基于深度信念网络的语音服务文本分类

• 作者: 周世超 张沪寅 杨冰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征 分类 语音 深度信念网络模型(DBN) 受限玻尔兹曼机(RBM)
• 年，卷（期）: 2016,（21）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 157-161
• 页数: 5页
• 分类号: TP391.1
• 字数: 3579字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1601-0298

摘要

在线人工语音服务已经在各种商业活动中展开，为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本，再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络、支持向量机等模型，这些模型比较依赖于语音文本预处理后的特征表示，并且容易出现维数灾难、局部最优、训练时间长问题。而深度信念网络模型（DBN）可以从文本预处理后的特征表示中学习到更具有本质含义的特征表示，便于分类器分类，且避免以上模型的不足。在人工服务语音文本化后，通过深度信念网络模型转换特征表示再进行分类，最终的分类效果比上述分类模型直接利用文本的特征表示进行分类效果略微提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张沪寅	武汉大学计算机学院	61	517	12.0	20.0
2	杨冰	武汉大学计算机学院	9	20	3.0	4.0
3	周世超	武汉大学计算机学院	1	9	1.0	1.0