低空间复杂度的加权有限状态转换器合成算法

摘要：

利用加权有限状态转换器相关的合成操作,可以将语音识别需要的模型进行组合,便于识别中各种知识的综合利用,从而提升识别性能.传统合成算法在计算的同时存储了无效状态与状态转移.在进行词典与语言模型等合成操作时,算法需要1 GB甚至更多内存保存无效信息,这直接导致了算法的高空间复杂度.为解决这一问题,提出同步裁剪合成算法(synchronized pruning composition algorithm,SPCA).新算法对传统合成算法进行了改进,在合成的同时对无效信息进行及时的分析和去除.实验表明,与经典的合成算法相比,SPCA平均节约内存14.99％,所用最大内存节约25.72％,有效降低了合成的空间复杂度.

关键词：加权有限状态转换器、合成、有向图、空间复杂度、语音识别

所属期刊栏目：28

分类号：TP301.1;TP301.6(计算技术、计算机技术)

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2931-2934