基于詞片和Lattice的漢語(yǔ)語(yǔ)音檢索技術(shù)研究.pdf

1、語(yǔ)音檢索是語(yǔ)音識(shí)別研究中的一個(gè)新領(lǐng)域，其目的是在大量語(yǔ)音資源中搜索和返回與用戶給出的查詢?cè)~（Query）相關(guān)聯(lián)的語(yǔ)音段或語(yǔ)音文件。它通過(guò)事先為語(yǔ)音資源建立索引，從而實(shí)現(xiàn)了基于語(yǔ)義內(nèi)容的快速搜索。
　　本文的主要工作是研究漢語(yǔ)語(yǔ)音檢索系統(tǒng)的性能優(yōu)化策略。首先，系統(tǒng)地介紹了語(yǔ)音檢索系統(tǒng)的框架和原理。
　　其次，對(duì)語(yǔ)音檢索系統(tǒng)前端自動(dòng)語(yǔ)音識(shí)別器（Automatic Speech Recognition，簡(jiǎn)稱ASR）的語(yǔ)言模型進(jìn)行優(yōu)

2、化。為充分利用音節(jié)和音節(jié)之間相互搭配的語(yǔ)言學(xué)信息，提出漢語(yǔ)中詞片的概念。并將詞片用作語(yǔ)言模型基元，給出了簡(jiǎn)單有效的詞片選擇算法。利用音節(jié)標(biāo)注語(yǔ)料，經(jīng)過(guò)詞片選擇，就可以利用其訓(xùn)練音節(jié)/詞片語(yǔ)言模型。將音節(jié)/詞片語(yǔ)言模型與詞語(yǔ)言模型線性融合得到混合語(yǔ)言模型。音節(jié)/詞片語(yǔ)言模型和混合語(yǔ)言模型應(yīng)用到連續(xù)語(yǔ)音識(shí)別系統(tǒng)中，分別較音節(jié)語(yǔ)言模型和詞語(yǔ)言模型取得了更好的識(shí)別結(jié)果。
　　第三，給出完整的語(yǔ)音檢索在線部分處理過(guò)程，包括利用音節(jié)Latti

3、ce建立索引，Query詞的搜索，根據(jù)后驗(yàn)概率進(jìn)行詞確認(rèn)，以及交疊處理等步驟。提出將含有表示多音節(jié)基元的Lattice轉(zhuǎn)換成只含有單音基元Lattice的方法，并將其應(yīng)用到建立索引的過(guò)程中，有效地避免多音節(jié)基元影響詞表外詞（Out-of-Vocabulary，簡(jiǎn)稱OOV）的詞檢出問(wèn)題。并在提出邊分解方法的基礎(chǔ)上，對(duì)Lattice中冗余頂點(diǎn)進(jìn)行去除，在僅犧牲很小檢出性能的情況下，使Lattice規(guī)模大幅度減小，詞檢出速度提高。對(duì)利用幾種語(yǔ)