Print

基于多任务学习的方言语种识别

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

  • 1 相关工作
  • 2 单任务方言语种识别模型
  •   2.1 特征处理
  •   2.2 单任务LSTM网络模型
  •     2.2.1 单任务方言语种识别模型
  •     2.2.2 SLNet模型优化
  • 3 2种多任务方言语种识别模型
  •   3.1 多语种任务方言语种识别
  •   3.2 区域辅助任务方言语种识别
  • 4 实验分析
  •   4.1 单任务语种识别模型性能分析
  •   4.2 多任务语种识别模型性能分析
  •     4.2.1 多语种任务模型性能分析
  •     4.2.2 区域辅助任务方言语种识别性能分析
  • 5 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/3e1db7349a50eb3512c62b12.html