[發明專利]語言模型訓練方法、系統、移動終端及存儲介質

有效

• 申請號: 202010011026.1
• 申請日: 2020-01-06
• 公開（公告）號: CN111192570B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 張廣學;肖龍源;蔡振華;李稀敏;劉曉葳
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G06F40/216;G06F40/242;G06F40/284;G06K9/62
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 樂珠秀

1.一種語言模型訓練方法，其特征在于，所述方法包括：

獲取訓練文本和訓練詞匯，對所述訓練文本進行分類，以得到多個語言模塊，并根據所述訓練詞匯構建對應所述語言模塊的語言詞典；

根據所述語言詞典對所述語言模塊中的模塊語言模型進行模型訓練，并對所述訓練文本進行訓練，以得到文本語言模型；

獲取待識別語音進行音素識別，得到音素串，并將所述音素串與所述模塊語言模型進行匹配，以得到音素匹配結果；

通過所述文本語言模型對所述音素匹配結果進行概率計算，并將最大的概率值對應的句子進行輸出；

所述將所述音素串與所述模塊語言模型進行匹配的步驟包括：

將所述音素串依序與每個所述模塊語言模型中的樣本音素進行匹配；

當所述音素串與所述模塊語言模型中的所述樣本音素之間的匹配數量大于或等于預設數量時，將所有匹配成功的所述樣本音素進行輸出；

當所述匹配數量小于所述預設數量時，將所述模塊語言模型對應的所述語言模塊的結果進行輸出。

2.如權利要求1所述的語言模型訓練方法，其特征在于，所述根據所述語言詞典對所述語言模塊中的模塊語言模型進行模型訓練的步驟包括：

根據所述語言詞典在所述訓練文本中抽取所述語言模塊對應的語言文本；

根據所述語言文本采用3-gram訓練方式對所述模塊語言模型進行訓練；

獲取所述語言模塊中被抽取的所述語言文本中對應詞語的詞頻，并根據所述詞頻和所述語言模型的訓練結果構建哈夫曼樹模型。

3.如權利要求1所述的語言模型訓練方法，其特征在于，所述通過所述文本語言模型對所述音素匹配結果進行概率計算的步驟包括：

將各個所述語言模塊輸出的所述樣本音素進行組合，以得到組合信息，所述組合信息中存儲有多個音素組合串；

根據所述文本語言模型分別對所述音素組合串進行概率計算，以得到多個所述概率值。

4.如權利要求1所述的語言模型訓練方法，其特征在于，所述將所述音素串依序與每個所述模塊語言模型中的樣本音素進行匹配的步驟之后，所述方法還包括：

當所述音素串與所述模塊語言模型匹配失敗時，根據所述模塊語言模型對所述音素串進行錯誤標記。

5.如權利要求1所述的語言模型訓練方法，其特征在于，所述將所述音素串與所述模塊語言模型進行匹配的步驟之后，所述方法還包括：

當所述音素串與所述模塊語言模型匹配成功時，對所述音素串進行詞匯類型標記；

根據所述音素串上詞匯類型標記的標記結果進行類型匹配，以得到語句類型，并根據所述語句類型對所述待識別語音進行語境標記。

6.一種語言模型訓練系統，其特征在于，所述系統包括：

文本分類模塊，用于獲取訓練文本和訓練詞匯，對所述訓練文本進行分類，以得到多個語言模塊，并根據所述訓練詞匯構建對應所述語言模塊的語言詞典；

模型訓練模塊，用于根據所述語言詞典對所述語言模塊中的模塊語言模型進行模型訓練，并對所述訓練文本進行訓練，以得到文本語言模型；

音素匹配模塊，用于獲取待識別語音進行音素識別，得到音素串，并將所述音素串與所述模塊語言模型進行匹配，以得到音素匹配結果；所述將所述音素串與所述模塊語言模型進行匹配的步驟包括：將所述音素串依序與每個所述模塊語言模型中的樣本音素進行匹配；當所述音素串與所述模塊語言模型中的所述樣本音素之間的匹配數量大于或等于預設數量時，將所有匹配成功的所述樣本音素進行輸出；當所述匹配數量小于所述預設數量時，將所述模塊語言模型對應的所述語言模塊的結果進行輸出；

概率計算模塊，用于通過所述文本語言模型對所述音素匹配結果進行概率計算，并將最大的概率值對應的句子進行輸出。