编辑距离与语音识别中WER的计算

最新推荐文章于 2024-06-12 10:03:21 发布

HELLO BUGs

最新推荐文章于 2024-06-12 10:03:21 发布

阅读量1.6k

点赞数 1

分类专栏：语音识别深度学习文章标签：机器学习

本文链接：https://blog.csdn.net/yishujixiaoxiao/article/details/114373775

版权

本文介绍了编辑距离的概念，由Vladimir Levenshtein提出的编辑距离用于衡量两个字符串之间的相似度，涉及插入、删除和替换三种操作。在语音识别中，通过编辑距离计算词错误率（WER），不同的回溯路径可能产生不同的插入、删除和替换错误统计，但不影响最终的WER值。

摘要由CSDN通过智能技术生成

编辑距离（edit distance）

做语音识别算法工程师好几年，最近才弄清楚wer与插入错误，删除错误和替换错误的统计算法，真是惭愧。

编辑距离，又称Levenshtein Distance，是一位俄罗斯的科学家Vladimir Levenshtein 在1965年在1965年提出来的。编辑距离指的是在两个字符串S1和S2 之间，将S1转换为S2所需要的最少编辑操作次数。

字符编辑操作有且仅有三种：

我们将两个字符串 a,b 的编辑距离表示为 $lev_a,_b(i,j)$ ，其中 |a| 和 |b| 分别对应字符串a,b的长度。两个字符串 a,b 的编辑距离即可用如下的数学语言表示：

$lev_a,_b(i,j)$ 是指字符串a的前个字符和字符串b的前个字符之间的编辑距离。这里的 i,j 的上限是 a,b 的长度 |a|,|b| 。注意，字符串的第一个字符的index从 1 开始。

当 min(i,j)=0 ，表示字符串a或者b有一个是空字符串，所以，将a转化成b就需要 max(i,j) 次编辑。

当 $min(a,b)\neq 0$ , 表示a和b都不是空字符串，a和b的编辑距离等于三种情况下编辑距离的最小值。其中，

$lev_a,_b(i-1,j)+1$ 表示插入编辑，（个人理解：从末尾删除一个字符后的 $a_i-_1$ 和的编辑距离只需做一次插入操作就和 $lev_a,_b(i,j)$ 相等）
$lev_a,_b(i,j-1)+1$ 表示删除编辑，
$lev_a,_b(i-1,j-1)$ 且 $a_i\neq b_j$ 表示替换编辑，
$lev_a,_b(i-1,j-1)+1$ 且表示跳过不做编辑

a: "This great machine can recognize speech"

b: “This machine can wreck a nice beach”

1. 首先列一个表格，表格的长度和宽度分别等于|a|+2和|b|+2,行列开头分别填充一个0.

关注

专栏目录