统计语言模型应用与研究

摘要

本文结合了在语音识别系统中的实际应用来研究统计语言模型的原理与实现问题。探讨了统计语言模型中数据稀疏问题的解决，并尝试结合语法规则来改善传统的统计语言模型。
　　本文主要包括以下内容:(1)介绍统计语言模型的原理与实现;(2)针对数据稀疏问题，分析了当前主流的平滑算法，并讨论了基于困惑度的语言模型评价准则(3)结合语法规则，提出替代词和连接词的策略来改善传统的统计语言模型;(4)简述了连续语音识别系统的框架，分析其中统计语言模型担当的作用。

目录

摘要

第一章 绪论

1．1 自然语言处理与语言模型

1．2 语言模型应用

1．3 统计语言模型的现状与难点

第二章 语言模型原理与实现

2．1 基于规则的语言模型

2．2 统计语言模型和平滑算法

2．3 语言模型的评价准则

2．4 其他语言模型

第三章 对统计语言模型的改进工作

3．1 替代词策略

3．2 连接词策略

第四章 语言模型在连续语音识别中的应用

4．1 连续语音识别系统的基本框架

4．2 前端处理

4．3 声学模型

4．4 语言模型

第五章 测试与实验结果

5．1 几种常见平滑算法比较实验结果

5．2 结合替代词和相关词策略的实验结果

第六章 总结与展望

参考文献

致谢

声明