-
题名基于多任务学习的方言语种识别
被引量：11
- 1
-
-
作者
秦晨光
王海
任杰
郑杰
袁璐
赵子鑫
-
机构
西北大学信息科学与技术学院
陕西师范大学计算机学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2019年第12期2632-2640,共9页
-
基金
国家自然科学基金项目(61572401,61701400)
中央高校基本科研业务费专项资金项目(GK201803063)
陕西省自然科学基础研究计划项目(2019JQ-271)~~
-
文摘
近年来深度学习尤其是神经网络的发展,对语音识别这类复杂的模式分类问题提供了新的解决思路.为加强对我国方言语种的保护工作、提高方言语种识别的准确率以及丰富语音识别的前处理模块,首先采用目前语音识别领域应用最广泛的LSTM模型搭建单任务方言语种识别模型SLNet作为基线系统.其次,针对中国方言的多样性、复杂性特点,基于多任务学习的参数共享机制,通过多任务神经网络模型发现不同语种间的隐含相关特性,提出基于多语种任务的方言语种识别模型MTLNet.进一步根据中国方言的区域特点,采用基于参数硬共享的多任务学习模式,构建基于辅助任务的多任务学习神经网络ATLNet.经实验验证表明:相比于单任务神经网络方言语种识别,MTLNet和ATLNet将识别准确率可提升至80.2%,弥补了单任务模型的单一性和弱泛化性.
-
关键词
方言语种识别
方言区域识别
多任务学习
辅助任务
神经网络
-
Keywords
dialect language recognition
dialect region recognition
multi-task learning
auxiliary tasks
neural networks
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
TP18
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于改进的i-vector 的方言语种识别
- 2
-
-
作者
黄洪设
刘本永
-
机构
贵州大学
-
出处
《通信技术》
2023年第2期156-160,共5页
-
基金
国家自然科学基金项目(60862003)。
-
文摘
经典的i-vector的提取方法利用方言特征在通用背景模型(Universal Background Model,UBM)的统计差异来构建全局差异空间,对方言语种的区分能力较弱。为此,提出了一种基于改进的i-vector的提取算法,利用方言特征在方言相关的高斯混合模型(Gaussian Mixture Model,GMM)上的统计差异来构建全局差异空间,提升i-vector对方言语种的区分能力。首先基于方言相关GMM分别构建全局差异空间;其次拼接各空间中提取到的i-vector并进行主成分分析(Principal Component Analysis,PCA)降维,得到改进的i-vector;最后采用高斯概率线性判别分析(Gaussian Probabilistic Linear Discriminant Analysis,GPLDA)模型进行建模和打分。实验表明,所提算法较经典i-vector算法能更有效地提升对方言语种的识别性能。
-
关键词
方言语种识别
方言相关GMM
全局差异空间
i-vector
-
Keywords
dialect language recognition
dialect-related GMM
global variability space
i-vector
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于CNN-BiGRU的方言语种识别
被引量：2
- 3
-
-
作者
付英
刘增力
汤辉
-
机构
昆明理工大学
江西省科技基础条件平台中心
-
出处
《通信技术》
2022年第6期712-719,共8页
-
基金
国家自然科学基金项目(61271007)。
-
文摘
针对方言特征表征能力差和识别率低的问题,兼顾特征提取和模型改进两方面对不同时长的方言语种数据进行实验仿真。首先,通过对比不同的特征提取算法,确定模型的最佳输入特征;其次,使用焦点损失代替交叉熵损失函数,对不均衡和相似度高的方言语种分配不同的权重,经实验仿真确定最优参数使模型性能达到最佳;再次,对比不同的模型在不同时长方言语种中的识别性能,实验结果显示,与基线系统相比,提出的改进模型平均识别率提升了4.09%;最后,采用语音增强方式提高模型的泛化能力和鲁棒性。
-
关键词
方言语种识别
焦点损失
模型改进
语音增强
-
Keywords
dialect language recognition
focal loss
model improvement
speech enhancement
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
