[发明专利]基于统计模型和语法规则的口语语音识别方法

权利要求书

1、基于统计模型和语法规则的口语语音识别方法，具体是一种基于统计语言模型、结合语法规则、面向口语识别应用的语音识别方法。本发明由声学模型训练、语言模型训练、前端处理、及识别解码四个部分组成。其特征在于：语言模型以N元语法统计模型为基础，辅以语法规则网络，用以处理口语中常见的集外词、口头禅、模糊发音、语句快速切换等现象。

定义符号：SENT表示一个句子，NGram表示N元语法统计模型，WORD表示词，WORDCLASS表示词类，GB表示垃圾词过滤模型，FzPr表示模糊发音过滤模型，FvPh表示口头禅过滤模型，OOV表示集外词模型。

以下是用BNF语法定义的语法规则：

SENT:＝[GB]NGram[SUBSENT][GB]

SUBSENT:＝(GB NGram SUBSENT)

         |(GB NGram)；

NGram:＝((WORD|WORDCLASS|OOV)NGram)

       |(WORD|WORDCLASS|OOV)

GB:＝(FzPr[FvFz][FvPh])

       |(FvPh[FzFv][FzPr])；

FvFz:＝(FvPh FzPr FvFz)

      |(FvPh FzPr)；

FzFv:＝(FzPr FvPh FzFv)

      |(FzPr FvPh)；

2、根据权利要求1所述的基于统计模型和语法规则的口语语音识别方法，其特征在于，本发明的N元语法统计模型的建模单元可以是词(WORD)、词类(WORDCLASS)、或集外词模型(OOV)。在训练过程中，根据语料库的标注和词类的预定义，可以用本领域熟知的方法训练出连接概率模型；WORD或WORDCLASS与OOV的连接概率、以及OOV之间的连接概率不是从语料库中直接训练得到的，而是通过WORDCLASS的连接概率间接得到的。

3、根据权利要求1所述的基于统计模型和语法规则的口语语音识别方法，其特征在于，本发明的OOV模型个数等于WORDCLASS个数，每个OOV模型都对应一个WORDCLASS，即OOV模型的语言模型连接概率等于其对应的WORDCLASS的连接概率。OOV模型由一个汉字循环网络(Single Word Loop，SWL)和一个汉字N元语法统计模型构成，汉字N元语法统计模型由其对应的WORDCLASS语料统计学习得到。所有OOV模型共享使用一个SWL。可以每个OOV模型一个独立的汉字N元语法统计模型，或者多个OOV模型共享一个汉字N元语法统计模型。对WORD或WORDCLASS模型与OOV模型的连接加上一个奖励因子Aw，以提高OOV的检出率。

4、根据权利要求1所述的基于统计模型和语法规则的口语语音识别方法，其特征在于，在本发明的语法规则中，被GB模型隔开的若干个NGram模型在计算连接概率时，GB模型将被忽略，这些NGram模型被当作连接在一起那样来计算语言连接概率。

5、根据权利要求1所述的基于统计模型和语法规则的口语语音识别方法，其特征在于，本发明的GB模型由FzPr和/或FvPh模型组成，其中FzPr模型有一个音素循环网络(PhoneLoop Net，简称PLN)构成，FvPh模型由一个口头禅词集合的循环网络(Favorite Phrase Loop，简称FPL)构成。口头禅词集合中包括词和短语，可以从语料库学习得到，也可以根据语言学知识总结得到。

6、根据权利要求1所述的基于统计模型和语法规则的口语语音识别方法，其特征在于，在本发明的语法规则中，对NGram模型与GB模型中FvPh模型的连接加上惩罚因子Pv1，对GB模型中FvPh模型与NGram模型的连接加上惩罚因子Pv2，以避免正常的语音被识别成口头禅；对NGram模型与GB模型中的FzPr模型的连接加上一个惩罚因子Pz1，对GB模型中的FzPr模型与NGram模型的连接加上一个惩罚因子Pz2，以避免正常的语音被识别成模糊语音。