鉴别式语言模型於语音辨識结果重新排序之研究.PDF

鑑別式語言模型於語音辨識結果重新排序之研究 Exploiting Discriminative Language Models for Reranking Speech Recognition Hypotheses 劉家妏 Chia-Wen Liu 國立臺灣師範大學資訊工程學系 Department of Computer Science and Information Engineering National Taiwan Normal University 697470171@.tw 林士翔 Shih-Hsiang Lin 國立臺灣師範大學資訊工程學系 Department of Computer Science and Information Engineering National Taiwan Normal University 896470017@.tw 陳柏琳 Berlin Chen 國立臺灣師範大學資訊工程學系 Department of Computer Science and Information Engineering National Taiwan Normal University berlin@.tw 摘要 任何語言都有許多潛在的規律性，若能擷取與分析這些特性，電腦就能進一步被 用來理解人類語句或自動產生能表達某種語意的語句。統計式語言模型 (Statistical Language Models)透過機率模型的建立來描述語言生成的規律性，其模 型參數可由大量的文字語料庫所訓練而成。語音辨識常使用 N 連(N-gram)語言模 型，它以估測每一個詞在其先前緊鄰 N-1 個詞已知的情況下出現的條件機率，來 判斷語音辨識結果的可能性；但因其訓練並不是以降低語音錯誤率為目標，導致 在語音辨識效能表現上有所侷限。有別於傳統 N 連語言模型，近年來有許多直 接以最小化語音辨識錯誤率為目標的鑑別式語言模型(Discriminative Language Model)被提出。本論文介紹了多種基於不同訓練精神的鑑別式語言模型，並比較 與討論它們在中文大詞彙連續語音辨識上的表現。另外，我們提出語句相關之鑑 別式語言模型，改進了傳統鑑別式語言模型在測試過程中所有測試語句皆使用相 同語言模型特徵權重參數向量的缺點，讓不同測試語句擁有各自的組合係數來線 性結合不同訓練語料所訓練而得的語言模型特徵權重參數向量，以期新的權重參 數向量能更加符合測試語句的特性。實驗結果顯示本論文所提出的語句相關之鑑 別式語言模型，相較於僅使用三連語言模型、或使用傳統鑑別式語言模型的基礎 大詞彙連續語音辨識系統，能有相當程度的語音辨識率提升。 關鍵詞：語音辨識、語言模型、鑑別式語言模型、重新排序。 一、緒論 語言是人類最自然且直接的溝通方式，而如何讓電腦達到如人類般具備「聽、說、 讀、寫」能力就是語音處理領域長期以來努力的目標。為了讓電腦擁有此能力， 首先要做到的便是如何讓它能夠「聽」懂使用者的語音輸入；而將語音訊號轉換 成文字的過程，須透過自動語音辨識(Automatic Speech Recognition, ASR)來達成。 為此，我們首先須將聲音數位訊號經由特徵擷取(Feature Extraction)而產生出能代 表語音的聲學特性(Acoustic Characteristics)且易於電腦處理的聲學特徵向量；接 著，將聲學特徵向量透過機率模型建立起其對應的聲學模型(Acoustic Model) ，串 連起聲音與文字間的對應關係；最後，再由使用大量文