走进语音识别中的WFST（三）

下面这几章讲WFST中的优化操作，包括空转移去除（epsilon removal），确定化操作（determinization），权重推移（weight pushing）和最小化操作（minimization）。本章重点介绍空转移去除和确定化操作。

epsilon removal是用来去除空转移（WFST中输入标签和输出标签都为空时才算）的操作，如果不进行这一步而直接进行determinzation的话也是可以的，因为我们把空符号当作一个regular的符号，但是这样的结果也不是确定的。

我们先来看一下效果图：

首先我们定义一个状态集合叫epsilon closure，它是当前状态通过若干空转移（$\varepsilon :\varepsilon$）可以到达的状态的集合，举个例子，上图（a）的初始状态0状态的epsilon closure就是{1,2}，

然后有了上面的定义我们就找出每个状态的epsilon closure，

然后找出epsilon closure中的每个状态转移到另一个状态不为空的路径，记录它的所有信息，

最后添加新的转移，从源状态到不为空的那个转移所到达的状态，输入输出信息不变，权重相$\bigotimes$，然后把空转移去除掉。

结合上图的例子，0状态的epsilon closure是{1,2}，源状态就是0，对于1状态，它到3状态的转移为c不为空，则新生成的转移就是从0状态到3状态，标签为c，权重为0到1和1到3的权重相加（对tropical半环）；同样对2状态来说，它到4状态的转移为