申请/专利权人:南京航空航天大学
申请日:2019-06-25
公开(公告)日:2020-12-25
公开(公告)号:CN112133290A
主分类号:G10L15/05(20130101)
分类号:G10L15/05(20130101);G10L15/14(20060101);G10L15/16(20060101);G10L15/26(20060101);G10L25/24(20130101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.01.12#实质审查的生效;2020.12.25#公开
摘要:本发明公开一种针对民航陆空通话领域的基于迁移学习的语音识别方法。方法包括:收集通用数据集和迁移数据集并做数据处理;初始化神经网络,采用时延神经网络‑隐马尔可夫模型作为声学训练模型;使用通用数据集进行语音识别训练,得到中文语音识别通用声学模型;对所述迁移数据集在通用中文语音识别模型上进行训练并调整参数,得到民航陆空通话领域中文语音识别声学模型;扩充民航领域文本语料,生成语言模型。发明的基于迁移学习的方法能有效利用该领域外的数据,相较于普通声学模型识别效果有很大提高。采用本发明的方法能够解决民航陆空通话领域中文语料不足的问题,提高民航陆空通话的准确性。
主权项:1.一种针对民航陆空通话领域的基于迁移学习的语音识别方法,所述方法包括:收集通用数据集和迁移数据集并做数据处理;初始化神经网络,采用时延神经网络-隐马尔可夫模型作为声学训练模型;使用通用数据集进行语音识别训练,得到中文语音识别通用模型;对所述迁移数据集在通用中文语音识别模型上进行训练并调整参数,得到民航陆空通话领域中文语音识别模型;扩充民航领域文本语料,生成语言模型;
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种针对民航陆空通话领域的基于迁移学习的语音识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。