[发明专利]拼音作为特征的中文语音识别后的文本神经网络纠错模型

摘要

本发明公开一种拼音作为特征的中文语音识别后的文本神经网络纠错模型，包括：1)构建中文语音识别后的文本纠错平行语料库；2)构建拼音编码，将训练集的句子对转化为拼音，通过词嵌入方法编码为拼音编码；3)构建神经网络输入特征，模型输入特征包括三部分：词向量编码，位置编码和拼音编码；4)构建深度卷积的编码器解码器神经网络。由于中文语音识别后的文本错误主要是中文拼音出错，并且一般是局部错误，使用拼音编码作为网络输入的一部分，又使用深度卷积编码器解码器模型，深度卷积编码器对序列局部信息进行有效提取，在解码过程中，使用了拼音特征，又在局部序列进行纠错，从而极大提高了中文语音识别准确度。

主权项

1.拼音作为特征的中文语音识别后的文本神经网络纠错模型，其特征在于，包括如下步骤：/n步骤一、收集中文语音，构建中文语音识别文本纠错平行语料库，将收集的中文语音转化为文本，然后对文本进行纠错，将每条原文本和经过纠错后得到的相应文本组成句子对，将得到的句子对构成训练数据集；/n步骤二、将训练数据集中的句子对转化为拼音，通过词嵌入方法将其编码为拼音向量；/n步骤三、构建包括词向量编码、位置编码和拼音编码三部分的神经网络输入特征；/n步骤四、构建深度卷积的编码器解码器神经网络，使用编码器对步骤三得到的神经网络输入特征进行编码，使用解码器对当前待解码文本中的待解码词序列使用乘性注意力机制解码得到相应的预测词和当前待解码词的概率，提前设定阈值，若此概率大于预设定的阈值，则使用预测词，否则，使用原输入序列中对应的词代替，得到最终纠错后的中文语音文本。/n