[发明专利]一种基于Doc2Vec的音频文本对齐方法及系统

权利要求书

1.一种基于Doc2Vec的音频文本对齐方法，其特征在于，包括：

步骤1：基于模拟退火遗传算法优化的AIC-FCM进行门限阈值估计，将随书长音频切分为以句为维度的短音频，并将所述短音频进行语音识别输出以句为维度的短文本；

步骤2：基于Doc2Vec模型对电子书进行段落提取，得到以段落为维度的段落文本；

步骤3：基于阈值预测法的动态匹配方法对所述短文本以及所述段落文本进行文本相似度匹配，完成文本对齐；

所述步骤3具体包括：

步骤31：将所述短文本表示为SText，将所述段落文本表示为PText，并计算所有SText的字符长度D_S以及字符长度平均值顺序取出段落文本并计算其长度D_P；

步骤32：比较D_P和之间的相对关系，若则段落较长，采用首尾匹配方式PS-First-Last，反之使用全部匹配方式PS-ALL，α为阈值判定系数；

所述全部匹配方式PS-ALL具体为：利用SText和PText的向量表示计算文本相似度，具体计算公式为：

其中，X表示随书音频识别之后的短文本，其N维向量表示为V_X＝(x₁,x₂,...,x_N)，其中x_i代表向量中的元素，Y表示段落文本，其N维向量表示为V_Y＝(y₁,y₂,...,y_N)，其中y_i代表向量中的元素；

所述首尾匹配方式PS-First-Last具体为：从所述段落文本中取出段首和段尾字符长度为的两个文本，依次找到与段首和段尾相似度最高的两个短文本SText_first和SText_last，从而实现文本对齐。

2.根据权利要求1所述的一种基于Doc2Vec的音频文本对齐方法，其特征在于，所述步骤1具体包括：

步骤11：利用模拟退火遗传算法进行全局搜索和交互变异操作，同时结合模拟操作得到聚类中心；

步骤12：模糊C均值聚类算法基于所述聚类中心对特征参数进行聚类数目分别为1和2时的模糊聚类；

步骤13：通过赤池信息准则判断最优的聚类数C，并根据最优聚类数C确定双门限端点检测的门限值，完成随书长音频切分；

步骤14：将短音频进行预处理后进行语音识别，输出以句为维度的短文本。

3.根据权利要求2所述的一种基于Doc2Vec的音频文本对齐方法，其特征在于，所述步骤11具体包括：

步骤111：输入随书长音频，初始化算法参数，设置遗传代数i＝0以及退火算法的初始温度T_i；

步骤112：随机产生遗传算法种群C_i(T)，表示音频采样点的聚类中心；

步骤113：计算所述遗传算法种群C_i(T)所有个体适应度F(C_i(T))；

步骤114：利用交叉和变异操作使所述遗传算法种群C_i(T)进化得到新种群C_i′(T)；

步骤115：重新计算新种群C_i′(T)的个体适应度F(C_i′(T))；

步骤116：计算退火增量ΔF＝F(C_i′(T))-F(C_i(T))，如果ΔF＞0则代表新种群适应度得到增强，C_i′(T)即为下一代种群；如果ΔF≤0则以概率接受C_i′(T)即为下一代种群，如果最终没有达到被接受的预设概率，则返回步骤114；

步骤117：将新种群设置为下一代种群，即C_i+1(T)＝C_i′(T)，并进行降温其中α表示退火因子；

步骤118：增加遗传代数i＝i+1，判断获取的聚类中心是否达到全局最小值，若满足则输出优化后的音频采样点的聚类中心；否则返回步骤114，继续进化过程。