语音识别中基于跨维随机场语言模型的模型插值
计算与语言
2016-08-23 v5 机器学习
机器学习
摘要
主导语言模型（LMs）如n-gram和神经网络（NN）模型以条件概率形式表示句子概率。相比之下，最近引入了一种新的跨维随机场（TRF）语言模型，其将整个句子建模为随机场，并展现出更优性能。本文中，我们考察了TRF模型如何与NN模型进行插值，并通过对数线性组合，在英语和汉语语音识别中分别相对于6-gram LMs获得了12.1%和17.9%的相对错误率降低。
引用
@article{arxiv.1603.09170,
title = {Model Interpolation with Trans-dimensional Random Field Language Models for Speech Recognition},
author = {Bin Wang and Zhijian Ou and Yong He and Akinori Kawamura},
journal= {arXiv preprint arXiv:1603.09170},
year = {2016}
}
备注
three pages, 2 experiment result tables, reporting the WERs on an Englisth dateset and a Chinese dataset