[发明专利]基于多示例学习的自动语音识别困难样本挖掘方法在审
| 申请号： | 201910625555.8 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110335594A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 韩纪庆;薛嘉宾;郑铁然;郑贵滨 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G10L15/06 | 分类号： | G10L15/06;G10L15/16 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 时起磊 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供基于多示例学习的自动语音识别困难样本挖掘方法，属于语音信号处理技术领域。本发明首先收集语料数据建立数据集、选取训练数据；然后对训练集进行人工标注；使用标注好的训练集建立困难样本检测模型，并对其进行训练；再用训练好的困难样本检测模型在剩余集合上挖掘候选困难样本；最后进行困难样本筛选与标注：对检测到的候选困难样本进行人工确认，同时将人工确认后的困难样本进行标注。本发明解决了现有自动语音识别技术需要人工标注大量数据集的问题。本发明可用于语音识别系统对新领域的快速自适应。 | ||
| 搜索关键词： | 样本 自动语音识别 标注 人工标注 样本检测 数据集 训练集 挖掘 语音识别系统 语音信号处理 剩余集合 数据建立 训练数据 样本筛选 新领域 自适应 可用 语料 学习 检测 | ||
【主权项】：
1.基于多示例学习的自动语音识别困难样本挖掘方法，其特征在于，具体包括以下步骤：步骤一、收集语料数据建立数据集![]()
步骤二、选取训练数据：将数据集![]()
按照语料时长进行排序，使用均匀采样获得训练集![]()
数据集中除训练集之外的剩余集合![]()
步骤三、对训练集进行人工标注，得到标注好的训练集![]()
步骤四、使用标注好的训练集建立困难样本检测模型，并对其进行训练；步骤五、无标注困难样本挖掘：使用步骤四中训练好的困难样本检测模型在剩余集合![]()
上挖掘候选困难样本；步骤六、困难样本筛选与标注：对步骤五中检测到的候选困难样本进行人工确认，同时将人工确认后的困难样本进行标注。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910625555.8/，转载请声明来源钻瓜专利网。
