利用知识图谱对自动语音识别的N最佳列表进行重打分
计算与语言
2017-05-24 v1
摘要
随着基于神经网络的方法的发展，自动语音识别（ASR）领域已经发展到能够构建具有语音接口的应用的程度。尽管有这些进展，构建实时语音识别器面临若干问题，如识别准确率低、领域限制和词汇表外词。低识别准确率问题通过改进声学模型、语言模型、解码器以及在解码器输出处对N最佳列表进行重打分来解决。我们考虑采用N最佳列表重打分方法来提高识别准确率。文献中的大多数方法使用已识别句子中词之间的语法、词汇、句法和语义联系作为重打分的特征。在本文中，我们尝试查看句子中词之间的语义相关性来重打分N最佳列表。语义相关性使用TransE~\cite{bordes2013translating}计算，这是一种知识图谱中三元组低维嵌入的方法。本文的新颖性在于将语义网应用于自动语音识别。
引用
@article{arxiv.1705.08018,
title = {Use of Knowledge Graph in Rescoring the N-Best List in Automatic Speech Recognition},
author = {Ashwini Jaya Kumar and Camilo Morales and Maria-Esther Vidal and Christoph Schmidt and Sören Auer},
journal= {arXiv preprint arXiv:1705.08018},
year = {2017}
}