论文研究低空间复杂度的加权有限状态转换器合成算法.pdf

利用加权有限状态转换器相关的合成操作，可以将语音识别需要的模型进行组合，便于识别中各种知识的综合利用，从而提升识别性能。传统合成算法在计算的同时存储了无效状态与状态转移。在进行词典与语言模型等合成操作时，算法需要1GB甚至更多内存保存无效信息，这直接导致了算法的高空间复杂度。为解决这一问题，提出同步裁剪合成算法（synchronizedpruningcompositionalgorithm,SPCA）。新算法对传统合成算法进行了改进，在合成的同时对无效信息进行及时的分析和去除。实验表明，与经典的合成算法相比，SPCA平均节约内存14.99%，所用最大内存节约25.72%,有效降低了合成的空间复杂度。