基于后偏置替换的稀有词语音识别训练方法与系统
知识产权简介
本发明提供一种基于后偏置子词单位替换的端到端语音识别训练方法,这一训练方法重点关注上下文相关的热词识别,尤其是稀有词识别。包括:对任意语料,根据训练文本标注的子词划分分布生成替换概率矩阵;提高预先定义的热词表所对应的矩阵元素概率,构成偏好于稀有词识别的含偏替换概率矩阵;对于任意端到端语音识别模型,将含偏替换概率矩阵集成到模型后端,并通过全连接网络生成识别结果。本发明通过使用偏好于稀有词识别结果的子词单位替换策略,引导端到端模型在语音识别的解码过程中选择包含稀有词的次优路径,有效提升语音识别模型对重要实词的识别性能,对诸如语义理解、情感推理等下游任务具有重要意义。此外,该项发明具有轻量级的特点,以较小的存储和计算成本代价提升模型性能。