基于詞片網(wǎng)格的語音文檔主題分類.pdf

1、語音文檔主題分類是指根據(jù)語音文檔的屬性或內(nèi)容，將大量的文檔映射到多個(gè)預(yù)先定義好的主題中，語音分類是語音識別的一個(gè)重要研究方向，具有廣泛的應(yīng)用前景，得到人們越來越多的關(guān)注。伴隨著多媒體時(shí)代的到來，漢語言文檔分類技術(shù)的研究變得必不可少。
　　 針對這一現(xiàn)狀，本文從構(gòu)建漢語音文檔分類系統(tǒng)出發(fā)，利用HTK平臺將語音文檔識別成one-best單候選和lattice多候選兩種結(jié)構(gòu)，并結(jié)合傳統(tǒng)文本分類思想，將4個(gè)類別8700多個(gè)語音片段合并為

2、748個(gè)語音文檔的訓(xùn)練測試集，實(shí)現(xiàn)了語音文檔的主題分類。
　　 該分類系統(tǒng)以單候選one-best分類系統(tǒng)為基線系統(tǒng)，與多候選lattice分類系統(tǒng)相對比。在基線系統(tǒng)中，以傳統(tǒng)的文本分類系統(tǒng)為框架。而在多候選分類系統(tǒng)中，用混淆網(wǎng)絡(luò)對lattice進(jìn)行結(jié)構(gòu)優(yōu)化，并且在混淆網(wǎng)絡(luò)的結(jié)構(gòu)上基于詞片進(jìn)行詞匯的提取。該方法采用混淆網(wǎng)絡(luò)為分類的中間結(jié)構(gòu)，突出了多候選之間的競爭關(guān)系，避免了傳統(tǒng)方法因?qū)ふ易R別結(jié)果中的最優(yōu)路徑而帶來的誤差，以保證分