[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

说明书

本发明属于语音识别领域，具体涉及一种基于缓存语言模型的语音识别自适应方法和系统，包括：针对一段连续的长语音分割得到多条短语音，并按照时间顺序构成任务队列；通过动态语言模型获得识别文本；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，若是，则根据预设关联词表进行关键词搜索，得到关键词组，计算局部词汇概率分布，构建局部语言模型；将局部语言模型与动态语言模型进行插值合并，得到更新后的动态语言模型。本发明根据预设关联词表进行关键词搜索，得到关键词组，计算局部词汇概率分布，构建局部语言模型，将局部语言模型与动态语言模型进行插值合并，得到更新后的动态语言模型，进而提高识别准确率。

技术领域

本发明属于语音识别领域，具体涉及一种基于缓存语言模型的语音识别自适应方法和系统。

背景技术

语音识别在经历数十年发展后，已经具有了较为成熟的技术，在实际应用中Siri、Cortana等在理想条件下具有了较高的识别准确率。

语音识别系统的性能很大程度上取决于所使用的的语言模型(LM)与要处理的任务之间的相似性。在语言的统计属性随时间变化的情况下，例如在涉及自发性和多领域语音的应用场景中，这种相似性尤为重要。基于信息检索的主题识别(TI)是一种关键技术，通过对历史识别结果的语义分析得到正在讨论的主题，从而对语言模型进行调整，实现动态自适应。

但主题识别的问题在于，对于个别低频词，有可能因为其带有的明显领域特征造成语言模型的不必要改变。在语音信号处理方面，目前语音识别系统主要采用单句任务识别，即无论输入语音长短，语音识别系统都会根据语音活动检测(VAD)判别结果，将语音中的单句视为独立任务进行识别。这样做的好处在于可以获得较好的识别实时性，并在一定程度上减少系统开销。

对于具有较强的上下文联系或专业领域性的场景，例如学术会议、采访记录等，单句任务识别系统将忽略前后联系，对于识别不准确的词反复出错，且无法利用领域信息识别低频词。另一方面，对于配置了多个领域化语言模型的语音识别系统，通常需要在识别开始前对领域模型进行人工指定，或对多个领域输出结果进行困惑度选择，增加了不必要的步骤，导致识别系统不够智能化。

发明内容

本发明所要解决的技术问题就是提供一种基于缓存语言模型的语音识别自适应方法和系统。

为解决上述技术问题，本发明采用如下技术方案：一种基于缓存语言模型的语音识别自适应方法，包括以下步骤：

S1：针对一段连续的长语音分割得到多条短语音，并按照时间顺序构成任务队列；

S2：取任务队列中的第一条短语音通过动态语言模型获得识别文本，并将该条短语音从任务队列中删除；

S3：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S2，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；

S4：将局部语言模型与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S2，直至任务队列为空，完成识别任务。

优选的，还包括步骤：

S5：对S2中的识别文本进行人工修正。

优选的，所述的步骤S3具体包括：

S301：建立缓存模型，包括若干个缓存区；

S302：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S303，若不存在，则无需进行概率修正，返回S2，直至任务队列为空，完成识别任务；

S303：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：