[发明专利]一种语音识别模型训练方法、语音识别方法、装置

权利要求书

1.一种语音识别模型训练方法，其特征在于，所述方法包括：

获取训练样本集合，其中，所述训练样本集合包括与语音识别模型相匹配的经过实体标记的不同语音样本；

通过所述语音识别模型对所述训练样本集合进行处理，确定所述语音识别模型中的实体边界抽取网络的初始参数；

基于所述实体边界抽取网络的初始参数，通过所述语音识别模型对所述训练样本集合进行处理，确定所述实体边界抽取网络对应的更新参数；

根据所述实体边界抽取网络对应的更新参数，通过所述训练样本集合对所述语音识别模型的实体边界抽取网络的参数进行迭代更新，以实现对所述训练样本集合中的语音样本进行实体边界抽取；

通过所述语音识别模型对所述训练样本集合进行处理，确定所述语音识别模型中的实体多任务分类网络的初始参数；

基于所述实体多任务分类网络的初始参数，通过所述语音识别模型对所述训练样本集合进行处理，确定所述实体多任务分类网络对应的更新参数；

根据所述实体多任务分类网络对应的更新参数，通过所述实体边界抽取网络的处理结果对所述实体多任务分类网络的参数进行迭代更新，以实现通过所述语音识别模型对使用环境中的不同语音信息进行处理。

2.根据权利要求1所述的方法，其特征在于，所述基于所述实体边界抽取网络的初始参数，通过所述语音识别模型对所述训练样本集合进行处理，确定所述实体边界抽取网络对应的更新参数，包括：

将所述训练样本集合中不同语句样本，代入由所述语音识别模型的实体边界抽取网络的编码器和解码器构成的自编码网络对应的损失函数；

确定所述损失函数满足第一收敛条件时对应所述实体边界抽取网络的编码器的参数和相应的解码器参数作为所述实体边界抽取网络的更新参数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述实体边界抽取网络对应的更新参数，通过所述训练样本集合对所述语音识别模型的实体边界抽取网络的参数进行迭代更新，以实现对所述训练样本集合中的语音样本进行实体边界抽取，包括：

确定所述语音识别模型中实体边界抽取网络的编码器和解码器构成的自编码网络对应的迭代收敛条件；

基于所述实体边界抽取网络对应的更新参数，对所述实体边界抽取网络的编码器参数和解码器参数进行迭代更新，

直至所述实体边界抽取网络的编码器和解码器构成的自编码网络对应的损失函数满足对应的收敛条件并能够对所述训练样本集合中的语音样本进行实体边界抽取。

4.根据权利要求1所述的方法，其特征在于，所述基于所述实体多任务分类网络的初始参数，通过所述语音识别模型对所述训练样本集合进行处理，确定所述实体多任务分类网络对应的更新参数，包括：

将所述训练样本集合中不同语句样本以及所述实体边界抽取网络的输出结果，代入由所述语音识别模型的实体多任务分类网络的分类器子网络对应的损失函数；

确定所述损失函数满足第二收敛条件时对应所述实体多任务分类网络的分类器网络的参数作为所述实体多任务分类网络的更新参数。

5.根据权利要求4所述的方法，其特征在于，所述根据所述实体多任务分类网络对应的更新参数，通过所述实体边界抽取网络的处理结果对所述实体多任务分类网络的参数进行迭代更新，以实现通过所述语音识别模型对使用环境中的不同语音信息进行处理，包括：

确定所述实体多任务分类网络的分类器子网络对应的迭代收敛条件；

根据所述训练样本集合中不同语句样本以及所述实体边界抽取网络的输出结果，对所述实体多任务分类网络的分类器子网络参数进行迭代更新，

直至所述实体多任务分类网络的分类器子网络对应的损失函数满足对应的迭代收敛条件。