后验概率图与补白模型二次融合的关键词识别

• 作者: 张翠芳 陈太波
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 识别 隐马尔可夫模型(HMM) 补白模型 Softmax分类器 后验概率图 最大后验概率(MAP)
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机控制技术
• 页码范围: 1170-1176
• 页数: 7页
• 分类号: TP391.4
• 字数: 3869字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.06.014

摘要

使用全连接神经网络结合Softmax分类器对汉语的408个音节建立音节分类器,利用等长处理后的特征向量训练Softnax分类器,将Softmax分类器输出概率作为后验概率图,与隐马尔科夫补白模型(HMM/Filler)进行第一次融合,得到子后验概率图隐马尔科夫模型(Posteriorgram-HMM).针对关键词训练样本较少的问题,将标注样本进行强制切分,得到HMM每个状态上的训练数据.将隐马尔科夫最大后验概率基线模型(HMM-MAP)与Posteriorgram-HMM进行第二次融合,提出最大后验概率图隐马尔科夫模型(Posteriorgram-HMM-MAP).在数据集上训练模型后,使用测试数据对其进行测试.结果表明:Posteriorgram-HMM-MAP的综合识别率相比Posteriorgram-HMM提升了3.55％,相比HMM/Filler提升了10.29％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张翠芳	西南交通大学信息科学与技术学院	73	463	12.0	17.0
2	陈太波	西南交通大学信息科学与技术学院	2	0	0.0	0.0