基于混合式注意力机制语音识别研究.PDFVIP

———————————————————————————————————————————————— 基于混合式注意力机制的语音识别研究 作者 李业良，张二华，唐振民 机构 南京理工大学 计算机科学与工程学院 DOI 10.19734/j.issn.1001-3695.2018.06.0492 基金项目 军委装备发展部“十三五”装备预研基金资助项目 预排期卷 《计算机应用研究》2020 年第37 卷第1 期 摘要 为了解决语音识别中基于卷积位置信息的混合式注意力机制无法提取长期有效位置信息的 问题，提出了一种捕捉长期有效位置信息的新型混合式注意力机制。首先，对当前时刻生成 的注意力得分作卷积来提取多通道特征图，并通过全局平均池化来得到恒定维度的特征向 量；接着，引入长短期记忆网络(long short-term memory ，LSTM)单元作为外部记忆模块， 并以生成的特征向量作为输入，生成下一时刻的位置信息向量；最后，结合经典的LAS(listen， attend and spell)模型来验证提出方案的有效性。实验