-
题名基于循环神经网络语言模型的N-best重打分算法
被引量：3
- 1
-
-
作者
张剑
屈丹
李真
-
机构
解放军信息工程大学信息系统工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2016年第2期347-354,共8页
-
基金
国家自然科学基金(61175017)资助项目
国家高技术研究发展计划("八六三"计划)(2012AA011603)资助项目
全军军事学研究生课题(2010JY0258-144)资助项目
-
文摘
循环神经网络语言模型能够克服统计语言模型中存在的数据稀疏问题,同时具有更强的长距离约束能力,是一种重要的语言模型建模方法。但在语音解码时,由于该模型使词图的扩展次数过多,造成搜索空间过大而难以使用。本文提出了一种基于循环神经网络语言模型的N-best重打分算法,利用N-best引入循环神经网络语言模型概率得分,对识别结果进行重排序,并引入缓存模型对解码过程进行优化,得到最优的识别结果。实验结果表明,本文方法能够有效降低语音识别系统的词错误率。
-
关键词
语音识别
语言模型
循环神经网络
N-best重打分
缓存语言模型
-
Keywords
speech recognition
language model
recurrent neural network
N-best rescoring
cache lan-guage model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名汉语音节混淆网络的生成与重打分算法研究
- 2
-
-
作者
尹明明
李弼程
屈丹
牛铜
-
机构
解放军信息工程大学信息工程学院信号分析系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第6期1385-1388,共4页
-
基金
国家"八六三"高技术研究发展计划重点基金项目(2006AA01z146)资助
国家自然科学基金项目(60872142)资助
-
文摘
针对目前混淆网络生成算法速度与精度不能兼顾的不足,提出一种新的汉语音节混淆网络生成的方法.本算法采用类似轴对齐算法,对音节网格每次提取一条局部路径与参考路径对齐,根据每次对齐路径与参考路径长度不同,采用不同的策略生成混淆网络,并在生成混淆网络之后对其应用一种新的解码框架进行重打分.实验表明,该算法生成的混淆网络精度较高,时间复杂度优于轴对齐算法,且重打分后的识别率有显著提高.
-
关键词
混淆网络
音节网格
语音识别
最小词错误解码
重打分
-
Keywords
confusion network
syllable lattice
speech recognition
minimum WER decoding
Re-scoring
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
