低空间复杂度的加权有限状态转换器合成算法

• 作者: 吕萍 吴及 李伟
• 来源期刊: 计算机应用研究
• 关键词: 加权有限状态转换器 合成 有向图 空间复杂度 语音识别
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2931-2934
• 分类号: TP301.1|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.08.036

摘要

利用加权有限状态转换器相关的合成操作,可以将语音识别需要的模型进行组合,便于识别中各种知识的综合利用,从而提升识别性能.传统合成算法在计算的同时存储了无效状态与状态转移.在进行词典与语言模型等合成操作时,算法需要1 GB甚至更多内存保存无效信息,这直接导致了算法的高空间复杂度.为解决这一问题,提出同步裁剪合成算法(synchronized pruning composition algorithm,SPCA).新算法对传统合成算法进行了改进,在合成的同时对无效信息进行及时的分析和去除.实验表明,与经典的合成算法相比,SPCA平均节约内存14.99％,所用最大内存节约25.72％,有效降低了合成的空间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟	清华大学电子工程系	88	760	15.0	23.0
2	吕萍	清华大学电子工程系	24	320	9.0	17.0
3	吴及	清华大学电子工程系	26	130	7.0	10.0