[發明專利]一種語音識別模型訓練方法、語音識別方法、裝置

有效

• 申請號: 202010793051.X
• 申請日: 2020-08-10
• 公開（公告）號: CN111739520B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 王明
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王花麗;張穎玲

1.一種語音識別模型訓練方法，其特征在于，所述方法包括：

獲取訓練樣本集合，其中，所述訓練樣本集合包括與語音識別模型相匹配的經過實體標記的不同語音樣本；

通過所述語音識別模型對所述訓練樣本集合進行處理，確定所述語音識別模型中的實體邊界抽取網絡的初始參數；

基于所述實體邊界抽取網絡的初始參數，通過所述語音識別模型對所述訓練樣本集合進行處理，確定所述實體邊界抽取網絡對應的更新參數；

根據所述實體邊界抽取網絡對應的更新參數，通過所述訓練樣本集合對所述語音識別模型的實體邊界抽取網絡的參數進行迭代更新，以實現對所述訓練樣本集合中的語音樣本進行實體邊界抽取；

通過所述語音識別模型對所述訓練樣本集合進行處理，確定所述語音識別模型中的實體多任務分類網絡的初始參數；

基于所述實體多任務分類網絡的初始參數，通過所述語音識別模型對所述訓練樣本集合進行處理，確定所述實體多任務分類網絡對應的更新參數；

根據所述實體多任務分類網絡對應的更新參數，通過所述實體邊界抽取網絡的處理結果對所述實體多任務分類網絡的參數進行迭代更新，以實現通過所述語音識別模型對使用環境中的不同語音信息進行處理。

2.根據權利要求1所述的方法，其特征在于，所述基于所述實體邊界抽取網絡的初始參數，通過所述語音識別模型對所述訓練樣本集合進行處理，確定所述實體邊界抽取網絡對應的更新參數，包括：

將所述訓練樣本集合中不同語句樣本，代入由所述語音識別模型的實體邊界抽取網絡的編碼器和解碼器構成的自編碼網絡對應的損失函數；

確定所述損失函數滿足第一收斂條件時對應所述實體邊界抽取網絡的編碼器的參數和相應的解碼器參數作為所述實體邊界抽取網絡的更新參數。

3.根據權利要求2所述的方法，其特征在于，所述根據所述實體邊界抽取網絡對應的更新參數，通過所述訓練樣本集合對所述語音識別模型的實體邊界抽取網絡的參數進行迭代更新，以實現對所述訓練樣本集合中的語音樣本進行實體邊界抽取，包括：

確定所述語音識別模型中實體邊界抽取網絡的編碼器和解碼器構成的自編碼網絡對應的迭代收斂條件；

基于所述實體邊界抽取網絡對應的更新參數，對所述實體邊界抽取網絡的編碼器參數和解碼器參數進行迭代更新，

直至所述實體邊界抽取網絡的編碼器和解碼器構成的自編碼網絡對應的損失函數滿足對應的收斂條件并能夠對所述訓練樣本集合中的語音樣本進行實體邊界抽取。

4.根據權利要求1所述的方法，其特征在于，所述基于所述實體多任務分類網絡的初始參數，通過所述語音識別模型對所述訓練樣本集合進行處理，確定所述實體多任務分類網絡對應的更新參數，包括：

將所述訓練樣本集合中不同語句樣本以及所述實體邊界抽取網絡的輸出結果，代入由所述語音識別模型的實體多任務分類網絡的分類器子網絡對應的損失函數；

確定所述損失函數滿足第二收斂條件時對應所述實體多任務分類網絡的分類器網絡的參數作為所述實體多任務分類網絡的更新參數。

5.根據權利要求4所述的方法，其特征在于，所述根據所述實體多任務分類網絡對應的更新參數，通過所述實體邊界抽取網絡的處理結果對所述實體多任務分類網絡的參數進行迭代更新，以實現通過所述語音識別模型對使用環境中的不同語音信息進行處理，包括：

確定所述實體多任務分類網絡的分類器子網絡對應的迭代收斂條件；

根據所述訓練樣本集合中不同語句樣本以及所述實體邊界抽取網絡的輸出結果，對所述實體多任務分類網絡的分類器子網絡參數進行迭代更新，

直至所述實體多任務分類網絡的分類器子網絡對應的損失函數滿足對應的迭代收斂條件。