基于深度神经网络的噪声环境下对话行为分类模型

• 作者: 申屠相镕 秦会斌
• 来源期刊: 测控技术
• 关键词: 语音识别 语言行为 深度神经网络 谱减法
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 46-50,55
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.03.009

摘要

对话行为可以在一定程度上表达说话人的意图,对话行为分类是机器翻译、人机交互设计等领域的基本要求,对于语音识别领域具有重要的意义.针对噪音环境下的对话行为分类提出了一种新的模型,通过快速噪声估计谱减法进行语音增强,采用长短期记忆网络对经过卷积神经网络语言嵌入后的词向量进行学习,从而得到具有抗噪性的对话行为分类模型.使用中文日常用语语料库的样本进行了多组对比试验,以测试新模型的抗噪声能力和对话行为分类的准确性.结果表明在0 dB的噪声环境下,模型的对话行为分类准确度达到95.5％,当噪声增加到5 dB时仍能保持94.1％,为噪音环境下的对话分类提供了一种新的模型.