检索结果-南通市图书馆

检索条件"主题词=加噪模型"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

针对语音识别噪声的神经机器翻译鲁棒性方法研究

针对语音识别噪声的神经机器翻译鲁棒性方法研究

引用

作者：王帅博北京交通大学

学位级别：硕士

机器翻译是自然语言处理领域中应用场景尤为广泛的一个研究方向,是利用计算机将一种源语言文本转换成其它语种文本的过程。随着当下深度学习技术的不断进步和互联网数据的不断积累,神经机器翻译技术逐渐发展成为当下主流的翻译方法。区... 详细信息

机器翻译是自然语言处理领域中应用场景尤为广泛的一个研究方向,是利用计算机将一种源语言文本转换成其它语种文本的过程。随着当下深度学习技术的不断进步和互联网数据的不断积累,神经机器翻译技术逐渐发展成为当下主流的翻译方法。区别于传统的机器翻译方法,神经机器翻译借助于深度神经网络架构和大规模的双语训练语料,在文本翻译任务中取得了出色的表现。但由于其依赖的训练语料大多数是高质量无噪声的,当输入文本包含噪声时,将会生成不可预估的译文文本。特别在许多应用场景中,神经机器翻译模型将面临来自语音识别系统的识别结果,输入中包含的语音识别错误(噪声)将会严重影响译文的生成,带来不可预估的影响。为了缓解语音识别噪声输入对神经机器翻译的影响,本文围绕语音识别常见错误中的断句错误和替换错误,重点研究如何从数据增强和改善模型泛化能力角度来提高神经机器翻译模型对语音识别噪声的鲁棒性。本文的主要贡献如下:(1)针对语音识别的断句错误,提出了标点信息检测模块。该模块基于神经机器翻译模型编码器,将文本编码后的高维特征向量输入分类器进行标点符号预测,并联合翻译任务进行共同训练,通过增强编码器对文本标点信息的感知力来提高翻译模型对语音识别断句错误的鲁棒性。(2)进一步地,为了缓解部分语种语音识别语料资源稀缺的问题,本文以微调预训练语言模型构建加噪模型为基础,提出了一种衡量加噪模型加噪能力的收敛指标。该方法通过使用小规模的语音识别语料,即语音参考文本和识别文本,进行微调预训练生成式语言模型,赋予其在干净文本中注入语音识别错误特征的能力,然后通过加噪能力来衡量模型的收敛状况,从而最大化加噪模型在构造伪样本上的表现力,减少微调资源的需求规模。(3)针对语音识别的替换错误,提出了单词声学特征的隐式建模方法。该方法基于语音识别困惑集,从声学角度出发,在训练阶段动态地构建含有语音识别替换错误的伪样本,与干净样本共同前向传播训练,在学习单词语义特征的同时来建模困惑单词间的声学特征,从而提高翻译模型对语音识别替换错误的鲁棒性。在文本翻译任务和语音翻译任务上的实验结果表明,本文提出的方法不仅大幅度地提升了翻译模型在语音识别断句错误和替换错误上的鲁棒性,并且也使翻译模型在干净测试集中的翻译性能得到了提高。

关键词：神经机器翻译语音识别鲁棒性加噪模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：