电话交谈语音识别中基于LSTM-DNN语言模型的重评估方法研究

• 作者: 左玲云 张晴晴 梁宏 颜永红 黎塔
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 长短期记忆 神经网络语言模型 语音识别 重评估
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 通信与电子
• 页码范围: 180-186,193
• 页数: 8页
• 分类号: TN911
• 字数: 5363字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2016.02.007

摘要

近年来,神经网络语言模型的研究越来越受到学术界的广泛关注.基于长短期记忆(long short-term memory,LSTM)结构的深度神经网络(LSTM-deep neural network,LSTM-DNN)语言模型成为当前的研究热点.在电话交谈语音识别系统中,语料本身具有一定的上下文相关性,而传统的语言模型对历史信息记忆能力有限,无法充分学习语料的相关性.针对这一问题,基于LSTM-DNN语言模型在充分学习电话交谈语料相关性的基础上,将其应用于语音识别系统的重评估过程,并将这一方法与基于高元语言模型、前向神经网络(feed forward neural network,FFNN)以及递归神经网络(recurrent neural network,RNN)语言模型的重评估方法进行对比.实验结果表明,LSTM-DNN语言模型在重评估方法中具有最优性能,与一遍解码结果相比,在中文测试集上字错误率平均下降4.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜永红	中国科学院声学研究所语言声学与内容理解重点实验室	94	586	14.0	20.0
2	梁宏	中国科学院声学研究所语言声学与内容理解重点实验室	6	35	4.0	5.0
3	左玲云	中国科学院声学研究所语言声学与内容理解重点实验室	1	10	1.0	1.0
4	张晴晴	中国科学院声学研究所语言声学与内容理解重点实验室	14	173	6.0	13.0
5	黎塔	中国科学院声学研究所语言声学与内容理解重点实验室	3	15	2.0	3.0