题目:NEURAL NETWORK BASED LANGUAGE MODELS FOR HIGHLY INFLECTIVE LANGUAGES
作者:Mikolov
发表于:ICASSP 2009
主要内容:
用神经网络训练Ngram模型概率,并融合到ngram n-best后处理任务中,取得语音识别准确率提升。看这篇文章的动机是因为上一篇文章“Efficient Estimation of Word Representations in Vector Space_google2013”引用了他。
这篇文章的神经网络就是普通的BP网络,用V(词表大小)的向量来表示一个词,即只有当前词索引的位置为1,其余均为0。用这样的神经网络来训练Ngram概率。网络结构如下:
作者在训练过程中,对于低频词进行合并,当做是一个词语进行训练(如:出现次数小于5的词),这样有效减少了词表大小,降低训练复杂度,提升速度。
训练好神经网络之后,与ngram模型相结合:用ngram模型先算出n-best结果,然后用神经网络进行后处理打分。实验显示,效果有所提升。