基于关键词识别的股票查询系统的实现.pdfVIP

基于关键词识别的股票查询系统的实现4 朱莉赵铁军 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 摘要：设计了一个基于关键词识别技术的股票查询系统。该系统采用连续隐马尔科夫模型(CHMM) 框架，对词表内的关键词和词表外的非关键词分别建模，并在训练时引入了说话人自适应谢I练方法。 识别前先对说话人进行自适应，然后采用前向．后向搜索策略，得到假想命中。在确认阶段用似然比检 验方法时候选关键词打分，拒识摔得分低的候选。实验结果表明，本系统能取得较高的识别率，基本 满足实际需要。 关键词：关键词识别股票查询系统连续隐马尔科夫模型说话人自适应训练 1引 言 近年来，语音识别技术受到人们的广泛关注，并越来越走向实用化。实用化的迫切需求需要解决在人 机交互中口语语音识别的瓶颈，比如人的自然语言中可能包含一些词表以外的词，以及不规范、不连贯等 口语现象Ⅲ，这些情况会导致识别率急剧下降。丽关键词识别技术并不要求完全正确得识别出一句话中的 每个词，它只是通过从连续语音中识别出包含重要信息的关键词。来理解用户要表达的意思，因此它可以 有效解决口语语音识别中的瓶颈问题，在实用系统中有很好的应用。 关键词识别系统可以分为基于特定人的和基于非特定人的两种。非特定人关键词识别技术虽然已经取 得了飞速发展，但是与训练充分的特定人关键词识别系统相比，其识别性能还是存在着很大差距，导致这 种情况的原因是说话人之问的差异。因此人们引入了说话人自适应技术，它在非特定人识别系统基础上， 通过采集系统使用者的少量语音数据，调整模型参数，使得系统对该使用者的识别性能获得明显提高，接 近于特定人系统识别性能。 为了使用户能用口语化的自然语言与计算机进行交互，查询股票的行情信息，我们设计并实现了一个 交互式非特定人股票查询系统。该系统以关键词识别技术为系统接口，为股票查询用户提供各个股票的行 情以及深市、沪市的大盘走势等信息服务，并在训练和识别中，均引入了自适应技术，使得系统对训练集 以外的用户同样取得了较高的识别率。 2系统模块介绍 系统主要包括以下五个模块，语音录入和处理、模型训练、说话人自适应、关键词识别、对话管理。 图1为该股票查询系统的构成框图。 首先用声卡采集到说话人的语音，然后对输入语音进行预处理和特征参数提取。训练时，用说话人自 适应训练方法为关键词和非关键词建立一组连续HMM模型。识别前，先对待识别的说话人进行自适应， ‘基金资助l国家自然科学基金资助项目。 作者简介t朱莉(1981一)，女，山东冠县人，硕士研究生，主要研究方向为语音识别、说话人自适应：赵铁军(1962一) 男，教授，博士生导师，主要研究方向为计算语言学、机器翻译、人工智能等。 322 计算机技术与应用进展·2006 得到线性变换关系，存储在机器中以各识别时使用。关键词检出和关键词确认两个子过程构成关键词识别 模块。在关键词检出阶段，用连续HMM模型结合线性变换关系，对待识别的语音特征矢量序列采用前向一 后向搜索策略进行解码，得到候选结果。在关键词确认阶段用似然比检验方法对候选关键词打分，拒识掉 分数低的候选。最后，对话管理模块根据识别出的关键词向用户提供相应的反馈信息。 识别时，由于系统一方面要实时监控是否有声音，同时还要对真正的输入语音进行识别，因此系统是 基于多线程思想实现的，主要包括两个线程：一是系统主线程，另一个线程是语音采集线程。前者用于HMM 集管理、对话管理、关键词识别等，后者负责语音的实时采集、检测等。 围1股票查询系统框图 2．1语音录入和处理 语音的录入是通过计算机声卡进行采集。软件方面采用的是WindowsMDK(Multimedia Development Kit)中的多媒体低层音频函数实现，虽然实现起来较为复杂，但具有灵活性高、实时性强的特点，能够保 证在采集语音的同时对采样数据进行实时的音频处理。 数加0阶系数以及它们的一阶、二阶差分共39维。 2．2说话人自适