用于 NIST 2015 i-Vector 机器学习挑战赛的 KU-ISPL 语言识别系统
声音
2016-09-22 v1 计算与语言
摘要
在语言识别中，拒绝/区分相近语言与声学上相距较远的语言的任务仍然是一个主要挑战。对于易混淆的相近语言，系统需要更长的输入测试时长材料以获得足够的信息来区分语言。另一方面，如果语言是独特的且在声学/语言学上与其他语言不相似，时长并不是一个充分的补救措施。此处的解决方案是基于语言识别 i-Vector 机器学习挑战赛 2015（LRiMLC15）数据库，探索近/远语言的时长分布分析。利用这些知识，我们提出了一种基于似然比的融合方法，该方法同时利用了分数和时长信息。实验结果表明，使用时长和分数融合在 LRiMLC15 代价上将语言识别性能相对提高了 5%。
引用
@article{arxiv.1609.06404,
title = {KU-ISPL Language Recognition System for NIST 2015 i-Vector Machine Learning Challenge},
author = {Suwon Shon and Seongkyu Mun and John H. L. Hansen and Hanseok Ko},
journal= {arXiv preprint arXiv:1609.06404},
year = {2016}
}