[发明专利]遍历基于图的网络的方法和系统

说明书

背景技术

语音特征提取器已发展成生成表示音频流的特征向量流。

基于图的语音识别网络已发展成使基于语音的特征向量流与书面语言 字词序列相关联。

推断引擎已发展成响应于基于语音的特征向量流迭代地遍历基于图的 语音识别网络的状态，以标识对应字词序列。

语音识别系统已发展成使用包括大词汇量连续语音识别(LVCSR)系 统的加权有限状态变换器(WFST)。

基于状态的网络遍历技术已按照多线程方式以及单指令多数据 (SIMD)方式实现。语音识别网络的状态可包括自循环，其通常被视为至 对应状态的附加传入循环。在多线程和SIMD处理环境中，甚至在其中一 状态仅包括一个传入弧加自循环时，同步化由此也可能是必要的。此外， 基于状态的SIMD遍历技术可能不能充分利用SIMD处理巷道，其可导致 向量效率低下。这可能抵消SIMD处理的好处。

已为多处理器系统开发了通用动态任务调度技术。这种通用技术对于 诸如语音识别网络遍历的一些应用中，可能并非是最优的。

附图简述

图1是基于图的网络和推断引擎的框图。

图2是遍历基于图的网络的方法的处理流程图。

图3是图1系统的框图，其中该推断引擎包括活动弧遍历系统。

图4是处理活动弧的方法的处理流程图。

图5是更新基于图的网络的目标状态的方法的处理流程图。

图6是另一基于图的网络和推断系统的框图，其中自循环信息在对应 状态的传出弧内建模。

图7是当在网络弧的至少一部分内建模自循环信息时遍历网络的方法 的处理流程图。

图8是当网络的一部分弧的固有似然信息被修改成包括自循环固有似 然信息时遍历网络的方法的处理流程图。

图9是当网络的弧包括用以保持自循环固有似然信息的多个字段以及 自循环固有似然信息的存在性的指示时遍历网络的方法的处理流程图。

图10是隐式高速缓存感知环境的框图，其包括用以将任务队列中的任 务排序的队列管理器，以及用以在多个处理线程中对来自任务队列的任务 进行调度的动态任务管理器。

图11是显式高速缓存感知环境的框图，其包括用以将数据位置信息与 数据对象相关联的高速缓存感知系统，以及用以至少部分地基于数据位置 信息向处理线程分配任务的动态任务管理器。

图12是基于数据位置信息将任务排序的方法的处理流程图。

图13是至少部分地基于数据位置信息向处理线程分配任务的方法的 处理流程图。

图14是配置成遍历基于图的网络的计算机系统的框图。

在附图中，附图标记的最左边的一个或多个数字标识该附图标记首次 出现的附图。

具体实施方式

图1是系统100的框图，系统100包括基于图的网络102和推断引擎 104。

网络102包括多个状态106和状态106之间的弧108，从而将与网络 状态序列的弧108相对应的输入标签转换成与语法元素序列的弧108相对 应的输出语法元素列表。

推断引擎104被配置成响应于特征向量110的流迭代地遍历网络102。

特征向量110可表示连续语音、诸如视频帧序列或视频剪辑的图像序 列、以及连续文本的一个或多个。特征向量100可从一个或多个连续和/或 离散的信号生成，其可包括嵌入于声信号中的语音、嵌入于视频信号中的 可视图像、以及嵌入于计算机可读信号中的文本字符和格式化信息的一个 或多个。基于音频的特征向量110可表示话语、词的一部分、或者声音。 基于视频的特征向量110可表示动作、色彩、对象，和/或帧之间这些的改 变中的一个或多个。各个特征向量110可包括用以保持与信号的对应部分 或帧相关联的信息的多个字段。

语法可对应于书面语言，其可包括人类可读语言和计算机可读语言中 的一种或多种。

系统100可对应于语音和/或视频识别系统以将音频和/或视频转换成 书面语言。替代地或者另外地，系统100可对应于用以从第一书面语言翻 译到第二书面语言的语言翻译系统。第一和第二书面语言的一种或多种可 对应于口头语言和/或计算机可读语言。