论文部分内容阅读
限定领域的语言模型训练语料的搜集需要耗费大量的人力物力，如果语料搜集不充分，往往会造成数据稀疏的问题。解决该问题的方法有两种：1、采用数据平滑算法，降低模型的困惑度；2、对训练语料进行扩展。探索了对语言模型的训练语料进行半自动扩展的方法。该方法通过计算互信息将非限定领域的大规模语料分成若干词类，生成大词类表；再将该表中领域相关的词类提取出来，进行手动删减之后用于对限定领域的语言模型进行参数估计。实验表明，将该方法用于语音识别系统，能有效缩短语言模型训练语料的搜集时间，提高系统的识别率。