[发明专利]汉语语音识别中重复出现词识别错误的自动修正方法

说明书

技术领域

本发明涉及语音识别技术领域，特别是涉及一种汉语语音识别中重复出现词识别错误的自动修正方法。

背景技术

语音识别技术是一种利用计算机和数字信号处理技术准确地识别出人类语音内容的技术。目前面向特殊应用的中小词汇量语音识别技术已得到实际应用，然而，由于受到背景噪音、方言口音、口语化的自然语音以及语义理解等因素的限制，大词汇量说话人无关的连续语音识别技术还处在探索阶段。由于语音识别无法达到100％的识别准确率，因此，对识别结果中的识别错误进行修正是不可缺少的。

识别错误修正是指在一句话识别后由说话人对识别结果中的错误进行修正。早期的识别错误修正方法主要有重新发音修正方法(re-speaking)，单词拼写修正方法(spelling)，键盘输入修正方法，和手写输入修正方法。近期的识别错误修正方法有候选选择修正方法，识别系统对每个词给出多个候选，用户在语音输入的同时或完成之后通过选择候选修正识别错误。无论是早期的修正方法还是后来的候选选择修正方法，对于不同语句中的同一个词识别错误都需要重新修正，即对于同一个词，其每次的识别错误都需要有用户参与的修正；修正效率较低。

发明内容

本发明要解决的技术问题是利用之前已修正的识别结果，自动修正当前识别语句中重复出现词的识别错误，从而提高识别错误的修正效率，加快识别错误修正速度。

本发明提供一种汉语语音识别中重复出现词识别错误的自动修正方法，其特征在于，包括：(1)对每句话经识别后得到的字混淆网络与词组库中的词组及中间识别结果进行相似性匹配，以查找重复出现词组；(2)根据查找得到的词组信息，重新计算相似概率值和字识别概率值；(3)根据新的概率值，对字混淆网络按照概率值大小排序；和(4)使用排序结果替换字混淆网络的最优识别结果以及中间识别结果。

其中，字混淆网络是所有可能识别结果的集合，字混淆网络包括最优识别结果即原有最优识别结果和最优识别结果中的每个字对应的中间识别结果；词组库包括词组及其对应的中间识别结果；相似性匹配即计算词组库中的词组对应的中间识别结果与字混淆网络中的中间识别结果的相似程度，用相似概率值表示该相似程度，相似概率值大于零的词组为当前识别语句中可能再次出现的词；所述词组信息包括词组本身、词组的相似概率值以及词组在最优识别结果中的对应位置；语句中的重复出现词是指语句中的某个词在以前的语句中出现过，其在当前语句的再次出现叫做重复出现词，对其识别错误称为重复出现词识别错误；除了重复出现词识别错误外，还有首次出现的词被识别错误的情况，这种识别错误叫做非重复出现词识别错误。

可选的，步骤(1)中所述进行相似性匹配包括：计算词组及对应中间识别结果与当前字混淆网络的相似概率值；和保留相似概率值大于零的词组；其中，所述计算方式为：

p(W,CNj)=Πi=1num(W)SIM(Si,Si+j′)]]>