13、特定领域自动语音识别系统的统计纠错方法与对话管理的奖励塑造

特定领域自动语音识别系统的统计纠错方法与对话管理的奖励塑造

特定领域自动语音识别系统的统计纠错

在自动语音识别（ASR）系统中，错误纠正是提升性能的关键环节。过去10 - 15年里，提出了多种ASR纠错方法，这些方法大多将ASR系统视为黑盒，通过后置处理模块来修正原始转录文本。

半监督语言模型（LM）自适应

半监督LM自适应方法在提升ASR性能方面表现出色。该方法通过使用正确的ASR转录文本来调整LM，从而提高特定领域词汇和词组的识别概率。以下是不同数量自适应转录文本下的字错误率（WER）和相对增益：
| 自适应转录文本数量 | WER [%] | 相对增益 |
| — | — | — |
| 0（基线ASR） | 11.4% | n/a |
| 500 | 6.8% | 40% |
| 1000 | 6.0% | 47% |
| 1500 | 5.4% | 53% |
| 2000 | 4.9% | 57% |

从表格数据可以看出，随着自适应转录文本数量的增加，WER显著降低，相对增益不断提高。这表明半监督LM自适应方法能够有效利用标注数据来优化ASR系统。

半监督LM自适应还具有以下优势：
- 手动修正转录文本中的所有单词的LM概率得到提升。
- 错误识别的单词和词组不会获得LM概率提升。
- 在开发阶段可以检测并恢复许多基线ASR的未登录词（OOV）。

例如，基线ASR系统在开发数据库中缺少315个单词（315个OOV），如“climatologice”（气候学地）、“burniţă”（毛毛雨）等。通过自适应过程