面向个性化语言模型的高效动态 WFST 解码
计算与语言
2019-10-24 v1 机器学习
摘要
我们提出一种两层缓存机制，以加速采用个性化语言模型的动态 WFST 解码。第一层是公共缓存，存储图中大部分的静态部分，由所有用户全局共享。第二层是私有缓存，缓存表示个性化语言模型的图，仅由特定用户的语音共享。我们还提出两种简单而有效的预初始化方法，一种基于广度优先搜索，另一种基于利用先前语音对解码器状态的数据驱动探索。在采用个性化联系人列表的呼叫语音识别任务上的实验表明，与无预初始化解码相比，所提公共缓存将解码时间减少了三分之二。使用私有缓存带来额外的效率提升，将解码时间减少到五分之一。
引用
@article{arxiv.1910.10670,
title = {Efficient Dynamic WFST Decoding for Personalized Language Models},
author = {Jun Liu and Jiedan Zhu and Vishal Kathuria and Fuchun Peng},
journal= {arXiv preprint arXiv:1910.10670},
year = {2019}
}
备注
5 pages, 4 figures