| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 语音识别技术的发展 | 第10页 |
| 1.3 语言模型研究现状及主要问题 | 第10-11页 |
| 1.4 主要内容和组织结构 | 第11-13页 |
| 第二章 语音识别和语言模型 | 第13-28页 |
| 2.1 语音识别 | 第13-15页 |
| 2.1.1 语音识别概念 | 第13页 |
| 2.1.2 语音识别基本原理 | 第13-15页 |
| 2.1.3 声学建模方法 | 第15页 |
| 2.2 统计语言模型 | 第15-21页 |
| 2.2.1 统计语言模型的概念 | 第15-17页 |
| 2.2.2 统计语言模型的平滑方法 | 第17-19页 |
| 2.2.3 语言模型的评价标准 | 第19-21页 |
| 2.3 长距离信息的描述 | 第21-27页 |
| 2.3.1 TRIGGER语言模型 | 第21-22页 |
| 2.3.2 SKIPPING语言模型 | 第22页 |
| 2.3.3 互信息 | 第22-23页 |
| 2.3.4 词激活力 | 第23-24页 |
| 2.3.5 依存句法分析 | 第24-25页 |
| 2.3.6 神经网络 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 长距离信息的挖掘和提取 | 第28-45页 |
| 3.1 基于依存词对长距离语言模型的直接建模 | 第28-35页 |
| 3.1.1 二元概率的生成 | 第28-31页 |
| 3.1.2 直接构建完整长距离语言模型 | 第31-32页 |
| 3.1.3 归一化处理 | 第32-34页 |
| 3.1.4 长距离语言模型的评价 | 第34-35页 |
| 3.2 基于依存词对长距离语言模型的融合建模 | 第35-37页 |
| 3.2.1 插值融合 | 第35-36页 |
| 3.2.2 加权融合 | 第36-37页 |
| 3.3 词对最优关联度指标的选取 | 第37-39页 |
| 3.4 与其他长距离语言模型的比较 | 第39-41页 |
| 3.5 语音识别实验 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 依存句法分析在后处理中的应用 | 第45-58页 |
| 4.1 语音识别的后处理过程 | 第45-47页 |
| 4.2 LATTICE前向重打分 | 第47-48页 |
| 4.3 基于循环神经网络的重打分 | 第48-49页 |
| 4.4 N-BEST候选的置信度打分 | 第49-57页 |
| 4.4.1 基于依存词对的重打分 | 第54页 |
| 4.4.2 基于依存词对及依存关系下词性搭配的加权联合重打分 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 结论与未来工作展望 | 第58-60页 |
| 5.1 结论 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |