基于循环神经网络语言模型的N-bes t重打分算法

摘要：

循环神经网络语言模型能够克服统计语言模型中存在的数据稀疏问题，同时具有更强的长距离约束能力，是一种重要的语言模型建模方法。但在语音解码时，由于该模型使词图的扩展次数过多，造成搜索空间过大而难以使用。本文提出了一种基于循环神经网络语言模型的N‐best重打分算法，利用N‐best引入循环神经网络语言模型概率得分，对识别结果进行重排序，并引入缓存模型对解码过程进行优化，得到最优的识别结果。实验结果表明，本文方法能够有效降低语音识别系统的词错误率。

关键词：语音识别、语言模型、循环神经网络、N-best重打分、缓存语言模型

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61175017资助项目；国家高技术研究发展计划“八六三”计划2012AA011603资助项目；全军军事学研究生课题2010JY0258-144资助项目。

在线出版日期：2016-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：347-354