配置热词表（可选）

创建热词表（1.0版本）

创建热词表有两种方式：控制台创建、调用API创建。本章节主要介绍通过控制台创建的方法。

1. 登录SIS服务控制台。
2. 在左侧导航栏中选择“热词表配置”。并在配置页面单击“创建热词表”。

   创建成功后，可对热词表内容进行编辑。支持中英混编，最多可添加10000个热词，热词之间用逗号分隔。

   热词表支持英文和中文语言类型。中文语言类型的热词最长支持32字符，英文语言类型的热词最长支持64字符。

   前端热词创建过程中，具备热词规则校验能力，会将不符合规则的热词返回给用户。

   图1 创建热词表
   
   

   创建热词时，需注意：

   • 中文语言类型(chinese_mandarin)热词可以包含英文，但英文语言类型(english)热词不能包含中文。
   • 热词表能创建通过，仅代表规则校验通过，但是否生效还需由具体API确定（如创建中文类型热词表，请求英文语音识别接口，热词不会生效）。
   • 所有含英文的热词均需大写，如：Eiffel铁塔（正确示例为：EIFFEL铁塔）。
   • 所有数字均用相应的汉字表示，避免使用阿拉伯数字 ，如：12345服务热线（正确示例为：一二三四五服务热线）。
   • 热词内容仅包含英文和中文，避免出现标点符号、特殊字符或空格，如：。，？.*等。
   • 尽量避免配置单音节的英文单词，避免误召回，如：MAY/TEE等。

调用热词表

一句话识别、录音文件识别、实时语音识别API均支持调用热词表，调用时，需传vocabulary_id参数（热词id）。

热词id可以通过控制台，或调用查询热词表信息接口获取。

图2 热词id

热词3.0

热词3.0在热词1.0基础上，增加了自定义权重热词和强制替换热词来提升特定场景关键词召回率，如下图3所示。控制台和后端API均已开放热词3.0的创建接口，但需注意的是，并非所有API均能使热词3.0算法生效，具体约束条件如下。

图3 创建热词表

• 支持的region：

  北京四、上海一

• 支持的API：

  实时语音识别chinese_16k_general/chinese_8k_general、一句话识别chinese_16k_general和录音文件识别chinese_16k_media。

  

  热词3.0能创建成功并不意味着一定生效，仅对以上四个API生效。其余API请按照热词1.0的规则创建热词。

热词3.0使用场景和配置规则如下。

• 普通热词

  用于常见的命名实体识别，如地名、景点、商品名、领域关键词。

  配置规则：

  • 最多可以创建100个热词表，每个热词表支持10000个热词。
  • 所有含英文的热词均需大写，如：Eiffel铁塔（正确示例为：EIFFEL铁塔）。
  • 所有数字均用相应的汉字表示，不能使用阿拉伯数字 ，如：12345服务热线（正确示例为：一二三四五服务热线）。
  • 热词内容仅包含英文和中文，不能包含标点符号、特殊字符，如：。，？.*等。
  • 尽量避免配置单音节的英文单词，避免误召回，如：MAY/TEE等。
• 自定义权重热词

  用于提升热词召回率，主要应用于以下场景。

  • 所配置的关键词与常见词发音一样，导致热词不能百分百生效。如雇工 vs 故宫。由于故宫更加常见，所以可能存在即使配置了雇工这个热词，也无法召回的情况。
  • 所配置的关键词含有生僻字，如葳蕤，霜蟾。这些生僻字出现的概率较低，所以在热词搜索过程中，可能不生效。
  • 所配置的关键词较常见，与其他高频词容易混淆（误召回），如述职 vs 数值。

  配置规则：

  • 自定义权重热词用/将热词分为两个部分，左边即为普通热词，遵循普通热词的配置规则。
  • 右边为1~10的整数（包含），数值越大热词的偏置力度越强，召回率越高（但误召回的风险越大）。
  图4 配置示例
  
• 强制替换热词

  强制替换作为热词功能的补充，主要解决以下两类问题：

  • 一些极其罕见的词语，如绵绵瓜瓞，龙行龘（dá）龘，即使配置了热词，也无法识别，所以需要将谐音词进行强制替换：绵绵瓜叠=绵绵瓜瓞，龙行达达=龙行龘龘。
  • 自定义格式输出，如特殊符号γ、β、奈雪の茶，数学公式x^2+1=0。

  配置规则：

  • 强制替换重热词用=将热词分为两个部分，左边为待替换词，遵循普通热词的配置规则。
  • 等号右边为最终输出词，仅校验长度（不超过32字符）。