对于做语音识别的人来说,置信度的概念也许既熟悉又陌生。
何为置信度?
比如说你我对话,你讲了一个句话,但我没听清楚或没听懂,你是希望我随便应付一句还是希望我让你再说一遍。
这就是置信度,在机器没有“听清”或“听懂”的情况下,提升用户重新输入。
可以说,识别引擎中加入置信度模块可以大大提高用户体验水平。
下面,简单结束置信度的度量方法以及常用的置信度技术方案。
1. 置信度的度量
(1) CER
(2)Speech EER
FAR = FRR
错误接收率 = 错误拒绝率
FAR = false accept / IN_Right
FRR = false reject / IN_Error + OOV
(3) DET
(4) ROC
(5) Normalized Cross Entropy(NCE)
2. 置信度技术方案
(1)基于预测特征
使用解码过程中的各种特征信息作为输入,训练一个二分类器,依次来判断识别结果的可信度
(2)基于后验概率
LVCSR的WPP方案
(3)utterance verification