鏈接。對一個使用了IMG元素的圖形鏈接而言，所述標簽可以是由IMG元素的alt屬性提供的替換文本。
圖2的示范性例程使用一個registerToGrammar函數114來把從萬維網文檔獲取的信息注冊到語音識別引擎。所述示范性例程注冊了超鏈接文本linkText[i]、一個提供替換言辭的標簽值i、URI、linkHref[i]以及超鏈接的位置linkPos[i]。如上所述，本發明的其他實施例可以注冊不同的信息。
圖3顯示了一個示范性的getLinkText函數，所述函數可以由圖2的軟件例程使用。示范性的getLinkText函數以遞歸方式遍歷所提供的鏈接節點的子節點，以便收集那些與鏈接節點相關聯的文本和替換文本。在DOM中，鏈接元素節點可以具有多個子文本節點并且可以具有多個子元素節點。每個子元素節點可以具有多個子文本節點并且可以具有多個子元素節點，依此類推。因此，DOM需要一個深度優先的遞歸樹搜索來收集超鏈接的文本。舉例來說，如果超鏈接是“Create Your Submission”，其中“Your”為黑體，那么超鏈接元素節點會具有三個子節點。第一個子節點是一個具有文本“create”的文本節點。第二子節點是一個具有子文本節點“Your”的黑體元素節點。第三個子節點是一個具有文本“submission”的文本節點。示范性的getLinkText函數將會返回文本“Create Your Submission”。
示范性的getLinkText函數獲取所提供節點的子節點列表200。并且使用一個for循環202來遍歷列表中的每個子節點。如果子節點是一個文本節點204，那么子節點的文本將會附加于正在形成的文本串。如果子節點不是一個文本節點，那么由遞歸調用返回給getLinkText的文本串將會附加于正在形成的文本串206。如果非文本節點是一個IMG元素節點或AREA元素節點，則從節點208獲取替換文本。在結束遍歷的時候，對從鏈接節點的子節點收集的文本串進行測試，以便查看它是否包含空白文本，如果包含的話，那么所述文本串將由替換文本210所取代。示范性的getLinkText函數可以返回一個由瀏覽器顯示的文本串，也可以返回一個可以由瀏覽器顯示也可以不由瀏覽器顯示的替換文本串，還可以返回一個空文本串。在本發明的其他實施例中，還可以提供返回的文本串類型。
圖5顯示了一個示范性的getLinkPos函數，所述函數可以由圖2的軟件例程使用。示范性的getLinkPos函數遍歷鏈接節點的雙親節點，以便在萬維網文檔中確定鏈接的位置。所述位置可以是頁面內部的一個絕對位置，也可以是相對于一個雙親節點的位置。示范性的getLinkPos函數為所提供的節點400產生一個位置對象。所述位置對象包括一個標簽，以便指示所述位置是否為絕對位置，并且還指示了位置的x和y坐標以及一個相對位置的雙親節點。
在這里使用了一個while循環402來遍歷所提供鏈接節點的雙親。并且獲取正在受到檢查的節點的雙親404。如果雙親是隱藏的406，那么所述雙親將會變得臨時可視408，由此可以得到位置信息并且設定一個標志來指示需要隱藏所述雙親。如果雙親是一個DIV元素410，那么鏈接節點的位置是相對位置而不是絕對位置412。對相對位置而言，雙親DIV元素被設定為雙親節點，并且返回相對于雙親DIV元素的位置。如果雙親元素不是一個DIV元素，那么位置的x和y坐標將會由雙親元素414的偏移來增加。如果雙親元素是隱藏的416，那么隱藏屬性將會恢復。然后將會把雙親設定為元素418。如果作為新元素的雙親也具有一個雙親402，那么while循環將會重復，以便繼續進行雙親節點的遍歷。如果所述遍歷到達根節點，也就是一個不具有雙親節點的節點，則在沒有遭遇DIV元素的情況下，所述位置是從根節點的原點0，0開始的絕對偏移。
圖4顯示了一個示范性的insertTag函數，所述函數可以由圖2的軟件例程使用。示范性的insertTag函數使用DOM接口來向鏈接節點添加可視標簽。超鏈接可以顯示一個能夠講出的文本，也可以不顯示所述文本。這些標簽可以由語音導航分析器插入，從而確保總是能夠使用一個言辭來進行超鏈接的語音選擇。
示范性的insertTag函數使用registerLinksToGrammar函數所創建數組內部的一個超鏈接索引來作為標簽值。并且定義了一個容器來保持標簽。如果位置是絕對位置，那么容器即為萬維網文檔體300。如果位置不是絕對的，則所述容器是由getLinkPos函數確定的雙親節點302。DIV元素添加到所定義的容器并被放入類別TAGTAG304。DIV元素則是使用getLinkPos函數所確定的偏移坐標而被定位在容器內部的。TAGTAG樣式可以添加到萬維網文檔中，以便為標簽提供預期的可視屬性。圖6顯示了一個示范性樣式來提供一個透明標簽，其中所述標簽在黃色背景上具有紅色文本。并且標簽的可視性是得到繼承的，因此，在隱藏的容器變得可視之前，所述隱藏的容器內部的標簽會被隱藏。
圖7顯示了包含本發明一個實施例的示范性語音識別系統700。語音識別系統700與一個瀏覽器702耦合，所述瀏覽器接收一個超文本文檔704并且基于這個超文本文檔來創建一個可視顯示器706。
語音識別系統700包括一個文檔分析器708，以便使用瀏覽器702提供的編程接口來創建具有鏈接的所有節點的一個列表710。節點分析器712對鏈接節點的列表710中的每個節點進行處理。節點分析器為每個節點提取一個目的錨714。如果目的錨存在，那么節點分析器以遞歸方式從所述節點的子節點中收集文本，從而形成一個與目的錨714相關聯的言辭716。節點分析器還可以用遞歸方式來為替換文本檢查節點的子節點，如果所收集的文本是空白，則使用替換文本作為言辭716。
語音識別系統700可以包括一個位置分析器，以便遍歷所述節點的雙親節點以及累積位置偏移，從而獲取節點位置720。如果容器節點是所述節點的一個雙親節點，那么位置分析器可以將節點的位置標記為相對于容器節點的位置，否則把節點位置標記為絕對的。如果雙親節點是隱藏的，那么位置分析器可以臨時使得雙親節點可視，從而允許獲取位置。語音識別系統700可以包括一個標簽生成器722，以便使用瀏覽器702的編程接口而把一個可視標簽串724添加到節點720的位置附近。
語音識別系統700包括一個注冊引擎726，用于向有限狀態語法控制器728注冊言辭716和目的錨714。注冊引擎還可以通過有限狀態語法控制器注冊節點720的位置以及可視標簽串724。有限狀態語法控制器則創建一個有限狀態語法730。
語音識別引擎732從語音識別系統700的用戶接收一個口語言辭734。語音識別引擎使用有限狀態語法730來識別口語言辭734，并且檢索與言辭相關聯的目的錨714。語音識別引擎使用瀏覽器702的編程接口來將瀏覽器引導到目的錨。這與用戶使用定點設備而以視覺方式在可視顯示器706上選擇目的錨具有相同的效果。由于有限狀態語法730以提取自創建可視顯示器706的文檔704中所出現的文本的有限言辭集合716為基礎的，并且有限狀態語法730有可能以那些已經由標簽產生器722添加到可視顯示中的可視標簽串724為基礎，因此語音識別引擎能夠以良好精確度來識別口語言辭734。
雖然在附圖中描述和顯示了某些示范性實施例，但是應當理解，這種實施例僅僅是說明性的，而不是對范圍較寬的本發明加以限制，由于本領域普通技術人員可以想到其他各種修改，因此本發明并不局限于所顯示和所描述的特定結構和布局。需要認可的是，本發明可以使用與示范性實施例所示方法不同的其他方法而由DOM編程接口加以實現，并且在本發明所提供的信息的類型和格式中有可能存在變化。需要認可的是，可以結合瀏覽器提供的其他編程接口來執行本發明，其中所述瀏覽器允許以一種可以與DOM編程接口提供的方式相比的方式來訪問萬維網文檔。
權利要求
1.一種用于通過語音識別引擎注冊言辭和相關聯的目的錨的方法，所述方法包括使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取具有鏈接的所有節點的一個列表；對于全部節點的列表中的每個節點而言，為所述節點獲取一個目的錨；如果目的錨存在，則從所述節點的子節點中以遞歸方式收集文本，以便形成言辭；以及通過語音識別引擎注冊言辭和目的錨。
2.權利要求1的方法，其中形成言辭還包括以遞歸方式來為替換文本檢查所述節點的子節點，如果收集的文本是空白，則使用替換文本作為言辭。
3.權利要求1的方法，還包括遍歷所述節點的雙親節點并且累積位置偏移來獲取節點位置。
4.權利要求3的方法，還包括如果容器節點是所述節點的一個雙親節點，則將節點位置標記成相對于一個容器節點，否則將節點位置標記為絕對的。
5.權利要求3的方法，其中注冊還包括通過語音識別引擎注冊節點位置。
6.權利要求3的方法，其中如果雙親節點隱藏，則使雙親節點臨時可視。
7.權利要求3的方法，還包括在節點位置附近添加一個可視標簽串，并且還通過語音識別引擎注冊這個可視標簽串。
8.一種具有指令序列的計算機可讀介質，在由一個處理器執行時，所述指令序列使得處理器執行一種用于通過語音識別引擎注冊言辭和相關目的錨的方法，所述方法包括使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取具有鏈接的所有節點的一個列表；對于全部節點的列表中的每個節點而言，為節點獲取一個目的錨；如果目的錨存在，則從節點的子節點中以遞歸方式收集文本，以便形成言辭；以及通過語音識別引擎注冊言辭和目的錨。
9.權利要求8的計算機可讀介質，其中形成言辭還包括以遞歸方式來為替換文本檢查所述節點的子節點，如果收集的文本是空白，則將替換文本用作言辭。
10.權利要求8的計算機可讀介質，其中所述方法還包括遍歷所述節點的雙親節點并且累積位置偏移來獲取節點位置。
11.權利要求10的計算機可讀介質，其中所述方法還包括如果容器節點是所述節點的一個雙親節點，則將節點位置標記成相對于一個容器節點，否則將節點位置標記為絕對的。
12.權利要求10的計算機可讀介質，其中注冊還包括通過語音識別引擎注冊節點位置。
13.權利要求10的計算機可讀介質，其中，如果雙親節點隱藏，則使雙親節點臨時可視。
14.權利要求10的計算機可讀介質，其中所述方法還包括在節點位置附近添加一個可視標簽串，并且還通過語音識別引擎注冊這個可視標簽串。
15.一種語音識別系統，包括一個文檔分析器，它使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取具有鏈接的所有節點的一個列表；一個節點分析器，對于全部節點的列表中的每個節點而言，它為節點創建一個目的錨，如果目的錨存在，則從節點的子節點中以遞歸方式收集文本來形成言辭；以及一個注冊引擎，它通過一個有限狀態語法控制器注冊言辭和目的錨。
16.權利要求15的語音識別系統，其中節點分析器通過以遞歸方式來為替換文本檢查所述節點的子節點并且如果收集的文本是空白則節點分析器是通過將替換文本用作言辭，從而形成言辭。
17.權利要求15的語音識別系統，還包括一個位置分析器，用于遍歷所述節點的雙親節點并且累積位置偏移來獲取節點位置。
18.權利要求17的語音識別系統，其中，如果容器節點是所述節點的一個雙親節點，則位置分析器還將節點位置標記成相對于一個容器節點，否則將節點位置標記為絕對的。
19.權利要求17的語音識別系統，其中注冊引擎還通過有限狀態語法控制器注冊節點位置。
20.權利要求17的語音識別系統，其中，如果雙親節點隱藏，則位置分析器還使雙親節點臨時可視。
21.權利要求17的語音識別系統，還包括一個標簽生成器，用于在節點位置附近添加一個可視標簽串，并且注冊引擎還通過有限狀態語法控制器注冊所述可視標簽串。
全文摘要
一種用于通過語音識別引擎注冊言辭和相關聯的目的錨的方法。所述方法包括使用瀏覽器提供的一個編程接口而在瀏覽器顯示的文檔中獲取帶有鏈接的所有節點的一個列表。對于所述全部節點的列表中每個節點而言，所述方法為節點獲取一個目的錨。如果存在目的錨，則所述方法通過以遞歸方式從節點的子節點收集文本來形成言辭。通過語音識別引擎注冊所述言辭和目的錨。
文檔編號G10L21/00GK1517979SQ0316491
公開日2004年8月4日 申請日期2003年9月18日 優先權日2003年1月23日
發明者G·吳, G 吳 申請人:英特爾公司