实际场景语料和有限状态网络语料的平衡方法

摘要

本发明是一种实际场景语料和有限状态网络(Finite State Network，FSN)语料的平衡方法。为了训练连续语言识别器的语言模型，必须针对识别器应用领域制作训练语料。语料的来源主要有2部分：一部分是通过整理实际应用场景下录音得到的语料，称为实际场景语料；另一部分是用有限状态网络句法规则方法生成的语料，称为FSN语料。本发明重点研究了这2种语料的平衡方法，提出了以实际场景语料和FSN语料中共有的关键词的概率比较为依据，用一定倍数的部分实际场景语料扩展FSN语料，得到最终语言模型训练语料的方法。用该方法得到的语料训练的语言模型使连续语音识别器的识别性能有了较大提高。