面向廣播新聞的語音自動檢索技術(shù)研究.pdf

1、語音檢索是指對于用戶輸入的查詢請求，從語音庫中檢索并返回滿足該請求的語音片段。隨著科技的日益進(jìn)步和互聯(lián)網(wǎng)的飛速發(fā)展，人們接觸到的多媒體信息也呈指數(shù)增長，這其中廣播新聞?wù)Z音占據(jù)了很大的比重，且易獲取，具有重要的科研價(jià)值。而利用語音檢索技術(shù)可以幫助人們在海量的多媒體數(shù)據(jù)中迅速找到自己感興趣的內(nèi)容，因此本課題有著重要的研究意義和實(shí)用價(jià)值。
　　語音檢索技術(shù)其實(shí)是語音識別技術(shù)與信息檢索技術(shù)的有機(jī)結(jié)合，然而簡單的技術(shù)結(jié)合會導(dǎo)致檢索性能嚴(yán)重依

2、賴于識別系統(tǒng)的識別精度。因此在識別系統(tǒng)性能一定的情況下，研究者將精力集中在多候選的識別結(jié)果形式上，常見的多候選識別形式有N-best、網(wǎng)格 Lattice和混淆網(wǎng)絡(luò)，其中N-best未包含所有的候選結(jié)果，而 Lattice結(jié)構(gòu)含較多冗余且不利于建立索引，因而往往使用結(jié)構(gòu)更緊湊的混淆網(wǎng)絡(luò)形式。另外，在識別基元的選擇上，以詞為基元無法避免集外詞問題，因此在漢語語音檢索技術(shù)的研究中常采用基于音節(jié)的網(wǎng)格結(jié)構(gòu)。
　　本課題首先利用上下文相關(guān)

3、技術(shù)對識別系統(tǒng)中的聲學(xué)模型進(jìn)行訓(xùn)練，重點(diǎn)分析了模型訓(xùn)練過程中參數(shù)共享策略及高斯混合數(shù)的影響，并結(jié)合語言模型建立了大詞匯連續(xù)語音識別系統(tǒng)，接著利用向量空間模型在 One Best識別形式上完成了語音檢索基線系統(tǒng)。而對于包含多候選結(jié)果的網(wǎng)格形式，利用前向后向算法計(jì)算出每個候選項(xiàng)的后驗(yàn)概率，在此基礎(chǔ)上進(jìn)行聚類、剪枝等操作，生成了結(jié)構(gòu)更加節(jié)湊的混淆網(wǎng)絡(luò)，并通過改進(jìn)的向量空間模型建立索引，搭建語音檢索系統(tǒng)。此外，本文對檢索系統(tǒng)的基元進(jìn)行對比研究，

4、如果以詞為基元，則無法解決集外詞查詢問題，且系統(tǒng)的召回率較低；而以音節(jié)為基元，又會降低檢索系統(tǒng)的準(zhǔn)確率，因此本文提出一種基于后向融合的多基元混合檢索系統(tǒng)。
　　實(shí)驗(yàn)表明，采用上下文相關(guān)的聲學(xué)建模技術(shù)可以很好的適應(yīng)發(fā)音環(huán)境的變化，提高了識別系統(tǒng)的準(zhǔn)確率和魯棒性；改進(jìn)的向量空間模型能更好的體現(xiàn)特征向量在文檔中所占的比重，可以提高檢索系統(tǒng)的檢索精度；而多基元混合檢索系統(tǒng)的使用不僅可以從根本解決集外詞問題，而且能使系統(tǒng)在準(zhǔn)確率和召回率上達(dá)