宇层面汉语语言统计模型.pdfVIP

第 20卷 第 1期 电 子 器 件 VoI．2O，No．1 1997年 3月 JournalofEiectron Device~ March．1997 宇层面的汉语语言统计模型 一 y … 尧 啪∞ 要 利用汉语 言的统计规律对汉语连续语音识剐系统的声学到语音学的结果进行纠错 率及转换率． 关键词：语直墟盐搓堑 B·IGRAM，TPdGRAM 中图法分类号 ·TNg12．3d 一 、 引 言 汉语语言识别是一个涉及到多方面信息提取与整合的过程．在这一过程中．汉语语言学 知识的运用具有 很重 要的作用 。首先 ，可 以利用语言学的知识对声学 匹配结果进行 纠错 ；其 次 ．由于汉语发音 同汉字 闻是一对多的关系 ，也必须利用语 言学 的知识才能完成音字转换 。 对予语言学知识 的运 用是通过语言模型来实现的。 本文介绍 的是一个采用统计方法实现 的汉语语言模型 ．我们通过对 93年垒年 的 《人 民 日报》进行统计 ．得 到汉字层面的TRIGRAM及 BIGRAM统计信息，井 以此为基础建立起汉 语语言模型 ．该模型对于标准 的汉语短语或句子 ，具有很高的转换率 ． 目前 ，声学匹配阶段 送出的结果为不舍调 的八个选项 ，只要八选结果能够覆盖正确的音节 ，语盲模型通常能转换 出正确的结果 。 二、原 理 目前建立语言模型的方法有两种 ，一种是基于规则的方法 ，另一种是基于语料统计 的方 法 。率模型是采用语 科统计的方法实现 的． 设 W=W … 为待识别的音节串 ．A=Az…山 为 的声学体现 ．语音识别就是要寻找 ^ ，使 ^ P(A， )一 ∞z ， ) (1) ■ 其 中 P(，w)一P(W)P(AI)葛P(Wl…WN)P(^…^rlW】… ) (2) 由于在 目前的声学匹配阶段 ，投有用到音节闻的关联信息 ．即认为音节间是无关 的 344 电 子 器 件 第 20卷 P(A1．．A·Ⅳ …W)一ⅡP(MW)‘ (3) ●_ E 其中P( 1wi)由声学信息匹配阶段给 出。 估计 P()是语言模銎的任务 。目前的语言模型采用 的是音节屡面 的 珊 Ⅻ 统计模 型 P()= P( 1．·．Wx)宣P(WI)P(WzII)P( 1w2w~)…P(WwI j 2) (4) 在形式上令 g(W1)宰P(1IW。Ⅳ一1) (5) P(W21w1)= P(W211 ) (6) 刘 P()一ⅡP(矾I一l矾一2) () ● l P(A．Ⅳ)=P()P({)；ⅡP(W。I—l一2)P(^Ii)