集外词的语音检索方法研究-信号与信息处理专业论文.docxVIP

U U niwversityrsity ofOt Sciencience andnd Technologyechnolo of A d issertation for master’S deg ree Research on 0 ut．．of．．vocabu la Spoken Term Detection Author’S Name： ShiFu Xiong Speciality： Signal and Information Processing Supervisor： A．P．Wu Guo Finished time： May 12m，2014 中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 果。除己特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写 过的研究成果。与我一同工作的同志对本研究所做的贡献均己在论文中作了明确 的说明。 作者签名：雏彬‰ 签字日期： 圳p．，-；D 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥 有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交 论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入《中国学 位论文全文数据库》等有关数据库进行检索，可以采用影印、缩印或扫描等复制 手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。 必威体育官网网址的学位论文在解密后也遵守此规定。 曰么开 口必威体育官网网址(——年) 作者签名： 熊逆皇 导师签名： 。～ f叭 7 签字日期： 翌忡-J--3+ 签字日期： jLoI～ j．工、≯。 摘要摘要 摘要 摘要 语音检索是多媒体信息检索的重要研究方向，基于大词汇连续语音识别的检 索算法是当前语音检索中的主流算法。集外词是一些经常被用户检索但是不在识 别词典中的词，相比于集内词检索，集外词检索性能严重下降是语音检索面临的 一个主要挑战。集外词检索的主要难点有：发音不确定性，词性质的多样性，声 学模型和语言模型的高度弱模型性。 为了解决集外词问题，提高集外词检索性能，本文首先着力于建立一个高性 能的子词识别器。本文采用多种训练算法提高语音识别率，在基于混合高斯模型 -隐马尔科夫模型(GMM-HMMs)的声学建模中，采用最小音素错误(Minimum Phone Error,MPE)准则来提高模型区分性；进一步，采用深度神经网络(Deep Neural Network，DNN)声学模型替代GMM模型，并使用跨语种训练和矫正线性 单元(Rectified Linear Units，ReLUs)激活函数改善DNN声学模型性能；针对小语 种问题，提出使用自动生成问题集来减少声学模型的数量。通过以上方法，明显 提升了声学模型的建模能力。针对集外词被词识别系统错误识别的问题，使用音 素、音节、词片三种子词单元作为解码单元，降低集外词语言模型的弱模型性， 提升解码过程中集外词的音素识别率。 其次，在集外词的子词检索系统建立过程中，考虑到三种子词间的性质差异， 本文对三种子词检索系统使用不同的检索策略。对基于音素的STD系统使用基 于加权有限状态转换机(weighted finite state transducer，WFST)完全匹配检索的方 法降低虚警；对基于词片和音节的STD系统使用模糊匹配检索减少漏警。为了 处理集外词词性质的多样性，本文使用词项相关置信度归一化方法对得分进行规 整。另外，考虑到不同识别系统的输出的互补性，本文提出了基于线性逻辑回归 的多系统融合策略，进一步提高置信度的可靠性。 使用这些改进算法，本文分别在NIST STD2006英语关键词检索数据库和 NIST STD2013越南语关键词检索数据库上进行了实验，获得了明显的关键词检 索性能提升。 关键词：语音检索语音识别深度神经网络集外词系统融合置信度 摘要 Il AbstractAbstract Abstract Abstract Spoken term detection(STD)is a significant research task for multimedia information retrieval．The current mainstream STD algorithm is based on large vocabulary continuous speech recognition(LVCSR)．Out·of-vocabulary(oov)query terms are words that have a high