面向广播新闻的语音自动检索技术研究-计算机科学与技术专业毕业论文.docxVIP

万方数据 万方数据 Classified Index: TN912 U.D.C: 621.3 Dissertation for the Master Degree of Engineering RESEARCH ON SPEECH AUTOMATIC RETRIEVAL TECHNOLOGY FOR BROADCAST NEWS Candidate： Zhang Zhitao Supervisor： Prof. Wang Xuan Academic Degree Applied for： Master of Engineering Speciality： Computer Science Technology Affiliation： ShenZhen Graduate School Date of Defence： December, 2013 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 摘 要 语音检索是指对于用户输入的查询请求，从语音库中检索 并返回满足该 请求的语音片段。随着科技的日益进步和互联网的飞速发展，人们接触到的 多媒体信息也呈指数增长， 这其中广播新闻语音占据了很大的比重， 且易获 取，具有重要的科研价值。而利用语音检索技术可以帮助人们在海量的多媒 体数据中迅速找到自己感兴趣的内容，因此本课题 有着重要的研究意义和实 用价值。 语音检索技术其实是语音识别技术与信息检索技术的 有机结合，然而简 单的技术结合会导致检索性能严重依赖于识别系统的识别精度 。因此在识别 系统性能一定的情况下，研究者将精力集中在多候选的识别结果形式上， 常 见的多候选识别形式有 N-best、网格 Lattice 和混淆网络，其中 N-best 未包含 所有的候选结果，而 Lattice 结构含较多冗余且不利于建立索引，因而往往使 用结构更紧凑的混淆网络形式。另外，在识别基元的选择上， 以词为基元无 法避免集外词问题， 因此在汉语语音检索技术的研究中常采用基于音节的网 格结构。 本课题首先利用上下文相关技术对识别系统中的声学模型进行训练，重 点分析了模型训练过程中参数共享策略及高斯混合数的影响，并结合语言模 型建立了大词汇连续语音识别系统，接着利用向量空间模型在 One Best 识别 形式上完成了语音检索基线系统。 而对于包含多候选结果的网格形式，利用 前向后向算法计算出每个候选项的后验概率， 在此基础上进行聚类、剪枝等 操作，生成了结构更加节凑的混淆网络，并通过改进的向量空间模型建立索 引，搭建语音检索系统。此外，本文对检索系统的基元 进行对比研究，如果 以词为基元，则无法解决集外词查询问题，且系统的召回率较低；而以音节 为基元，又会降低检索系统的准确率，因此本文提出一种基于后向融合的多 基元混合检索系统。 实验表明，采用上下文相关 的声学建模技术可以很好的适应发音环境的 变化，提高了识别系统的准确率和鲁棒性；改进的向量空间模型能更好的体 现特征向量在文档中所占的比重，可以提高检索系统的检索精度；而多基元 混合检索系统的使用不仅可以从根本解决集外词问题，而且能使系统在准确 率和召回率上达到很好的平衡。 关键词：语音检索；语音识别；向量空间模型；混淆网络 I - Abstract Speech retrieval means for the users’ queries, searching from the speech database and rerurning the docunment which satisfy the query request. As technology advances and increasingly development of Internet, the multimedia information which people have accessed has grown exponentially, in which broadcast news speech occupies a large proportion, and easy to get, has important scientific value. Speech retrieval technology can help people quickly find what they need from the massive data, so the technology has tremendous significance and practical value. Speech r