用于特征丰富音素识别的判别式分段级联模型
计算与语言
2016-08-05 v2
摘要
判别式分段模型，如分段条件随机场（SCRF）和分段结构化支持向量机（SSVM），在语音识别中通过格点重打分和第一遍解码均取得了成功。然而，这类模型解码速度慢，阻碍了计算代价高昂的特征的使用，例如分段神经网络或其他高阶特征。典型的解决方案是使用近似解码，要么在单遍解码中使用束剪枝，要么通过束剪枝生成格点后再进行第二遍解码。在这项工作中，我们研究了使用铰链损失（即分段结构化SVM）训练的判别式分段模型。我们表明，尽管当模型已经训练好时，束搜索能提供良好的近似解码性能，但它并不适合在此方法中学习重打分模型。相反，我们考虑了一种受结构化预测级联启发的方法，该方法使用最大边际剪枝来生成格点。我们利用几种代价高昂的特征类型：分段神经网络、二阶语言模型和二阶音素边界特征，获得了一个高精度的音素识别系统。
引用
@article{arxiv.1507.06073,
title = {Discriminative Segmental Cascades for Feature-Rich Phone Recognition},
author = {Hao Tang and Weiran Wang and Kevin Gimpel and Karen Livescu},
journal= {arXiv preprint arXiv:1507.06073},
year = {2016}
}