Kaldi决策树状态绑定学习笔记（二）

建议在csdn资源页中免费下载该学习笔记的PDF版进行阅读：）点击进入下载页面

Kaldi决策树状态绑定学习笔记（二）

——如何自动生成问题集？

　　Kaldi决策树中使用的问题集并不是手工设计的，而是通过之前得到的统计量自动生成的。那么在Kaldi中是如何自动生成问题的？这就是本次笔记的主要内容。
　　在这个笔记中，我会首先介绍自动生成问题集所用到的主程序cluster-phones和主函数AutomaticallyObtainQuestions()，然后会穿插着介绍主函数用到的核心函数和完成具体工作的一些C++对象。最后再讲解程序compile-question。

　　建议学习Kaldi官方文档《Decision tree internals》的Classes and functions involved in tree-building部分，《How decision trees are used in Kaldi》的The tree building process部分。
　　若对似然这些名词和对应的公式感觉陌生，请参考论文《Tree-Based State Tying For High Accuracy Acoustic Modelling》S.J.Young的第三部分Tree-BasedClustering。
　　目录

cluster-phones

• 作用：Cluster phones (or sets of phones) into sets for various purpose. 对多个音素或多个音素集进行聚类。
• 输入：决策树相关统计量treeacc，多个音素集sets.int
• 输出：自动生成的问题集（每个问题由多个音素组成）
• 示例：

cluster-phones $context_opts $dir/treeacc $lang/phones/sets.int \
    $dir/questions.int

• 过程：
  
  1. 从treeacc中读取统计量到BuildTreeStatsType stats；读取vector pdf_class_list，该变量指定所考虑的HMM状态，默认为1，也就是只考虑三状态HMM的中间状态；从sets.int读取vector > phone_sets；默认的三音素参数N=3，P=1。
  2. 若指定的mode为questions，调用AutomaticallyObtainQuestions()自动生成问题集vector > phone_sets_out；若指定的model为k-means，调用KMeansClusterPhones()。此笔记只涉及questions模式。
  3. 将上述函数自动生成的phone_sets_out写到questions.int。
• 文件说明：
  下面以我们实验室所用的sets.int和sets.txt为例，来对sets.int文件有一个直观的感受：（左边是sets.txt，右边是sets.int，两图第一列均为行号）
  

AutomaticallyObtainQuestions()

void AutomaticallyObtainQuestions(
BuildTreeStatsType &stats,
                         const std::vector<std::vector<int32> > &phone_sets_in,
                         const std::vector<int32> &all_pdf_classes_in,
                         int32 P,
                         std::vector<std::vector<int32> > *questions_out
)

• 主要功能：AutomaticallyObtainQuestions()通过对音素自动进行聚类，从而获取问题集；它把音素聚类成一棵树，并且对树中的每一个结点，把从该结点可以到达的所有叶子结点合在一起构成一个问题（该树的一个叶子结点保存着一些音素，一个问题就是一个音素的集合）。（官方文档《Decision tree internals》的Classes and functions involved in tree-building中的Top-level tree-building functions部分如是说）。初看到这段描述可能并不是很清楚到底怎么一回事，在看明白代码之后就会明白这句话讲了什么。

分块解析：
（在下面我会把不重要的代码删掉，比如错误检测代码，只留下主要部分）

• 读取sets.int中的所有音素，保存在phones中。phone_sets_in由sets.int得到。

  std::vector<std::vector<int32> > phone_sets(phone_sets_in);
  std::vector<int32> phones;
  for (size_t i =