基于词图重估的语音解码参数优化方法.pdfVIP

第37卷 第 16期 计 算 机 工 程 2011年8月 V_o1．37 No．16 ComputerEngineering August2011 ·人工智能及识别技术 · 文章缩号t1oo0-—3428(20l1)l6__ol58-- 文献标识码tA 中圈分类号tTP391 基于词图重估的语音解码参数优化方法 尹明明，屈 丹，李弼程，黄山奇 ， (解放军信息工程大学信息工程学院，郑州 450002) 捕 要：在大词汇连续语音识别系统中，语言模型权值和插入代价等语音解码参数对系统的识别率有较大的影响，而在实际应用中常通过 实验手动调整其值寻求最佳识别结果。为此，提出一种利用二元文法进行词图重估的方法，自动优化语音解码参数。在重估的参数空间搜 索过程中采用线性搜索与模拟退火搜索相结合的方法，使优化参数具有全局最优和对初值稳定性强的优点。实验结果表明，相比凭经验设 置的参数，该方法估计出的参数值能大幅降低识另Ⅱ词错误率，与经典的N—best优化相比，其优化速度有较大提升。 关健诃：词图重估；语言模型权值；解码；插入代价 SpeechDecodingParametersOptimizationMethod BasedonW ordGraphRescoring YINMing-ming，QUDan，LIBi-cheng，HUANGShan-qi (InstituteofInformationEngineering，PLAnIfomr ationEngineeringUniversity,Zhengzhou450002，China) [Abstract]InLargeVocabularyContinuousSpeechRecognition(LVCSR)system，speechdecodingpraameters LanguageModel(LM)weight na dinsertioncostCna greatlyaffectstherecognitionperformnace．Butinpractice，tlleyraeusuallyhna d—utnedthroughexperimenttoobtainbest recognitionperformance．Thispaperproposeshterescoringbasedmehtod thatusesbi—grma LM tooptimizetheparma etersautomatically, menawhilethemehtodofcombinelineserachnadSimulatedAnnealing(SA)serachinparma etersserachspaceofrescoring，whichisglobally optimalna disinsensitivetOinitialvalueofpraameter．Experimentalresultsshow thathtemehtod candramaticallyreducehteworderrorcompared withempiricalparametersettingmehtod，andgainsmuchfasteroptimi zationspeedhtanclassicalN—bestoptimization． [Keywords]wordgraphrescoring；LnaguageModel(LM)weight；decoding；insertioncost DoI：10．3969~．issn．1000—3428．2011．16．054 l 概述 生成词图进行重估计算其最大后验概率，直到其收敛为止。 连续语音识别系统目前主要通过统计模式识别进行搜索 这种方法能够得到较优的参数，且对不同的初始值具有一定 解码，这是一种基于贝氏网络