检索结果-内蒙古大学图书馆

中文信息学报 2007年第4期21卷 73-79页

作者：王晓瑞丁鹏梁家恩徐波中国科学院自动化研究所模式识别国家重点实验室北京100080

语言模型自适应的目的是减小模型与识别任务之间的语言差异。这些差异包括词典差异、风格和内容差异以及模型的概率分布差异。本文提出一种新的非迭代的中文新词提取方法和一种新的开放式词典的中文语言模型。基于这些技术,本文提出一... 详细信息

语言模型自适应的目的是减小模型与识别任务之间的语言差异。这些差异包括词典差异、风格和内容差异以及模型的概率分布差异。本文提出一种新的非迭代的中文新词提取方法和一种新的开放式词典的中文语言模型。基于这些技术,本文提出一个面向广播语音识别的语言模型自适应框架,该框架联合了以下技术:一种新的非迭代的新词提取方法,一种新的中文开放式词典语言模型,一种基于困惑度(PPL)的背景语料筛选方法和一个N-gram概率分布自适应模块。另外,本文还专门分析了在语言模型自适应过程中命名实体词的识别情况。实验表明,通过使用该框架,误识率相对下降了10%,实体词识别准确率提高了4%。

关键词：计算机应用中文信息处理语言模型自适应新词提取开放式词典

来源：评论

学校读者我要写书评

暂无评论

基于数据增强的汉语词表和语言模型自适应技术

基于数据增强的汉语词表和语言模型自适应技术

引用

作者：宁振江中国科学院声学研究所

学位级别：博士

传统的基于MAP的语言模型自适应技术虽然在解决训练语料的数据稀疏问题上取得了很大的成功,然而该方法的前提是要求有一定量的主题相关自适应语料,然而在某些语音识别应用中,即使是少量的主题相关语料都很难得到,此时MAP方法也无法给出... 详细信息

传统的基于MAP的语言模型自适应技术虽然在解决训练语料的数据稀疏问题上取得了很大的成功,然而该方法的前提是要求有一定量的主题相关自适应语料,然而在某些语音识别应用中,即使是少量的主题相关语料都很难得到,此时MAP方法也无法给出好的结果.在此背景下,本论文主要研究在主题相关自适应语料极少的情况下,利用潜在语义分析技术对该语料文本进行数据增强的方法,其优点在于可以使自适应后的语言模型有能力预测并校正在训练语料中甚至不存在的词汇的出现概率.本论文主要讨论了基于词的统计语言模型.在汉语语言中,字与字、词与词是连写的,之间没有空格分隔,词在句中也没有显式的标记,而且词语的定义比较灵活,导致无法直接将已有的词表优化、模型自适应等技术直接应用到汉语连续语音识别当中.因而本文同时也着重研究了汉语文本语料的预切分、主题领域相关的汉语词表增强和优化以及汉语连续语音识别词表的优化等问题.

关键词：自然语言理解语言模型自适应数据稀疏汉语连续语音识别数据增强

来源：评论

学校读者我要写书评

暂无评论

统计机器翻译中基于双语数据筛选的语言模型自适应方法

引用

电子技术与软件工程 2014年第20期 201-202页

作者：卢世祥雷晓江杨劲锋广东电网公司电力科学研究院广东省广州市510080

统计机器翻译中,语言模型的性能受限于训练数据的数量和质量。为提高其性能,通常采用数据筛选的方法筛选合适的训练数据。本文对基于双语数据筛选的方法进行了全面综述和分析,并对各类方法进行了比较和总结。

关键词：统计机器翻译双语数据筛选语言模型自适应

来源：评论

学校读者我要写书评

暂无评论

基于领域关键词的词典及语言模型自适应

基于领域关键词的词典及语言模型自适应

引用

全国第五届计算机语言联合学术会议

作者：黄非徐波黄泰翼科学院自经研究所模式识别实验室口语信息处理组(北京)

语音识别用统计语言模型多从报刊新闻语料训练而得，词典和统计模型极为庞大，当应用于某一特定领域时，许多无关知识不仅消耗系统资源，而且影响模型性能。该文提出利用特定领域中的少量自适应语料，在原词表中通过分离通用领域词汇和... 详细信息

语音识别用统计语言模型多从报刊新闻语料训练而得，词典和统计模型极为庞大，当应用于某一特定领域时，许多无关知识不仅消耗系统资源，而且影响模型性能。该文提出利用特定领域中的少量自适应语料，在原词表中通过分离通用领域词汇和特定领域关键词汇并自动检测词典外领域关键词汇实现词典自适应，并结合Ｃａｃｈｅ－Ｂａｓｅｄ自适应方法实现语言模型自适应。实验表明，经少量语料（３０篇计算机领域文章，１１５Ｋ文字）自适应后，词典规模由３９，９２５词缩减为１４，６７９词，统计模型由６０Ｍ缩减为３１Ｍ，通过对６篇篇计算机领域测试语料（１１５Ｋ文字）进行音字转换测试表明，在该领域中的音字转换错误率下降３７℅。

关键词：领域关键词词典 Cache 语言模型自适应

来源：评论

学校读者我要写书评

暂无评论

连续语音识别中的循环神经网络语言模型技术研究

连续语音识别中的循环神经网络语言模型技术研究

引用

作者：张剑解放军信息工程大学

学位级别：硕士

语言模型是连续语音识别系统的重要组成部分,是语言知识最主要的表示形式,对识别性能的好坏有很大的影响。其中,应用最广泛的是n-gram语言模型。近年来,深度神经网络技术逐渐兴起,并应用于语音识别的各个方面,为语音识别技术带来了新一... 详细信息

语言模型是连续语音识别系统的重要组成部分,是语言知识最主要的表示形式,对识别性能的好坏有很大的影响。其中,应用最广泛的是n-gram语言模型。近年来,深度神经网络技术逐渐兴起,并应用于语音识别的各个方面,为语音识别技术带来了新一轮的突破。神经网络语言模型是其中一个重要的研究方向。经过十余年的发展,神经网络语言模型技术取得了丰硕的成果,进入到一个比较成熟的阶段。其中,最具代表性的是循环神经网络语言模型。循环神经网络语言模型具有优越的性能,在语音识别、机器翻译、信息检索等自然语言处理任务中得到广泛的应用,受到了广泛的关注。本文主要对语音识别中的循环神经网络语言模型的解码算法、长距离依赖以及语言模型自适应等问题进行研究,主要的工作如下：针对语音识别中现有的Lattice解码算法难以融合循环神经网络语言模型的问题,提出一种基于N-best的二次解码重打分算法,引入循环神经网络语言模型概率得分,对识别的中间结果进行重打分。并针对识别时测试数据与训练数据不匹配的问题,提出结合缓存循环神经网络模型的方法对解码过程进行优化,提高语言模型在测试数据上词序列概率计算的准确性。实验结果证明,本文提出的方法可以有效提高识别系统在测试集上的性能。提出一种基于上下文词向量特征的循环神经网络语言模型改进方法。对循环神经网络模型结构加以改进,在输入层中增加特征层。在模型训练时,通过特征层加入上下文相关的词向量,获取更多的长距离信息,增强网络对长距离约束的学习能力。有效解决了消失梯度问题所造成的原有模型对长距离约束获取能力不足的问题。通过实验证明本文方法可以有效提高循环神经网络语言模型的性能,降低识别系统的词错误率。最后,针对语言模型对不同语料适应性差的问题,提出一种基于循环神经网络语言模型的自适应方法。由于模型参数的不同,原有n-gram中常用的自适应方法并不适用于神经网络语言模型,因而需要一种新的自适应方法。文中利用自适应数据对通用背景模型的参数进行调整,并提取自适应数据中的主题特征加入循环神经网络语言模型的自适应训练,增强模型对自适应语料的描述能力,提高语言模型在不同语料下的适应性。实验结果表明,本文方法能够改善系统的识别效果。

关键词：连续语音识别统计语言模型循环神经网络 N-best重打分上下文向量语言模型自适应

来源：评论

学校读者我要写书评

暂无评论

IBM GALE中文识别系统

引用

清华大学学报（自然科学版） 2009年第S1期49卷 1249-1253页

作者：张世磊施勤秦勇刘文 CHU StephenM KUO Hong-Kwang MANGU Lidia IBM中国研究院北京100193 IBM华生研究中心

为解决中文音频自动转成文字问题,IBM开发了GALE中文识别系统。该系统采用区分性声学模型训练方法和新颖的基于主题的语言模型自适应技术;为获得最优的识别性能,系统采用多遍解码的识别策略。该文还给出该系统在3个测试集上的识别结果:... 详细信息

为解决中文音频自动转成文字问题,IBM开发了GALE中文识别系统。该系统采用区分性声学模型训练方法和新颖的基于主题的语言模型自适应技术;为获得最优的识别性能,系统采用多遍解码的识别策略。该文还给出该系统在3个测试集上的识别结果:包括广播新闻和广播访谈节目,结果显示,IBM GALE中文识别系统取得了很好的识别性能;此外,该文还分析了特殊声学现象对识别结果的影响,结果显示,对识别率影响最大的3种声学现象为说话人语速过快、语音交叠和口音问题,这指示了系统下一步的改进方向。

关键词：语音识别区分型模型训练语言模型自适应多遍解码

来源：评论

学校读者我要写书评

暂无评论

脱机手写中文文本识别方法研究

脱机手写中文文本识别方法研究

引用

作者：王秋锋中国科学院研究生院

学位级别：博士

随着个人电子计算机的迅速发展和各种数字化设备的出现,越来越多的纸质文档需要被转为电子文档,以便更好的查询、编辑、传输。尽管手写汉字识别的研究已经展开了近半个世纪,也取得了巨大的成就,但是这些研究普遍集中于单字识别或书写工... 详细信息

随着个人电子计算机的迅速发展和各种数字化设备的出现,越来越多的纸质文档需要被转为电子文档,以便更好的查询、编辑、传输。尽管手写汉字识别的研究已经展开了近半个世纪,也取得了巨大的成就,但是这些研究普遍集中于单字识别或书写工整的识别。直到最近,自由书写的手写中文文本识别才逐渐受到重视,但是从现有的工作来看,其方法还很不成熟,识别性能也非常低下。鉴于此,本文对脱机手写中文文本识别进行了深入的研究,主要包括识别过程中的路径评价准则、路径搜索算法、语言模型自适应和常识知识的融入。路径评价准则和路径搜索算法是设计一个文本识别系统的关键因素;语言模型自适应和常识知识的融入都是为了进一步提高路径评价准则中语言上下文模型的准确性,从而提高文本识别系统的性能。本文的主要贡献如下:\n (1)基于贝叶斯决策(Bayesian decision)理论,给出了一种基于统计的路径评价准则。该准则融合了多种上下文信息,包括字符分类器信息、几何上下文信息、语言上下文信息,同时对分类器的输出采用置信度转换的方式近似得到后验概率;另外,为克服路径长度的影响提出了多种修正方法;最后,为了更好的平衡多种上下文模型,给出了一种字符准确率最大化学习准则,自动学习模型之间的融合权重。\n (2)为了快速准确搜索到最优切分-识别路径,本文提出了一种精简的集束搜索(refined beam search)算法。该算法将其剪枝策略分为两步,这样有效地提高了保留路径的精度;同时,在搜索的过程中,动态地利用字符分类混淆信息和语言上下文信息来补充候选字符类别,进一步提高搜索的正确性。\n (3)为了更好地提高路径评价准则中语言模型的领域适应性,本文实现了一种动态的非监督语言模型自适应方法,利用准备好的一个关于多种领域的语言模型集合,通过两遍识别策略(Two-pass recognition)来选择最佳匹配的语言模型,以此进一步提高路径评价准则的领域相关性。另外,为了克服语言模型存储空间的问题,我们提出了一种多策略的语言模型压缩方法,包括针对其本身语言模型的压缩和利用主成分分析(PCA)的方法对多个相关语言模型进行整体压缩,最后得到一个存储空间较小的语言模型集合。\n (4)为了使得计算机能和人类一样正确地识别文档,本文尝试了一种将常识知识融入到文档识别系统的方法,包括嵌入式模型、独立模型以及组合模型这三种常识知识的融入方式。嵌入式模型将常识知识嵌入到普通语言模型的概率估计之中,以此提高其概率估计的可靠性,特别是那些语料库中未出现的N元组概率;独立模型则将常识知识作为一种独立的语言上下文模型融入到识别系统中,以此来弥补普通N元语言模型的短距离上下文限制;组合模型则是将上述两种方式结合。

关键词：手写文本识别路径评价准则路径搜索算法语言模型自适应

来源：评论

学校读者我要写书评

暂无评论

交互式语音识别中基于修正文本的自适应方法研究

交互式语音识别中基于修正文本的自适应方法研究

引用

作者：贾端中国科学院大学

学位级别：硕士

随着语音识别技术的不断进步，语音识别在人们的生活和工作中越来越普及。然而由于识别错误不可避免，为了得到正确的识别结果，越来越多的研究者将语音识别与人机交互进行结合，从而提出了交互式语音识别的概念。通过为用户提供便捷的... 详细信息

随着语音识别技术的不断进步，语音识别在人们的生活和工作中越来越普及。然而由于识别错误不可避免，为了得到正确的识别结果，越来越多的研究者将语音识别与人机交互进行结合，从而提出了交互式语音识别的概念。通过为用户提供便捷的错误修正的交互手段，一方面可以保证识别结果的正确性，另一方面利用用户的修正可以使得语音识别系统不断完善。本文主要针对如何利用用户的修正信息展开研究。\n 本文从基于主题的语言模型自适应、结合重复词匹配的词网格重估两方面来对用户的修正信息加以利用，经实验验证，这两方面工作对于语音识别的效果有有效的提升。此外，本文针对影视视频的字幕转写等特定场景，结合众包的思想设计与开发了基于移动设备的交互式语音识别原型系统。\n 1、结合用户修正信息的语言模型自适应\n 本文提出了一种结合用户修正信息和基于主题的语言模型自适应方法。对于一条待识别的音频，该方法首先寻找其相邻的历史修正信息，利用相邻历史修正信息对当前识别句子进行主题推断，再用主题所对应的语言模型进行模型自适应，最后通过自适应的语言模型对当前句子进行识别。由于该方法采用了邻近的用户修正的正确文本，相当于进行了有监督的自适应;由于对每句都进行主题推断，使得推断的主题更加准确，从而自适应效果更好。该方法采用LDA(Latent Dirichlet Allocation)进行主题建模，采用基于困惑度的计算方法进行主题推断，最后通过插值的方法对语言模型进行自适应。实验表明，该方法可以使平均识别准确率提高2-6个百分点。\n 2、结合重复词匹配和词网格重估的识别结果优化\n 本文提出了结合重复词匹配和词网格重估的识别结果优化方法。该方法利用了连续音频中存在重复词的特性，以及交互式语音识别系统可获取正确的重复词文本的优势，结合基于发音相似性的重复词匹配和上下文关联的语言模型重估，自动的修正重复词的识别错误，从而对识别结果进行了优化。本文基于候选列表的相似度进行重复词匹配，根据重复词是否在词网格中分情况对词网格的优化进行了讨论。该方法可以使平均识别准确率提高1.87个百分点。\n 3、支持众包模式的交互式语音识别系统\n 本文设计并实现了支持众包模式的交互式语音识别原型系统。该系统主要针对离线语音转写识别的场景，例如网络视频或电影中的语音转写等等。系统采用服务器-客户端架构，服务器端实现离线语音识别、结果分发、修正结果接收等功能，客户端基于Android平台实现了基于候选列表和键盘输入的交互界面，保证了错误修正的便捷性和完全性。系统结合众包的模式，一方面可以灵活分配修正任务，一方面可以提高用户的操作体验。此外，系统还支持多个识别引擎的识别结果的融合，保证了正确的字的覆盖率。本课题通过合理的设计系统架构和模块，保证了系统的灵活性和可扩展性，结合适当的优化，一定程度上保证了系统的运行效率。

关键词：交互式语音识别修正信息语言模型自适应众包模式

来源：评论

学校读者我要写书评

暂无评论

概率主题模型及其主题层次化方法研究

概率主题模型及其主题层次化方法研究

引用

作者：李润欣北京大学

学位级别：硕士

在信息化社会的时代，现代人对信息获取的要求越来越高，人们迫切需要从海量数据中提取出高层信息。而主题是一种非常重要的高层信息，概率主题模型的提出，可以帮助我们有效的提取出数据中的主题信息和语义信息，具有很高的研究价值。\... 详细信息

在信息化社会的时代，现代人对信息获取的要求越来越高，人们迫切需要从海量数据中提取出高层信息。而主题是一种非常重要的高层信息，概率主题模型的提出，可以帮助我们有效的提取出数据中的主题信息和语义信息，具有很高的研究价值。\n 本文重点分析比较了包括概率潜语义分析和潜狄利克雷分析在内的几个主要的概率主题模型，并在其基础上提出了一种基于狄利克雷树和分裂合并算法的非参数化贝叶斯主题模型，同时推导了该模型的统计推断和参数估计算法。该模型做为潜狄利克雷分布模型的一种层次化扩展，能够成功的提取出主题的内部关联和层次关系，并能够做到自动确定主题数。\n 提出并实现了融合上下文信息的二元概率潜语义分析模型，尝试在主题模型中引入局部序列信息。为了验证二元概率潜语义模型相比于原始概率潜语义分析模型的优越性，我们在语言模型自适应方面进行了实验，达到了较好的性能。\n 综上所述，本文对概率主题模型进行了全面细致的考察，并提出了一系列的改进方案，使得我们的模型最终能够发掘出更多更准确的主题信息。

关键词：概率主题模型主题层次化语义信息潜狄利克雷统计推断语言模型自适应

来源：评论

学校读者我要写书评

暂无评论

一种应用于体育节目中的关键词检测与比赛分类系统

引用

微计算机应用 2009年第11期30卷 38-43页

作者：卢鲤徐燃赵庆卫颜永红中科院声学所中科信利语音实验室北京100190

提出一种应用于体育节目音频分析中的关键词检索系统框架,并利用关键词检索结果对比赛实现了体育类别的自动判断。采用一种基于距离测算和基于模型选择融合的前端音频处理模块,实现了对复杂音频流中语音的高效提取;采用基于LVCSR系统的... 详细信息

提出一种应用于体育节目音频分析中的关键词检索系统框架,并利用关键词检索结果对比赛实现了体育类别的自动判断。采用一种基于距离测算和基于模型选择融合的前端音频处理模块,实现了对复杂音频流中语音的高效提取;采用基于LVCSR系统的关键词系统框架,利用少量体育节目语音数据,对声学模型进行了自适应,构建体育类语言模型同时提出一种针对特定关键词词频分布的语言模型自适应,较大幅度提高了关键词系统的检出性能;针对不同体育比赛选择特征关键词,并利用关键词系统检索结果实现了比赛类别的自动判定,在由七种体育共15场比赛构成的测试集中,判定正确率达到100%。

关键词：系统音频分段语言模型自适应体育比赛分类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：