面向新聞?wù)Z料的漢語(yǔ)語(yǔ)音關(guān)鍵詞檢測(cè)技術(shù)研究.pdf

1、語(yǔ)音關(guān)鍵詞檢測(cè)(SpokenTermDetection,STD)是指用戶提供文本形式的查詢請(qǐng)求,系統(tǒng)從語(yǔ)音資源庫(kù)中返回與用戶查詢相關(guān)的語(yǔ)音片段。它是語(yǔ)音識(shí)別的一個(gè)重要領(lǐng)域,有著廣闊的應(yīng)用前景。語(yǔ)音關(guān)鍵詞檢測(cè)系統(tǒng)一般分離線建立索引和在線檢測(cè)結(jié)果兩個(gè)階段,質(zhì)量好的索引往往能提高系統(tǒng)檢測(cè)的準(zhǔn)確性。
　　在實(shí)際的系統(tǒng)中,通?；谡Z(yǔ)音識(shí)別的結(jié)果為語(yǔ)音資源庫(kù)建立索引。由于Lattice有著結(jié)構(gòu)合理、信息含量豐富的優(yōu)點(diǎn),目前大多數(shù)語(yǔ)音關(guān)鍵詞檢測(cè)

2、系統(tǒng)都是基于Lattice建立索引的。Lattice本身包含了聲學(xué)似然比和語(yǔ)言模型概率,因此可以很方便的獲得Lattice中局部路徑的后驗(yàn)概率,將其作為局部路徑的置信測(cè)度是建立索引的一種簡(jiǎn)單有效的方法。但是傳統(tǒng)的N元文法模型(如二元文法,即bigram模型)沒有考慮當(dāng)前觀測(cè)詞和與其相隔一定距離的詞間的相關(guān)性信息,因而存在一定的信息丟失。本文利用長(zhǎng)距離的bigram模型,能夠從不同的層次表達(dá)單詞之間的語(yǔ)法和語(yǔ)義信息,基于Lattice圖形

3、結(jié)構(gòu)和長(zhǎng)距離的bigram模型而不是傳統(tǒng)N元文法模型建立索引,將會(huì)改善索引的質(zhì)量和系統(tǒng)的檢測(cè)性能。本文考察了基于不同距離bigram模型的語(yǔ)音關(guān)鍵詞檢測(cè)系統(tǒng)的性能,結(jié)果表明,整合多種距離長(zhǎng)距離bigram模型語(yǔ)音關(guān)鍵詞檢測(cè)系統(tǒng)的檢測(cè)結(jié)果,能夠獲得比基于傳統(tǒng)N-gram模型的語(yǔ)音關(guān)鍵詞檢測(cè)系統(tǒng)更高的識(shí)別召回率。
　　在面向新聞數(shù)據(jù)庫(kù)的語(yǔ)音關(guān)鍵詞檢測(cè)系統(tǒng)中,新聞?wù)Z音數(shù)據(jù)是構(gòu)建語(yǔ)音識(shí)別器的理想語(yǔ)料。在語(yǔ)音關(guān)鍵詞檢測(cè)系統(tǒng)的前端,需要構(gòu)建語(yǔ)

4、音識(shí)別器將語(yǔ)音資源轉(zhuǎn)化為文本表示。但是目前的商業(yè)新聞?wù)Z料普遍存在標(biāo)注不夠精細(xì)的問題,標(biāo)注是段落級(jí)而非語(yǔ)句級(jí),因此不能直接用來完成語(yǔ)音識(shí)別的相關(guān)任務(wù)。本文提出了一種基于語(yǔ)音識(shí)別技術(shù)的自動(dòng)切分新聞?wù)Z料的方法。該方法構(gòu)建線性的識(shí)別網(wǎng)絡(luò),并在句間添加可選的靜音模型對(duì)不夠精細(xì)的語(yǔ)音段進(jìn)行解碼,之后根據(jù)語(yǔ)音幀在靜音模型上是否駐留以及駐留時(shí)間的長(zhǎng)短來判斷是否需要對(duì)段落級(jí)的語(yǔ)音進(jìn)行切分。實(shí)驗(yàn)表明,本方法在語(yǔ)料時(shí)長(zhǎng)低于11分鐘的情況下具有較好的性能。因此