| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究的目的和意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状 | 第10-12页 |
| 1.3 主要研究内容及组织结构 | 第12-14页 |
| 第2章 统计语言模型理论及重排序算法 | 第14-23页 |
| 2.1 统计语言模型 | 第14-19页 |
| 2.1.1 N-gram 模型 | 第14-16页 |
| 2.1.2 平滑算法 | 第16-19页 |
| 2.1.3 统计语言模型的评估 | 第19页 |
| 2.2 语言模型输出重排序算法 | 第19-22页 |
| 2.2.1 感知器算法 | 第20-21页 |
| 2.2.2 Boosting 算法 | 第21页 |
| 2.2.3 排序 SVM 算法 | 第21-22页 |
| 2.2.4 最小抽样错误算法 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 统计语言模型的建立 | 第23-35页 |
| 3.1 语料库的建立 | 第23-28页 |
| 3.1.1 语料库基础 | 第23-24页 |
| 3.1.2 语料库的设计原则 | 第24页 |
| 3.1.3 语料库的建设 | 第24-28页 |
| 3.2 语言模型训练 | 第28-30页 |
| 3.3 实验结果 | 第30-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于 MERT 的语言模型输出重排序算法 | 第35-42页 |
| 4.1 最小错误率训练法 | 第35-37页 |
| 4.2 特征子模型 | 第37-40页 |
| 4.2.1 词性标注模型 | 第37-39页 |
| 4.2.2 词性 N 元模型 | 第39-40页 |
| 4.2.3 词性-词共现模型 | 第40页 |
| 4.3 语言模型重排序算法 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 基于 MERT 的重排序算法在语音识别中的应用 | 第42-52页 |
| 5.1 语音识别概述 | 第42页 |
| 5.2 语音识别系统整体框架 | 第42-45页 |
| 5.2.1 声学模型 | 第43-44页 |
| 5.2.2 语言模型 | 第44页 |
| 5.2.3 搜索算法 | 第44-45页 |
| 5.3 实验结果 | 第45-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |