基于循环神经网络语言模型的N-bes t重打分算法

• 作者: 屈丹 张剑 李真
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 语音识别 语言模型 循环神经网络 N-best重打分 缓存语言模型
• 年，卷（期）: 2016,（2）
• 页码范围: 347-354
• 页数: 8页
• 分类号: TP391
• 字数: 6299字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2016.02.015

摘要

循环神经网络语言模型能够克服统计语言模型中存在的数据稀疏问题，同时具有更强的长距离约束能力，是一种重要的语言模型建模方法。但在语音解码时，由于该模型使词图的扩展次数过多，造成搜索空间过大而难以使用。本文提出了一种基于循环神经网络语言模型的N‐best重打分算法，利用N‐best引入循环神经网络语言模型概率得分，对识别结果进行重排序，并引入缓存模型对解码过程进行优化，得到最优的识别结果。实验结果表明，本文方法能够有效降低语音识别系统的词错误率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屈丹	解放军信息工程大学信息系统工程学院	48	205	7.0	12.0
2	张剑	解放军信息工程大学信息系统工程学院	22	52	4.0	5.0
3	李真	解放军信息工程大学信息系统工程学院	1	4	1.0	1.0