自动发音错误检测中基于最大化Ｆ１值准则的区分性特征补偿训练算法

fordies1 · 发表于 2021-4-7 09:49

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

摘要：为提高自动发音错误检测性能，提出一种区分性特征补偿训练算法．该方法将高斯后验概率矢量经过线性变换后作为偏移量补偿至传统的谱特征．将经过正确度标注的语音数据库上的发音错误检测Ｆ１值的最大化作为变换参数的训练准则．推导了目标函数对变换参数的偏导数公式，并利用无约束参数优化例程ＬＢＦＧＳ更新变换参数．发音错误检测实验表明该方法能够有效增大训练和测试集的Ｆ１值．并且训练和测试集的精确度、召回率也都有明显提高．在特征优化的基础上进行模型参数训练，检错性能较单独的区分性特征训练、单独的区分性模型训练都有进一步改进．

关键词：自动发音错误检测；Ｆ１值；区分性训练；特征；计算机辅助语言学习

计算机辅助语言学习是利用语音语言技术辅助学生学习语言的技术，自动发音错误检测是其中一个重要形式，其目的在于自动指出说话人的发音错误．近年来，各机构都展开了研究，产生了一系列方法［１～９］．发音错误检测总体上基于语音识别技术，在声学模型的建立方面，尽管研究人员对不同的模型进行了尝试［１，７，８，９］，高斯混合模型隐马尔可夫模型（ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ，ＨＭＭ）仍是常用建模方法，而ＧＯＰ（ＧｏｏｄｎｅｓｓｏｆＰｒｏｎｕｎｃｉａ ｔｉｏｎ）［２］则是描述发音定量得分的经典算法．

附件下载：

游客，如果您要查看本帖隐藏内容请回复

enhgf65 · 发表于 2021-4-7 10:41

精度提高了不少啊

帐号		自动登录	找回密码
密码			注册

[毕业设计] 自动发音错误检测中基于最大化Ｆ１值准则的区分性特征补偿训练算法

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1

[毕业设计] 自动发音错误检测中基于最大化 Ｆ１值准则的 区分性特征补偿训练算法

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1

[毕业设计] 自动发音错误检测中基于最大化Ｆ１值准则的区分性特征补偿训练算法