集外詞的語音檢索方法研究.pdf

1、語音檢索是多媒體信息檢索的重要研究方向，基于大詞匯連續(xù)語音識別的檢索算法是當前語音檢索中的主流算法。集外詞是一些經(jīng)常被用戶檢索但是不在識別詞典中的詞，相比于集內(nèi)詞檢索，集外詞檢索性能嚴重下降是語音檢索面臨的一個主要挑戰(zhàn)。集外詞檢索的主要難點有:發(fā)音不確定性，詞性質(zhì)的多樣性，聲學模型和語言模型的高度弱模型性。
　　為了解決集外詞問題，提高集外詞檢索性能，本文首先著力于建立一個高性能的子詞識別器。本文采用多種訓練算法提高語音識別率，在

2、基于混合高斯模型-隱馬爾科夫模型(GMM-HMMs)的聲學建模中，采用最小音素錯誤(MinimumPhone Error, MPE)準則來提高模型區(qū)分性;進一步，采用深度神經(jīng)網(wǎng)絡(DeepNeural Network，DNN)聲學模型替代GMM模型，并使用跨語種訓練和矯正線性單元(Rectified Linear Units，ReLUs)激活函數(shù)改善DNN聲學模型性能;針對小語種問題，提出使用自動生成問題集來減少聲學模型的數(shù)量。通過以上

3、方法，明顯提升了聲學模型的建模能力。針對集外詞被詞識別系統(tǒng)錯誤識別的問題，使用音素、音節(jié)、詞片三種子詞單元作為解碼單元，降低集外詞語言模型的弱模型性，提升解碼過程中集外詞的音素識別率。
　　其次，在集外詞的子詞檢索系統(tǒng)建立過程中，考慮到三種子詞間的性質(zhì)差異，本文對三種子詞檢索系統(tǒng)使用不同的檢索策略。對基于音素的STD系統(tǒng)使用基于加權(quán)有限狀態(tài)轉(zhuǎn)換機(weighted finite state transducer，WFST)完全匹配

4、檢索的方法降低虛警;對基于詞片和音節(jié)的STD系統(tǒng)使用模糊匹配檢索減少漏警。為了處理集外詞詞性質(zhì)的多樣性，本文使用詞項相關(guān)置信度歸一化方法對得分進行規(guī)整。另外，考慮到不同識別系統(tǒng)的輸出的互補性，本文提出了基于線性邏輯回歸的多系統(tǒng)融合策略，進一步提高置信度的可靠性。
　　使用這些改進算法，本文分別在NIST STD2006英語關(guān)鍵詞檢索數(shù)據(jù)庫和NIST STD2013越南語關(guān)鍵詞檢索數(shù)據(jù)庫上進行了實驗，獲得了明顯的關(guān)鍵詞檢索性能提升。