《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 模擬設(shè)計(jì) > 設(shè)計(jì)應(yīng)用 > 一種語(yǔ)音識(shí)別中核心詞快速模型優(yōu)化方法
一種語(yǔ)音識(shí)別中核心詞快速模型優(yōu)化方法
2019年電子技術(shù)應(yīng)用第2期
楊 維,,張才俊,馬永波
國(guó)家電網(wǎng)客服中心 信息技術(shù)部,,天津300000
摘要: 針對(duì)國(guó)網(wǎng)客服電話語(yǔ)音識(shí)別在特定領(lǐng)域核心詞識(shí)別效果差的問(wèn)題,,提出一種基于HCLG領(lǐng)域詞權(quán)重增強(qiáng)和領(lǐng)域詞糾正的方法,能夠?qū)崟r(shí)并快速地添加領(lǐng)域詞,,從而動(dòng)態(tài)地優(yōu)化語(yǔ)言模型,,提升語(yǔ)音識(shí)別效果,。將該模型和算法優(yōu)化應(yīng)用在國(guó)網(wǎng)客服中心電話語(yǔ)音的咨詢、維修,、投訴等各種領(lǐng)域場(chǎng)景中,,其語(yǔ)音識(shí)別結(jié)果都得到大幅改善。
關(guān)鍵詞: 語(yǔ)音識(shí)別 HCLG
中圖分類(lèi)號(hào): TP183
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.182304
中文引用格式: 楊維,,張才俊,,馬永波. 一種語(yǔ)音識(shí)別中核心詞快速模型優(yōu)化方法[J].電子技術(shù)應(yīng)用,2019,,45(2):9-11.
英文引用格式: Yang Wei ,,Zhang Caijun,Ma Yongbo. Domain word recognition enhancement method in speech recognition[J]. Application of Electronic Technique,,2019,,45(2):9-11.
Domain word recognition enhancement method in speech recognition
Yang Wei,Zhang Caijun,,Ma Yongbo
IT Department,,State Grid Customer Service Center,Tianjin 300000,,China
Abstract: Aiming at the problem that the national network customer telephone voice recognition has poor recognition of core words in specific fields, this paper proposes a method based on HCLG domain weight enhancement and domain word correction, which can add domain words in real time and quickly, to dynamically optimize the language model and improve speech recognition. The model and algorithm are optimized in the various fields of the telephone voice consultation, maintenance, complaints, etc. of the State Grid Customer Service Center. The speech recognition results have been greatly improved.
Key words : speech recognition,;HCLG

0 引言

    近年來(lái),隨著語(yǔ)音識(shí)別技術(shù)的逐步成熟,,語(yǔ)音識(shí)別技術(shù)被應(yīng)用到越來(lái)越多的場(chǎng)景中,。國(guó)家電網(wǎng)客服中心成立人工智能中心,并深入研究語(yǔ)音識(shí)別核心技術(shù)以及語(yǔ)音在智能客服系統(tǒng)中的應(yīng)用,。當(dāng)前國(guó)網(wǎng)語(yǔ)音系統(tǒng)面臨的一個(gè)非常關(guān)鍵的問(wèn)題就是通用語(yǔ)音識(shí)別,,在文本語(yǔ)料能夠覆蓋的通用場(chǎng)景識(shí)別中,如查天氣,、問(wèn)車(chē)票等,,識(shí)別率很高。但是,,在國(guó)網(wǎng)客服電話語(yǔ)音中,,面臨大量國(guó)網(wǎng)業(yè)務(wù)特有的核心詞匯和說(shuō)法,如專有名詞“電線桿,、高壓鐵塔,、絕緣子、金具,、瓷瓶,、拉線”等,由于其屬于特定領(lǐng)域,通用的領(lǐng)域語(yǔ)言模型很難正確識(shí)別,。因此,,如何在保證通用領(lǐng)域高識(shí)別率的同時(shí),能夠快速通過(guò)模型訓(xùn)練和優(yōu)化來(lái)提升新領(lǐng)域,、新核心詞的識(shí)別率,,就尤為關(guān)鍵。

    目前,,對(duì)于領(lǐng)域詞增強(qiáng)的方法主要是通過(guò)優(yōu)化語(yǔ)言模型來(lái)解決,,包括兩個(gè)方法:(1)領(lǐng)域語(yǔ)料獲取,即在相關(guān)領(lǐng)域通過(guò)收集大量的文本語(yǔ)料,,訓(xùn)練領(lǐng)域相關(guān)的語(yǔ)言模型,,以達(dá)到對(duì)領(lǐng)域詞準(zhǔn)確的識(shí)別;(2)分類(lèi)語(yǔ)言模型[1],,即領(lǐng)域詞為某一類(lèi)別詞,,通過(guò)類(lèi)別替換獲取類(lèi)別的領(lǐng)域語(yǔ)料,訓(xùn)練得到類(lèi)別語(yǔ)言模型,,進(jìn)而實(shí)現(xiàn)對(duì)領(lǐng)域詞的識(shí)別,。

    但是,在實(shí)際應(yīng)用場(chǎng)景中面臨3個(gè)問(wèn)題:(1)領(lǐng)域文本語(yǔ)料很難獲取和收集,,并且也無(wú)法覆蓋所有領(lǐng)域的詞,,很難訓(xùn)練獲得一個(gè)比較好的領(lǐng)域語(yǔ)言模型;(2)目前使用較多解決領(lǐng)域詞識(shí)別的是基于類(lèi)的語(yǔ)言模型,,然而這種模型需要提前定義詞類(lèi),,相對(duì)復(fù)雜,對(duì)那些不屬于任何一類(lèi)的詞不好建模,。領(lǐng)域詞具有多樣性,,無(wú)法用類(lèi)別代替,如國(guó)網(wǎng)業(yè)務(wù)詞和專業(yè)詞種類(lèi)較多,;(3)領(lǐng)域詞具有實(shí)時(shí)性且不斷擴(kuò)充,,模型完全重新訓(xùn)練到上線應(yīng)用會(huì)有一定的滯后,不能實(shí)時(shí)生效,。

    為了解決語(yǔ)音識(shí)別中領(lǐng)域詞的多樣性和實(shí)時(shí)性,,本文設(shè)計(jì)了一種基于HCLG領(lǐng)域詞權(quán)重增強(qiáng)來(lái)優(yōu)化語(yǔ)言模型的方法,并重構(gòu)語(yǔ)音識(shí)別解碼流程,,如圖1所示,。首先獲取領(lǐng)域內(nèi)領(lǐng)域詞,并對(duì)領(lǐng)域詞進(jìn)行發(fā)音標(biāo)注,;然后對(duì)HCLG中對(duì)應(yīng)領(lǐng)域詞進(jìn)行權(quán)重增強(qiáng),,使得解碼過(guò)程在盡量不影響性能的前提下保證領(lǐng)域詞的識(shí)別;接著,對(duì)語(yǔ)音識(shí)別的結(jié)果進(jìn)行后處理,,即領(lǐng)域詞的檢查和替換。本文的方法只依賴領(lǐng)域詞表,,可以實(shí)時(shí)添加和擴(kuò)充,,并實(shí)時(shí)生效。

rgzn3-t1.gif

1 HCLG領(lǐng)域詞權(quán)重增強(qiáng)

1.1 HCLG

    在大規(guī)模連續(xù)語(yǔ)音識(shí)別中,,解碼過(guò)程一般采用加權(quán)有限狀態(tài)轉(zhuǎn)換器(Weighter Finite State Transducer,,WFST)[2],因此以WFST為框架的大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)被廣泛應(yīng)用,。語(yǔ)音識(shí)別的解碼過(guò)程可以分為語(yǔ)言模型,、發(fā)音詞典規(guī)律、上下文相關(guān)和隱馬爾可夫模型等限制下,,尋找一個(gè)最有可能的文本序列的過(guò)程,。

    語(yǔ)音識(shí)別解碼器是在給定輸入特征序列下尋找最優(yōu)的文本次序,尋找次序的過(guò)程其實(shí)就是在HCLG圖上檢索的過(guò)程,。關(guān)于HCLG:G表示語(yǔ)言模型,,用來(lái)解碼語(yǔ)法;L是發(fā)音詞典,,輸入是音素,,輸出是詞;C表示音素上下文關(guān)系,;H是隱馬爾可夫模型,,表示相似狀態(tài)之間的跳轉(zhuǎn)狀態(tài)。

1.2 領(lǐng)域詞權(quán)重增強(qiáng)

    上文中介紹了HCLG的結(jié)構(gòu),,在本小節(jié)中,,將詳細(xì)描述如何通過(guò)修改HCLG的權(quán)重來(lái)增強(qiáng)領(lǐng)域詞的識(shí)別效果。本文的修改只是對(duì)HCLG中的G語(yǔ)言模型進(jìn)行修改,,可以將HCLG簡(jiǎn)化表示如圖2所示,。

rgzn3-t2.gif

    本文提出的在HCLG中對(duì)領(lǐng)域詞進(jìn)行增強(qiáng)主要是通過(guò)構(gòu)造領(lǐng)域詞狀態(tài)轉(zhuǎn)移圖(下文中用S.FST表示),然后將S.FST與現(xiàn)有的HCLG進(jìn)行合并生成HCLGS,。本方法能夠通過(guò)自定義S.FST中詞的權(quán)重,,增強(qiáng)HCLG中對(duì)應(yīng)詞的權(quán)重,同時(shí)可以共享HCLG中原有詞的權(quán)重,,保證了領(lǐng)域詞的識(shí)別,。

    (1)生成領(lǐng)域詞S.FST

    假設(shè)領(lǐng)域詞為“國(guó)家智能電網(wǎng)”,可以將領(lǐng)域詞拆分為已有詞表詞的組合,,即:“國(guó)家”,、“智能”、“電網(wǎng)”。根據(jù)領(lǐng)域詞可以生成對(duì)應(yīng)的S.FST,,如圖3所示,。

rgzn3-t3.gif

    (2)生成HCLGS

    根據(jù)上個(gè)模塊生成的S.FST,將S.FST與HCLG進(jìn)行合并,,如圖4所示,。合并操作即將原S.FST中的邊合并到HCLG對(duì)應(yīng)的邊上,在本文例子中即將“國(guó)家”和“智能”連接,,對(duì)應(yīng)的權(quán)重為用戶自定義,。

rgzn3-t4.gif

2 領(lǐng)域詞糾正

    上小節(jié)中,在HCLG中對(duì)領(lǐng)域詞的權(quán)重進(jìn)行增強(qiáng),,增加了解碼階段領(lǐng)域詞出現(xiàn)的概率,。但是,由于要保證語(yǔ)音識(shí)別結(jié)果的正確性,,不能對(duì)在HCLG中對(duì)領(lǐng)域詞增加過(guò)大的權(quán)重,,以免影響整體解碼的效果,因此需要對(duì)解碼后的結(jié)果進(jìn)行領(lǐng)域詞增強(qiáng),。在解碼過(guò)程中,,解碼識(shí)別錯(cuò)誤的領(lǐng)域詞往往是由于發(fā)音相似但是字形不對(duì)而導(dǎo)致的,因此,,后處理的過(guò)程需要匹配到相似發(fā)音的領(lǐng)域詞,,從而進(jìn)行替換。為了替換的準(zhǔn)確性,,本文以音素為基本單位進(jìn)行領(lǐng)域詞的替換,。后處理主要涉及兩部分:領(lǐng)域詞檢索和發(fā)音相似度度量。

    在語(yǔ)音識(shí)別過(guò)程中,,解碼的效率往往在實(shí)際應(yīng)用中比較重要,,因此需要設(shè)計(jì)一種快速的領(lǐng)域詞查找的方法,實(shí)現(xiàn)高效的領(lǐng)域詞替換,。本文提出一種基于音素樹(shù)的領(lǐng)域詞快速查找方法,。

2.1 音素檢索樹(shù)

    字典樹(shù),又稱Trie樹(shù),、前綴樹(shù),,是一種樹(shù)形結(jié)構(gòu),是哈希樹(shù)的變種,,是一種用于快速檢索的多叉樹(shù)結(jié)構(gòu),。典型應(yīng)用是用于統(tǒng)計(jì)和排序大量的字符串(但不僅限于字符串)[3],所以經(jīng)常被搜索引擎系統(tǒng)用于文本詞頻統(tǒng)計(jì),。它能最大限度地減少無(wú)謂的字符串比較,,查詢效率比哈希表高,。本文的音素串查找可以看作是字符串查找,即檢索相同的音素串,,因此可以利用字典樹(shù)建立音素檢索樹(shù),,從而進(jìn)行音素的匹配查找。

    首先,,需要將領(lǐng)域詞轉(zhuǎn)換為音素串,,如“電網(wǎng)、斷線”轉(zhuǎn)換為音素串則為“d ian1,,w ang3;d uan1,,x ian4”,,將領(lǐng)域詞轉(zhuǎn)換為領(lǐng)域詞音素串列表,從而轉(zhuǎn)換為對(duì)應(yīng)的音素前綴樹(shù),,如圖5所示,。

rgzn3-t5.gif

    在圖2中,一個(gè)單字由兩個(gè)節(jié)點(diǎn)表示,,在有漢字表征的節(jié)點(diǎn)可以看作一個(gè)字或詞的結(jié)束節(jié)點(diǎn),,如節(jié)點(diǎn)“ian2 電”表征這個(gè)節(jié)點(diǎn)是字的結(jié)束節(jié)點(diǎn),節(jié)點(diǎn)“ang2電網(wǎng)”表征這個(gè)節(jié)點(diǎn)是詞的結(jié)束節(jié)點(diǎn),。即在字典樹(shù)種,,每個(gè)音素標(biāo)注一個(gè)節(jié)點(diǎn),每個(gè)字或詞表征一個(gè)因素的路徑,,并記錄在路徑的結(jié)束節(jié)點(diǎn),。

2.2 音素檢索

    上一節(jié)定義和建立了音素檢索樹(shù),本模塊描述音素樹(shù)的檢索和替換過(guò)程主要分兩種情況:精確匹配和模糊匹配,。

    精確匹配為字典樹(shù)的檢索過(guò)程,,直接進(jìn)行字符串匹配,如果匹配到對(duì)應(yīng)字或詞的節(jié)點(diǎn),,即表明查找到對(duì)應(yīng)的音素出串,,如輸入音素樹(shù)“h ao3 b a1”(對(duì)應(yīng)漢字為“號(hào)吧”),則匹配到”h ao3”,字符串中存在相似的發(fā)音,,則替換為“好吧”,。具體字典樹(shù)的檢索算法:

    (1)總是在字典樹(shù)的根節(jié)點(diǎn)開(kāi)始,且對(duì)樹(shù)的根節(jié)點(diǎn)為空,。

    (2)掃描第一層各個(gè)節(jié)點(diǎn)獲得查找音素的節(jié)點(diǎn),,并根據(jù)序列的下一個(gè)音素選擇對(duì)應(yīng)的字?jǐn)?shù)并轉(zhuǎn)到該子樹(shù)繼續(xù)檢索所在層的各個(gè)節(jié)點(diǎn),如果查找到葉子節(jié)點(diǎn),,則轉(zhuǎn)到步驟(3),;否則,,繼續(xù)選擇對(duì)應(yīng)的子樹(shù)搜索。

    (3)匹配到葉子節(jié)點(diǎn),,則獲取葉子節(jié)點(diǎn)上次數(shù),,即完成匹配;若未匹配到葉子節(jié)點(diǎn),,則向上追溯最近的字或詞節(jié)點(diǎn),,匹配成功;若未匹配到任何字或詞節(jié)點(diǎn),,則匹配失敗,。

    對(duì)于模糊匹配,要考慮到發(fā)音相似的音素串匹配,,比如業(yè)務(wù)詞“電網(wǎng)“對(duì)應(yīng)的發(fā)音音素為”d ian1 w ang3”,,但是在語(yǔ)音識(shí)別的過(guò)程中,可能聲學(xué)模型會(huì)輸出“d ian1 w ang4”,對(duì)應(yīng)的音調(diào)發(fā)生問(wèn)題,,但是其對(duì)應(yīng)的還是業(yè)務(wù)詞“電網(wǎng)”,。因此,在這種情況下,,要考慮發(fā)音相似的情況,。本文只考慮到音調(diào)的相似度,根據(jù)經(jīng)驗(yàn)可得,,對(duì)于聲調(diào)3聲和4聲可認(rèn)為為同一種音素,。在檢索時(shí),當(dāng)匹配音素節(jié)點(diǎn)時(shí),,相同音素且不同聲調(diào)的,,可認(rèn)為為同一種發(fā)音,即匹配節(jié)點(diǎn)成功,。當(dāng)然,,可以設(shè)計(jì)更為復(fù)雜的相似度算法進(jìn)行檢索,本文目前沒(méi)有深入設(shè)計(jì),。

3 實(shí)驗(yàn)

    本文實(shí)驗(yàn)基于國(guó)網(wǎng)客服人工智能中心和清華大學(xué)語(yǔ)音語(yǔ)義實(shí)驗(yàn)室聯(lián)合研發(fā)的語(yǔ)音識(shí)別系統(tǒng),,其中聲學(xué)模型是由100h的863開(kāi)放語(yǔ)音數(shù)據(jù)[4]和Kaldi[5]的DNN訓(xùn)練工具訓(xùn)練所得。實(shí)驗(yàn)中具體參數(shù):語(yǔ)音特征維度為39維特,,音素集使用中文的拼音,。對(duì)于語(yǔ)言模型,本文采用srilm[6]工具和新聞數(shù)據(jù)sogouT[7]進(jìn)行訓(xùn)練得到一個(gè)領(lǐng)域通用的語(yǔ)言模型,,并基于國(guó)網(wǎng)客服電話語(yǔ)音特定領(lǐng)域詞進(jìn)一步訓(xùn)練優(yōu)化,。

    在測(cè)試時(shí),選取國(guó)網(wǎng)客服各領(lǐng)域核心詞匯列表(如“應(yīng)急電壓,、應(yīng)急電源”等),,進(jìn)行了4組實(shí)驗(yàn):(1)直接使用語(yǔ)音識(shí)別系統(tǒng)進(jìn)行識(shí)別,;(2)將地名詞進(jìn)行HCLG加強(qiáng),進(jìn)行語(yǔ)音識(shí)別,;(3)將地名詞進(jìn)行語(yǔ)音識(shí)別后糾正,;(4)使用HCLG增強(qiáng)和識(shí)別后糾正。具體實(shí)驗(yàn)結(jié)果如表1所示,。

rgzn3-b1.gif

    通過(guò)實(shí)驗(yàn)可以看出,,基于HCLG增強(qiáng)的模型優(yōu)化和基于后處理的核心詞糾正都能顯著提高領(lǐng)域詞的識(shí)別效果,相對(duì)錯(cuò)誤率下降(11.54-8.18)/11.54=29.1%,。

4 結(jié)論

    本文提出了一種針對(duì)不同領(lǐng)域核心詞的模型優(yōu)化方法,,通過(guò)對(duì)HCLG的增強(qiáng)以及識(shí)別后處理優(yōu)化,該方法能夠快速全面地提高領(lǐng)域詞的識(shí)別準(zhǔn)確率,。這種方法能夠快速且實(shí)時(shí)地增加領(lǐng)域詞,,以適應(yīng)語(yǔ)音識(shí)別在不同領(lǐng)域場(chǎng)景的使用。同時(shí),,該方法克服了之前限定類(lèi)別領(lǐng)域詞識(shí)別的限制,可以更加靈活地添加領(lǐng)域詞,,減少了領(lǐng)域詞添加的復(fù)雜性,。本文提出的領(lǐng)域詞增強(qiáng)的方法可成功解決國(guó)網(wǎng)客服的電話語(yǔ)音的核心詞識(shí)別優(yōu)化問(wèn)題。

參考文獻(xiàn)

[1] 楊林國(guó).詞類(lèi)擴(kuò)充方法在語(yǔ)音識(shí)別中的應(yīng)用[J].電子技術(shù)應(yīng)用,,2014,,40(6):123-125.

[2] MOHRI M,PEREIRA F,,RILEY M.Weighted finite-state transducers in speech recognition[J].Computer Speech & Language,,2002,16(1):69-88.

[3] 孫芳媛.基于倒排索引和字典樹(shù)的站內(nèi)搜索引擎的設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱:哈爾濱工業(yè)大學(xué),,2016.

[4] 李?lèi)?ài)軍,,王天慶,殷治綱.863語(yǔ)音識(shí)別語(yǔ)音語(yǔ)料庫(kù)RASC863——四大方言普通話語(yǔ)音庫(kù)[C].第七屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議(NCMMSC7)論文集,,2003:274-277.

[5] POVEY D,,GHOSHAL A,BOULIANNE G,,et al.The Kaldi speech recognition toolkit[C].IEEE 2011 Workshop on Automatic Speech Recognition and Understanding.IEEE Signal Processing Society,,2011.

[6] STOLCKE A.SRILM-an extensible language modeling toolkit[C].Seventh International Conference on Spoken Language Processing,2002.

[7] Liu Yiqun,,Chen Fei,,Kong Weize,et al.Identifying Web spam with the wisdom of the crowds[J].ACM Transaction on the Web,,2012,,6(1):1-30.



作者信息:

楊  維,,張才俊,馬永波

(國(guó)家電網(wǎng)客服中心 信息技術(shù)部,,天津300000)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載。