一种改进的GOP算法在区分性训练的应用

• 作者: 热米拉·艾山江 黄浩
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: GOP算法 改进的GOP算法 最大化F1值 区分性训练
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 508-511
• 页数: 4页
• 分类号: TN912.32
• 字数: 3419字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2014.05.010

摘要

自动发音错误检错中基于最大化F1值的区分性训练方法是最近提出来的一种声学模型训练方法，该方法能够有效增大发音检错系统中的训练和测试数据检错的F1值。对发音质量评估方法上进行研究，提出一种改进的GOP算法来替代传统的GOP算法，改进GOP算法把传统地GOP算法的先求后验概率再求时间归一化改变成先求时间归一化再求后验概率。根据改进GOP算法给出了使用改进GOP算法最大F1准则的参数更新公式，发音检错实验结果表明基于改进的GOP算法的最大F1值准则训练较使用传统的GOP算法具有过训练抑制性好，在训练机上较低的目标函数值上能达到较高的测试集上的F1值等较好的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄浩	新疆大学信息科学与工程学院	34	106	5.0	9.0
2	热米拉·艾山江	新疆大学信息科学与工程学院	1	0	0.0	0.0