[發(fā)明專利]一種語音識(shí)別應(yīng)用系統(tǒng)的解決敏感詞未知性的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410386511.1
• 申請(qǐng)日: 2014-08-07
• 公開（公告）號(hào): CN104166850A
• 公開（公告）日: 2014-11-26
• 發(fā)明（設(shè)計(jì)）人: 徐彬宸
• 申請(qǐng)（專利權(quán)）人: 和匯投資集團(tuán)股份有限公司;徐彬宸
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20
• 代理公司: 上海三方專利事務(wù)所 31127
• 代理人: 吳干權(quán);李美立

1.一種語音識(shí)別應(yīng)用系統(tǒng)的解決敏感詞未知性的方法,其特征在于應(yīng)用程序給操作系統(tǒng)設(shè)置敏感詞表，語音識(shí)別模塊將敏感詞表引入識(shí)別算法，降低了每幀語音識(shí)別所需要的時(shí)間資源和空間資源，敏感詞表是以音素方式表達(dá)的敏感詞全體集合的一個(gè)子集，有了這個(gè)子集，就可以降低語音識(shí)別算法所需的時(shí)間資源和空間資源。

2.如權(quán)利要求1所述的一種語音識(shí)別應(yīng)用系統(tǒng)的解決敏感詞未知性的方法，其特征在于具體算法處理如下，將敏感詞表引入隱馬爾科夫聲學(xué)模型Viterbi算法，大幅降低算法的時(shí)間資源和空間資源：

Viterbi算法的原形：

a)初始化

δ₁(i)＝π_ib_i(o₁),　　1≤i≤N

b)遞歸

δt(j)=max1≤i≤N[δt-1(i)aij]bj(ot),2≤t≤T,1≤j≤N]]>

c)終結(jié)

P*=max1≤i≤N[δT(i)])]]>

qT*=argmax1≤i≤N[δT(i)]]]>

d)求S序列

隱馬爾科夫聲學(xué)模型中一個(gè)音素就是一個(gè)三至五狀態(tài)，其中S為隱藏狀態(tài)集合，S＝{q}，N是狀態(tài)數(shù)目，M為敏感詞表Q的狀態(tài)數(shù)，O為觀察狀態(tài)集合，O＝{o}，A為隱藏狀態(tài)間的轉(zhuǎn)移概率矩陣，A＝{a}，B為輸出矩陣，即隱藏狀態(tài)到輸出狀態(tài)的概率，B＝，PI為初始概率分布，隱藏狀態(tài)的初始概率分布，PI＝{π}，A，B，PI稱為隱馬爾科夫的參數(shù)，用λ表示，P^*是在時(shí)刻T輸出狀態(tài)o_T的最大概率，是在時(shí)刻T最大概率輸出狀態(tài)o_T的隱藏狀態(tài)，δ_t(i)是t時(shí)刻到達(dá)狀態(tài)i的所有序列概率中最大的概率，是在t-1時(shí)刻系統(tǒng)必須處于的狀態(tài)，該狀態(tài)導(dǎo)致了系統(tǒng)在t時(shí)刻到達(dá)狀態(tài)i在所有屬于敏感詞表序列中是最大概率的；

在使用敏感詞表Q之后，五元組{S,O,A,B,PI}沒有改變，但敏感詞表Q含有的狀態(tài)集合是S的子集，原始隱含狀態(tài)集S的狀態(tài)數(shù)為N，敏感詞表Q的狀態(tài)數(shù)為M，相應(yīng)的，改變下列兩個(gè)函數(shù)定義：δ_t(i)是t時(shí)刻到達(dá)狀態(tài)i的所有屬于敏感詞表子集序列概率中最大的概率，是在t-1時(shí)刻系統(tǒng)必須處于的狀態(tài)，δ_t(i)是t時(shí)刻到達(dá)狀態(tài)i的所有屬于敏感詞表序列概率中最大的概率，

δt(i)=maxq1,q2...qt-1P[q1q2...qt-1,qt=i,o1o2...ot|λ(q1q2...qt-1,qt∈Q)]]]>

在t-1時(shí)刻系統(tǒng)必須處于的狀態(tài)，該狀態(tài)導(dǎo)致了系統(tǒng)在t時(shí)刻到達(dá)狀態(tài)i在所有屬于敏感詞表序列中是最大概率的；

經(jīng)證明，引入敏感詞表之后Viterbi算法下列公式仍然成立，而參數(shù)相應(yīng)的演變?yōu)椋?/p>

a)初始化

δ₁(i)＝π_ib_i(o₁),　　1≤i≤M

b)遞歸

δt(j)=max1≤i≤N[δt-1(i)aij]bj(ot),2≤t≤T,1≤j≤N]]>

c)終結(jié)

P*=max1≤i≤N[δT(i)])]]>

qT*=argmax1≤i≤N[δT(i)]]]>

d)求S序列

值得注意的是，P^*的閾值必須仍然以原始模型為準(zhǔn)，

可以看出，引入敏感詞表之后算法的參數(shù)由N變?yōu)镸，由于M遠(yuǎn)遠(yuǎn)小于N，可見新的算法所需時(shí)間和空間會(huì)大幅縮小。