【技术实现步骤摘要】
一种基于元音和谐的土耳其语的语音识别方法及系统
[0001]本专利技术属于语音识别和自然语言处理
,具体涉及一种基于元音和谐的土耳其语的语音识别方法及系统。
技术介绍
[0002]语言模型(Language model,LM)是描述词序列概率分布的数学模型,其在自然语言处理相关的应用中发挥着重要的作用。随着深度学习技术的发展,基于深度神经网络(Deep neural network,DNN)的语言模型建模技术在语音识别、机器翻译、文本生成等一系列任务中展现出巨大的潜力。
[0003]Benjio等人首先将DNN用于语言模型建模任务中。随后Mikolov等人将递归神经网络(Recurrent neural network,RNN)用于语言模型建模。相比于DNN模型,RNN模型中的递归结构可以有效地对历史信息进行压缩,从而有利于模型学习长时历史信息。
[0004]土耳其语是一种典型的黏着语,其特征是在词根的前后粘贴不同的词缀来体现不同的语法功能。一般来说,同一个词根在不同的需求下,可以灵活的产生相当数量的单词。因此,相同规模语料下,通常这类语言统计得到的词表会非常庞大;并且,这类语言的词表通常会随语料增大持续增加。因此,通常需要使用子词作为建模单元。
[0005]元音和谐是土耳其语以及其他所有突厥语都遵循的语音规则。土耳其语的元音和谐包括前后元音和谐以及圆唇非圆唇元音和谐。元音分类及元音和谐规则如表1所示:
[0006]表1土耳其语元音和谐示意表
[0007][0008][0 ...
【技术保护点】
【技术特征摘要】
1.一种基于元音和谐的土耳其语的语音识别方法,该方法包括:将待识别语音进行识别,得到多个候选语句,再将每个候选语句拆分成多个子词;将每个子词依次输入土耳其语子词级别神经网络语言模型,获得下一个子词的预测概率的对数值;根据该候选语句中所有子词的预测概率的对数值,获得该候选语句的概率的对数值;按照从大到小的顺序对各个候选语句的概率的对数值进行排序,将最大概率的对数值对应的候选语句作为语音识别结果。2.根据权利要求1所述的方法,其特征在于,所述土耳其语子词级别神经网络语言模型的处理过程,具体包括:将当前子词对应的独热码输入至词向量矩阵,输出当前子词的低维词向量;截取到当前子词为止的最后一个元音和辅音,并抽取其对应的独热码作为当前子词的辅助特征;将当前子词的低维词向量与当前子词的辅助特征串联,并将其输入至长短时记忆神经网络单元的隐层,输出当前子词的隐层特征向量;将当前子词的隐层特征向量与当前子词的辅助特征串联,获得串联后的特征向量,并将其输入至长短时记忆神经网络单元的softmax层,依据softmax函数:y
t
=softmax(W
e
[h
t
;f
t
]+b
e
)其中,y
t
为下一个子词的预测概率向量;W
e
为仿射矩阵,b
e
为偏置;h
t
为当前子词的隐层特征向量;f
t
为当前子词的辅助特征;其中,辅助特征f
t
表示为到当前子词为止的最后一个元音和辅音,其包含最后一个元音和辅音的独热码;具体来说,土耳其语字母表中包含8个元音21个辅音;因此,最后一个元音和辅音的独热码两部分的维度分别为8和21;最终的辅助特征为最后一个元音和辅音的独热码两部分的串联,即特征长度d=29;输出下一个子词的预测概率向量y
t
。3.根据权利要求2所述的方法,其特征在于,所述方法还包括:土耳其语子词级别神经网络语言模型的训练步骤,具体包括:建立训练集,将训练集中的每个单词拆分成多个子词;对于当前子词w
t
,其输入为该当前子词的独热码;其中,V表示词汇表的大小;当前子词w
t
经过在词向量矩阵C的查表操作后,得到该当前子词w
t
的低维词向量e
t
;其中,C∈R
V
×
m
,e
t
∈R
m
中,V为词汇表的大小;m为子词级别神经网络语言模型的LSTM单元的隐层单元个数;截取到当前子词为止的最后一个元音和辅音,并抽取其对应的独热码作为当前子词的辅助特征f
t
;将通过词向量矩阵C得到的低维词向量e
t
与辅助特征f
t
串联,送入长短时...
【专利技术属性】
技术研发人员:张鹏远,刘畅,颜永红,
申请(专利权)人:北京中科信利技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。