基于音節(jié)片Lattice的語音檢索關(guān)鍵問題研究.pdf

1、隨著互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展，多媒體信息資源越來越多，對多媒體信息進行檢索和分類也越來越重要。廣播、會議、互聯(lián)網(wǎng)上的語音數(shù)據(jù)越來越多，如何在海量的語音庫當中搜索出我們需要的信息，成為亟待解決的問題。
　　 所謂語音文檔檢索是指，根據(jù)用戶輸入的查詢請求，在語音資源中搜索和返回與查詢請求中關(guān)鍵詞相關(guān)聯(lián)的語音段或語音文件的處理過程。語音文檔檢索一般包含兩個階段：離線索引階段和在線檢索階段。離線索引階段主要包括語音識別和索引構(gòu)建兩大模

2、塊。在線檢索的性能和這兩個模塊息息相關(guān)。
　　 語音識別結(jié)果有三種形式，One-best、N-best和Lattice形式。Lattice是一種有向無環(huán)圖形式，包含的候選結(jié)果多，可以補償語音識別錯誤帶來的影響，有效地提高系統(tǒng)的檢索性能。因此目前研究人員多采用Lattice作為語音識別的結(jié)果，基于Lattice的語音檢索也成為主流。在漢語語音識別中，和漢字、詞和短語句子相比，音節(jié)因為其數(shù)量有限，表達內(nèi)容豐富而成為基元，更重要的是音

3、節(jié)可以有效地解決詞表外詞(OOV)的問題。
　　 在基于音節(jié)Lattice的語音文檔檢索中，Lattice冗余信息多，結(jié)構(gòu)復雜，不便于處理，本文研究了在Lattice基礎上生成混淆網(wǎng)絡的方法?；煜W(wǎng)絡是一種更為簡潔高效的網(wǎng)絡，接近線性結(jié)構(gòu)，包含的信息豐富并且易于后續(xù)處理。和Lattice相比，基于混淆網(wǎng)絡構(gòu)建的索引占用空間更小，更適合后續(xù)檢索。同時為了提高檢索的精度，本文基于文本分析的結(jié)果，篩選出詞頻較高的一些音節(jié)組合作為詞片，

4、生成音節(jié)和音節(jié)詞片的語言模型，再生成字詞混合的Lattice，將其轉(zhuǎn)化為混淆網(wǎng)絡，實驗證明這種方法有效的提高了識別率。
　　 傳統(tǒng)的向量空間模型(VSM)應用于多候選結(jié)果的語音文檔檢索時存在不合理性，本文針對傳統(tǒng)的VSM模型進行了改進，改變了權(quán)重計算方法，使之更適合基于多候選的混淆網(wǎng)絡檢索。實驗表明，詞片的引入大大提高了Lattice和混淆網(wǎng)絡的識別率，同時混淆網(wǎng)絡的索引形式相比Lattice更為簡潔高效、易于處理。同基線系統(tǒng)的