结合模型混淆度和BIC准则的语种识别精细建模方法.pdfVIP

第26卷第5期 数 据 采 集 与 处 理 Vo1．26No．5 2011年9月 JournalofDataAcquisitionProcessing Sep．2011 文章编号 ：1004—9037(2011)05—0573—06 结合模型混淆度和BIC准则的语种识别精细建模方法 徐 颖 宋 彦 戴礼荣 (中国科学技术大学电子工程与信息科学系 ，合肥，230O27) 摘要：提 出了一种基于语种模型混淆度 的模型参数估计方法，并结合 贝叶斯信息准则(Bayesianinformationcri— terion，BIC)来进行模型的选取，避免了大量标注信息的需求 。在NIST一07语种识别3O，1O和3S的测试任务 中， 分别给 出了在最大似然(Maximum likelihood，ML)准则和最大互信息 (Maximummutualinformation，MMI)准 则下性能比较，所提 出的方法相对于基线系统，性能都有明显的提升，而且达到了利用标注信息进行细化建模相 同的水平 。 关键词 ：语种识别 ；贝叶斯信息准则；模型混淆度 ；高斯混合模型 中图分类号：TN912．34 文献标识码 ：A LanguageIdentificati0nBased onCombinationofM odel ConfusionandBIC Criteria Xu Ying，SongYan，DaiLirong (DepartmentofElectronicEngineeringandInformationScience，Universityof ScienceandTechnologyofChina，Hefei，230027，China) Abstract：In languageidentification，thedetailedannotationscanmakethemodelparameters estimatemoreaccurately，buttheseannotationsaredifficulttObeacquired．Thispaperpropos— asakindofmodelparametersestimationmethodbasedonlanguagemodelconfusion，combin— ing Bayesian information criterion (BIC)formodelselection，avoidacquiringlargeannota— tions．InNIST07languagerecognitionfor30，10and3Stesttasks，wepresentedperformance comparison inthemaximum 1ikelihood (ML)criterionandthemaximum mutualinformation (MM I)criterion，ourproposedmethodhavesignificantlyimprovement，andreach thesame levelasusingannotations． Key words：languageidentification；Bayesian information criteria(BIC)；modelconfusion； Gaussianmixturemode1 述 ，提高识别的准确性是语种识别中的一个难题 ，涉 引 F 及语音识别中的一些关键技术。同时，作为语音识别 和其他相关应用的前端处理，语种识别技术在信息