论文摘要
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.
论文目录
文章来源
类型: 期刊论文
作者: 秦晨光,王海,任杰,郑杰,袁璐,赵子鑫
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
来源: 计算机研究与发展 2019年12期
年度: 2019
分类: 信息科技
专业: 电信技术,自动化技术
单位: 西北大学信息科学与技术学院,陕西师范大学计算机学院
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)~~
分类号: TP18;TN912.34
页码: 2632-2640
总页数: 9
文件大小: 1679K
下载量: 272