汉语语音文档检索研究.pdfVIP

‘ 诬 f ， l l . . 卫 么 丫383532 卜 之 七 万 乒 . ， 弓 摘 要 ， . 孟 去 ﹄ 晤 音 文档检索(SDR)是信息检索技术和语音识别技术相结合发展起来的一门新兴技 术，它是根据用户指定的文本或语音的查询提问，从语音文档记录集中检索出相关文档 的技术。最直接的方法就是利用连续语音识别技术，将语音文档转换成文本文档，再进 行文本信息检索.这种方法完全依赖于离性能的语音识别技米.另外，应用关键词确认 (Keyword-Spotting，的方法进行关键词*3I1u检索也是一种常用的够，些种方法 面临着必须事先知沮用士夜军J天斑tffifiu`.I非吊人Wiwj俗衣RJCOIF夕 本文在讨论信息检索模型和汉语连续语音识别方法的墓础上，提出墓于音节的汉语 语音文档检索 (CSDR)方法。 干盖吝书且。注 ‘.、，__._本‘单元，在汉语中约有 。‘和于单音节是语“中最为。的‘ 1254个常用的有调音节，如果不考良音询_翩口* ‘，，*_一音节，它们却对应着上 万个汉宇的发音。所以选择无调的音节和音节对建立索引，进行枪索是有意义的 本文建立了一个语音关链词检索实脸系统·系统的语音识别邻分分别设计了两个算 法，一是差于半波差分谱(HWDS)的音节切分算法/动态时间规整 (D71f)算法;二是墓于 汉语连续语音识别算法。检索部分采用向t空间棋型和余弦侧度算法。查询可选择语音 或文本两种方式。实验结果表明，墓于音节的语音文档检索是可行的。并且用语音查询 的性能要劣于文本查询的性能约ASH右，系统的检索的性能受语音识别的影响 究墓于音节和词混合的语音文档检索方法，以及更加紧密地融合语音识别技术和 索技术是今后诚的方向年于 关镇词:语音文档植索 语音识别信息检索语音关健词检索特征矢t 音节音节对 户 户 心 呐 碑 卜 J 价 b 勺 ABSTRACT SpokenDocumentRetrieval(SDR)isanewlydevelopedtechnology,aresultofthe combinationofinformationretrievalandspeechrecognition.Itisthetaskofautomatically indexingandthenretrievingrelevantitemsfromalargecollectionofrecordedspeech messagesinresponsetoauserspecifiedtext/speechquery.Themostdirectwayistotransfer speechdocumentsintotextdocumentswiththeapproachtocontinuousspeechrecognitionso thatconventionalinformationretrievaltechnologycouldbeappliedtothegeneratedtexts. However,thiswayreliestoomuchonspeechrecognitioninhighperformance.Thereis anotherway,whichistorertieveandindexkeywordswiththeapproachofkeyword-spotting. However,thiswayfacestwodifficulties:toknowinadvancethekeywordsusedforthe rertievalandtohaveahugerecognition