基于上下文相关置信度打分的语音确认方法-清华大学信息技术研究院.PDF

( ) ISSN 清华大学学报 自然科学版 2006 年 第 46 卷 第 1 期 2541 CN 112223N 　 ( ) , 2006, . 46, . 1 9497 J T singhua U niv Sci T ech V o l N o 　 基于上下文相关置信度打分的语音确认方法 孙　辉, 　郑　方, 　吴文虎 (清华大学 计算机科学与技术系, 智能技术与系统国家重点实验室, 北京 100084) 摘　要: 口语对话系统中, 集外词的存在会引起很多识别错 外的词, 集外词的存在引起了很多识别错误, 因此如 误, 为了有效地发现并拒绝集外词, 提高系统性能, 研究利用 何拒绝集外词就成为设计系统时必须考虑的问题。 置信度打分进行语音确认的方法, 发现并拒绝识别错误。提 很多对话系统的识别前端是基于关键词识别技 出上下文相关的置信度特征, 充分考虑当前待确认词与其前 术的。在关键词识别中, 采用补白模型来吸收集外词 序词和后序词之间的相关性。实验结果表明: 上下文相关的 是比较流行的方法[ 1 3 ] 。一般说来, 主要有 3 种补白 置信度特征能够很好地提高拒识性能, 对符合识别文法的句 模型: 一是集外补白模型, 用训练数据中除关键词 子, 错误拒绝率为 2. 5% 或 5% 时, 对比没有使用上下文相关 的置信度特征时, 错误接受率分别下降了 29% 和 36% ; 基 之外的其他部分训练补白模型, 当关键词发生变化 于置信度打分的语音确认策略在拒识性能上优于系统已有 时, 这种补白模型需要重新训练; 另一种补白模型 的在线垃圾模型。 由子词模型直接构成或拼接组合而成, 当关键词发 关键词: 信息处理; 声音识别; 置信度; 语音确认; 口语对 生变化时, 无须重新训练补白模型, 具有较好的灵活 话系统 性, 但需要的训练数据较大; 还有一种方法用在线 中图分类号: T P 391; T P 391. 42 文献标识码: A 补白模型来吸收集外词, 不建立特定的补白模型, 而 文章编号: (2006) 是在搜索过程中动态地形成一个补白, 同关键词进 行竞争, 此方法计算简单, 且有一定的抗噪性。口语 对话系统得意自动总机( ) [ 4 ] 原先正 Conf iden ce scor in g usin g con tex t depen den t