國語語音辨認中詞群語言模型之分群方法與應用

Methodology Implementation and Application of Word-Class Based Language Model in Mandarin Speech Recognition

統計式馬可夫語言模型由於實作容易，且在語音辨認上的正確率能夠維持相當的水準，因此近年來得到相當廣泛的使用。然而這類語言模型也存在一些困難，如訓練語料不足時連帶導致參數值可信度較低，及語言模型參數過多在使用上造成龐大的記憶體需求。本文即是針對上述這些問題，提出改善方法。我們提出一備以詞群為基礎的語言模型，且配合一種把詞字洞分群處理的技術，將統計資訊相似的詞歸為一群，利用同群之詞彙分享彼此統計資訊的特性來解決前述問題。藉由此方法所得的分群結果，經由觀察發現與文法上的詞類有相當程度的吻合。且將此結果應用於語音辨認上，由實驗的辦認率來看，以詞群為基礎的語言模型接近於詞雙連語言模型，但所需的記憶體則遠少於詞雙連語言模型。