从连续语音中获取词汇表的无监督获取

我们提出了一种无监督学习算法，从原始语音中获取自然语言词汇表。该算法基于MDL框架中符号序列的最优编码，并使用语言的层次表示，克服了许多之前语法诱导程序所面临的难题。从符号序列到语音流的前向映射使用基于语音手势的特征建模。我们present了从原始语音、文本和 phonetic 转录中获取词汇表和语言模型的结果，证明该算法在分段性能和统计效率方面与其他报告结果相当 favorable。