汉语连续语音识别中关键词可信度的贝叶斯估计

在一个基于经典隐马尔可夫模型（Hidden Markov Model,HMM）的汉语全音节、非特定人、连续语音识别系统中,利用声学层分数和基于拼音的统计语言模型分数,对关键词的可信度进行贝叶斯估计。本文提出了最大后验（Maximum APosteriori,MAP）可信测度,给出了计算 MAP可信度分数的前向后向算法。并且在关键词捕捉应用中评价了 MAP可信测度的性能,实验表明MAP可信度分数对关键词候选具有很强的鉴别能力。此外,MAP可信测度可以广泛地应用于各种语音识别应用中。