汉语语音检索的集外词问题与两阶段检索方法

摘要：

该文针对大规模汉语语音检索任务提出汉语语音检索中的集外词问题和针对集外查询词的两阶段检索方法.汉语语音识别和检索中,集外词可以以词表词序列的形式被识别和检索到,因此被认为不存在集外词问题;该文发现集外查询词性能远远低于集内查询词,将此问题定义为汉语语音检索任务的集外词问题,并提出两阶段的检索方法,第一阶段通过模糊音素匹配的方法提高查全率,第二阶段通过词格修正的方法提高查准率.实验表明,两阶段的检索方法极大的提高了典型集外查询词的检索性能,FOM指标相对基线系统提高了24.1%.

关键词：计算机应用、中文信息处理、汉语语音检索、集外词、词格、大词汇量连续语音识别

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金委员会与微软亚洲研究院联合资助项目60776800;国家863高技术研究发展计划资助项目2006AA010101,2007AA04Z223

在线出版日期：2010-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：91-97