語音識(shí)別置信度研究.pdf

1、手機(jī)端的語音短信輸入，可以免去人們手工輸入短信的不便，有著實(shí)際的應(yīng)用需求，但是尚未得到很好的解決。因此短信語音識(shí)別成為當(dāng)前語音識(shí)別的一個(gè)熱點(diǎn)問題。短信語音有語句短，口語化強(qiáng)的特點(diǎn)，識(shí)別起來有很大的難度。短信語音識(shí)別要解決的主要問題有：手機(jī)語音庫(kù)的建設(shè)，識(shí)別系統(tǒng)開發(fā)，識(shí)別結(jié)果置信度評(píng)價(jià)等。本文對(duì)短信語音識(shí)別問題進(jìn)行了研究，建立了性能優(yōu)越的短信語料庫(kù)和語音庫(kù)，搭建了置信度評(píng)價(jià)系統(tǒng)。此外，還針對(duì)分類樣本不平衡問題做了初步的不平衡數(shù)據(jù)集分類問題

2、研究。主要的工作如下：
　　 ⑴建立了性能優(yōu)越的短信語音語料庫(kù)。良好的語音庫(kù)和語料庫(kù)的建立對(duì)于聲學(xué)模型和語言模型的訓(xùn)練都有很大的幫助作用，對(duì)于系統(tǒng)測(cè)試也必不可少。本文實(shí)現(xiàn)了短信注音系統(tǒng)，根據(jù)短信語料的特性，選擇了合理的語料選擇算法從五十萬條原始短信中，自動(dòng)選擇出了6000句語音學(xué)角度豐富的短信語料。在保證稀有三音子全部被選擇出的前提條件下，使三音子盡量平衡。6000句三音子理論覆蓋率達(dá)到93.9％，實(shí)際覆蓋率達(dá)到100％。并以此

3、建立了200人參與錄音，時(shí)長(zhǎng)超過300小時(shí)的手機(jī)語音庫(kù)。
　　 ⑵置信度分類中的特征提取和特征選擇。在語音短信輸入的應(yīng)用中，識(shí)別結(jié)果的可靠性是一個(gè)實(shí)際要解決問題。傳統(tǒng)的語音識(shí)別置信度方法基于各種靜態(tài)特征進(jìn)行分類判決，而忽略了詞與周圍環(huán)境之間的關(guān)系所攜帶的信息。本文在一個(gè)詞錯(cuò)誤率為14.02％的基線系統(tǒng)上，利用10維靜態(tài)特征做分類，比基線系統(tǒng)的錯(cuò)誤率降低了24.9％。進(jìn)一步在靜態(tài)特征的基礎(chǔ)上提出了上下文特征和動(dòng)態(tài)特征，它們和靜態(tài)特

4、征組合在一起的特征分類效果比靜態(tài)特征提高了7.4％。但是并非所有特征都對(duì)分類效果有正面影響，過多的特征不但帶來信息的冗余，還會(huì)使分類速度變慢。針對(duì)這個(gè)問題，本文將特征提取和特征選擇引入到語音識(shí)別置信度的研究中，提出了用特征提取的方法降低特征維數(shù)和用特征選擇的方法從原始特征中選擇出一個(gè)有效的子集。實(shí)驗(yàn)表明本文提出的上下文和動(dòng)態(tài)特征是相對(duì)重要的分類特征，并且通過特征提取和特征選擇可以得到有效壓縮。
　　 ⑶不平衡數(shù)據(jù)集分類。置信度分