[发明专利]一种基于缓存语言模型的语音识别自适应方法和系统

权利要求书

1.一种基于缓存语言模型的语音识别自适应方法，其特征在于，包括以下步骤：

步骤1：针对一段连续的长语音，首先分割得到多条短语音，并按照时间顺序构成任务队列；

步骤2：取任务队列中的第一条短语音作为自动语音识别系统的输入，获得识别文本，并将该条短语音从任务队列中删除；所述的自动语音识别系统包括动态语言模型，将预设语言模型作为初始化的动态语言模型；

步骤3：建立缓存模型，根据每一条短语音的识别文本，实时判断是否需要进行概率修正，若否，则返回步骤2，直至任务队列为空，完成识别任务；若是，则根据预设关联词表进行关键词搜索，得到关键词组，并存储至缓存模型的缓存区，计算局部词汇概率分布，构建局部语言模型；所述的步骤3具体为：

步骤3.1：建立缓存模型，包括若干个缓存区；

步骤3.2：根据每一条短语音的识别文本，实时判断是否存在低频词或强领域特征词，若存在，则需进行概率修正，进入步骤3.3，若不存在，则无需进行概率修正，返回步骤2，直至任务队列为空，完成识别任务；

步骤3.3：根据预设关联词表进行关键词搜索，得到关键词组，并存储至缓存模型的缓存区，计算局部词汇概率分布，计算公式为：

式中，ω₁，...，ω_t-1表示历史识别文本序列，ω_i为历史识别文本序列中的第i个词，ω_t表示当前时刻的词；P_cache(ω_t|ω₁，...，ω_t-1)表示基于缓存历史识别文本序列的当前词为ω_t的概率，K表示核函数，h_t为ω_t对应的隐向量，h_i为ω_i对应的隐向量，θ表示欧几里得距离，||·||表示取模长，∝表示成正比关系；

步骤3.4：根据局部词汇概率分布，构建基于3-gram的局部语言模型；

步骤4：将步骤3构建的局部语言模型与自动语音识别系统中的动态语言模型进行插值合并，得到更新后的动态语言模型，返回步骤2，直至任务队列为空，完成识别任务。

2.根据权利要求1所述的一种基于缓存语言模型的语音识别自适应方法，其特征在于，对步骤2中的自动语音识别系统输出的识别文本进行人工修正。

3.根据权利要求1所述的一种基于缓存语言模型的语音识别自适应方法，其特征在于，当缓存模型的缓存区存储的关联词组达到百万级数值的阈值后，步骤3.3中的局部词汇概率分布计算公式采用以下公式替换：

式中，是与h_t的欧几里得距离最近的h_i的集合，θ(h_t)是h_t到临近单词的欧几里得距离。

4.根据权利要求3所述的一种基于缓存语言模型的语音识别自适应方法，其特征在于，所述的步骤4具体为：

将局部语言模型与自动语音识别系统中的动态语言模型进行插值合并，对局部单词概率进行修正，公式如下：

P(ω_t|ω₁，...，ω_t-1)＝(1-λ)P_model(ω_t|ω₁，...，ω_t-1)+λP_cache(ω_t|ω₁，...，ω_t-1)

式中，λ为调整参数，P_model表示现有语言模型中在前序识别为ω₁，...，ω_t-1的条件下当前词为ω_t的概率；

通过修正后的单词概率得到更新后的动态语言模型，返回步骤2，直至任务队列为空，完成识别任务。