基于條件隨機(jī)域模型的中文語(yǔ)音識(shí)別研究.pdf

1、語(yǔ)音識(shí)別技術(shù)簡(jiǎn)單地說(shuō)，就是讓計(jì)算機(jī)能聽(tīng)懂人說(shuō)話，將人說(shuō)的話轉(zhuǎn)換成計(jì)算機(jī)文本的一項(xiàng)技術(shù)。這將大大提高人們的效率，有著巨大的理論意義和實(shí)用價(jià)值。語(yǔ)音識(shí)別系統(tǒng)的關(guān)鍵在于如何定義聲學(xué)模型和語(yǔ)言模型。聲學(xué)模型的目標(biāo)是提供一種有效的方法，計(jì)算語(yǔ)音的特征矢量序列和每個(gè)發(fā)音模板之間的距離。
　　雖然現(xiàn)在成熟的語(yǔ)音識(shí)別系統(tǒng)基本都是使用隱馬爾可夫模型作為聲學(xué)模型的，但是它有不可避免的缺陷，最重要的它需要假設(shè)觀察序列的獨(dú)立性。有人嘗試?yán)枚嘀伛R爾可夫，

2、增加幀間相關(guān)性等技術(shù)來(lái)避免，但是效果并不明顯。本文提出基于條件隨機(jī)域模型的中文語(yǔ)音識(shí)別。條件隨機(jī)域模型是一種基于統(tǒng)計(jì)的無(wú)向圖判別式模型。它能很好的解決分段標(biāo)注問(wèn)題，近年來(lái)被廣泛的應(yīng)用到自然語(yǔ)言處理，生物等領(lǐng)域。條件隨機(jī)域模型不需要觀察序列獨(dú)立性假設(shè)。它定義了給定觀察序列，整個(gè)標(biāo)注序列的聯(lián)合概率分布，而不是為每一個(gè)狀態(tài)都定義一個(gè)概率分布，能夠很好的模擬語(yǔ)音識(shí)別的過(guò)程。而且識(shí)別時(shí)可以消除貝葉斯決策誤差。
　　條件隨機(jī)域模型作為一種統(tǒng)計(jì)

3、和規(guī)則相結(jié)合的模型，允許特征非獨(dú)立，允許定義各種不同形式的特征，然后選擇有效的特征。在實(shí)驗(yàn)中定義了十種特征模板，每種特征模板按照特征產(chǎn)生的方式產(chǎn)生特征。在定義特征模板時(shí)考慮到特征數(shù)量的大小限制，長(zhǎng)距離依賴的窗口大小不超過(guò)2。定義邊特征時(shí)，只有相鄰的頂點(diǎn)之間有邊相連接，限制為線性條件隨機(jī)域結(jié)構(gòu)。通過(guò)不同類型特征的組合找到有效的適合語(yǔ)音識(shí)別的特征組合。條件隨機(jī)域模型的訓(xùn)練是一項(xiàng)非常耗時(shí)的工作，需要迭代上百次才能達(dá)到收斂。每次迭代時(shí)都需要計(jì)算