论文研究临近最优主动学习的藏语语音识别方法研究.pdf

语音识别模型需要大量带标注语音语料进行训练，作为少数民族语言的藏语，由于语音标注专家十分匮乏，人工标注语音语料是一件非常费时费力的工作。然而，主动学习方法可以根据语音识别的目标从大量未标注的语音数据中挑选一些具有价值的样本交给用户进行标注，以便利用少量高质量的训练样本构建与大数据量训练方式一样精准的识别模型。研究了基于主动学习的藏语拉萨话语音语料选择方法，提出了一种临近最优的批量样本选择目标函数，并验证了其具有submodular函数性质。通过实验验证，该方法能够使用较少的训练数据保证语音识别模型的精度，从而减少了人工标注语料的工作量。