深度神经网络技术在汉语语音识别声学建模中的优化策略

• 作者: 宋黎明 张晴晴 潘接林 肖业鸣 颜永红
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 深层神经网络 语音识别 隐马尔科夫模型 概率平滑
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 373-379
• 页数: 7页
• 分类号: TP18|TP391
• 字数: 7456字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2014.03.017

摘要

将深度神经网络作为声学模型引入面向汉语电话自然口语交谈语音识别系统.针对自然口语中识别字错误率较高的问题,从语音的声学特征类型选择、模型训练时元参数调节以及改善模型泛化能力等方面出发,对基于深度神经网络的声学模型建模技术进行了一系列的优化.针对训练样本中状态先验概率分布稀疏的情况,提出了一种状态先验概率平滑算法,在一定程度上缓解了这种数据稀疏问题,经平滑后,字错误率下降超过1％.在所采用的3个电话自然口语交谈测试集上,相对于优化前的深度神经网络模型,经过优化后的模型取得了性能的一致提升,字错误率平均相对降低15％.实验结果表明,所采用优化策略可以有效地改善深度神经网络声学模型性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋黎明	中国科学院语言声学与内容理解重点实验室	29	63	4.0	7.0
2	颜永红	中国科学院语言声学与内容理解重点实验室	94	586	14.0	20.0
3	潘接林	中国科学院语言声学与内容理解重点实验室	23	215	7.0	14.0
4	张晴晴	中国科学院语言声学与内容理解重点实验室	14	173	6.0	13.0
5	肖业鸣	中国科学院语言声学与内容理解重点实验室	2	19	2.0	2.0