[發明專利]目標任務分布估計和聲學模型自適應方法及系統

有效

• 申請號: 201410007278.1
• 申請日: 2014-01-07
• 公開（公告）號: CN104766611A
• 公開（公告）日: 2015-07-08
• 發明（設計）人: 賀志陽;呂萍;吳及;胡國平;胡郁
• 申請（專利權）人: 安徽科大訊飛信息科技股份有限公司
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/065
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 王立民;吉海蓮

1.一種目標任務分布估計方法，其特征在于，包括：

獲取所述目標任務相應于候選語音識別結果數據集的分布，作為所述目標任務的覆蓋度分布；

獲取所述候選語音識別結果數據集中首選語音識別結果的置信度小于等于第一置信度門限值的語音識別結果，構成第一低置信度數據集；

獲取所述目標任務相應于所述第一低置信度數據集的分布，作為所述目標任務的混淆度分布；

對所述目標任務的覆蓋度分布和混淆度分布進行融合，獲得所述目標任務分布。

2.根據權利要求1所述的目標任務分布估計方法，其特征在于，所述獲取所述目標任務相應于候選語音識別結果數據集的分布包括：

將所述目標任務分解為各語音單元；

計算所述語音單元在所述候選語音識別結果數據集的各語音識別結果中的出現頻率，作為所述語音單元的第一出現頻率；

獲取所述目標任務中所有語音單元的所述第一出現頻率，作為所述目標任務相應于候選語音識別結果數據集的分布。

3.根據權利要求2所述的目標任務分布估計方法，其特征在于，所述獲取所述目標任務相應于所述第一低置信度數據集的分布包括；

計算所述語音單元在所述第一低置信度數據集的各語音識別結果中的出現頻率，作為所述語音單元的第二出現頻率；

獲取所述目標任務中所有語音單元的所述第二出現頻率，作為所述目標任務相應于所述第一低置信度數據集的分布。

4.根據權利要求3所述的目標任務分布估計方法，其特征在于，所述對所述目標任務的覆蓋度分布和混淆度分布進行融合，獲得所述目標任務分布包括：

對所述語音單元的第一出現頻率和第二出現頻率進行線性加權，獲得所述語音單元的融合出現頻率；

獲取所述目標任務中所有語音單元的融合出現頻率作為所述目標任務分布。

5.一種聲學模型自適應方法，其特征在于，包括：

根據權利要求1至4中任一項所述的目標任務分布估計方法獲取目標任務分布；

從候選語音識別結果數據中挑選自適應數據，使自適應數據的分布與所述目標任務分布最接近；

利用所述自適應數據對當前聲學模型進行模型參數的自適應調整，獲取優化的聲學模型。

6.根據權利要求5所述的聲學模型自適應方法，其特征在于，所述從候選語音識別結果數據中挑選自適應數據包括：

獲取所述候選語音識別結果數據集中首選語音識別結果的置信度小于等于第二置信度門限值的語音識別結果，構成第二低置信度數據集；

從所述第二低置信度數據集中挑選低置信度數據，使低置信度數據的分布與所述目標任務分布最接近；

對所述低置信度數據進行人工標注，使進行人工標注的低置信度數據成為一部分自適應數據；

從首選語音識別結果數據集中補充挑選另一部分自適應數據，使所述自適應數據的分布與所述目標任務分布最接近。

7.根據權利要求6所述的聲學模型自適應方法，其特征在于，從所述第二低置信度數據集中挑選低置信度數據，使低置信度數據的分布與所述目標任務分布最接近包括：

將所述低置信度數據作為所述目標任務獲取所述低置信度數據的分布。

8.根據權利要求7所述的聲學模型自適應方法，其特征在于，從所述第二低置信度數據集中挑選低置信度數據，使低置信度數據的分布與所述目標任務分布最接近還包括：

基于KL距離通過貪心算法挑選所述低置信度數據，其中初始的已挑選數據集為空集，備選數據集為第二低置信度數據集。

9.根據權利要求6所述的聲學模型自適應方法，其特征在于，從首選語音識別結果數據集中補充挑選另一部分自適應數據，使所述自適應數據的分布與所述目標任務分布最接近包括：

獲取所述自適應數據相應于所述首選語音識別結果數據集的分布作為所述自適應數據的分布。

10.根據權利要求9所述的聲學模型自適應方法，其特征在于，從首選語音識別結果數據集中補充挑選另一部分自適應數據，使所述自適應數據的分布與所述目標任務分布最接近還包括：

基于KL距離通過貪心算法挑選所述另一部分自適應數據，其中，初始的已挑選數據集由所述進行人工標注的低置信度數據構成，備選數據集為所述首選語音識別結果數據集。