[发明专利]基于自动机的前缀树处理语音信号的方法、装置和设备

说明书

本发明属于语音信号识别领域，提供一种基于自动机的前缀树处理语音信号的方法，包括：实时获取待识别的语音信号，对该语音信号进行识别，得到多个候选字符的预测概率，通过自动机的前缀树对多个候选字符的预测概率处理，得到多个候选字符的目标概率，以此方式可以优化候选字符的预测概率，这样根据多个候选字符的目标概率，可以快速准备的确定待识别的语音信号对应的文本数据，通过该方式得到文本数据更加准备，从而体验用户体验。

技术领域

本发明属于语音信号识别领域，更具体地涉及一种基于自动机的前缀树处理语音信号的方法、装置和计算机设备。

背景技术

随着互联网的快速发展，深度学习模型越来越受有用户喜爱，该深度学习模型可以用于识别用户的语音信号。目前，大规模数据下训练的深度学习模型可以在线上执行一些识别语音信号的任务。但是，随着深度学习模型效果的提升，随之带来了一些使用上的不便。通常情况下，深度学习模型需要基于大量语料、文本训练，导致迭代周期较长。且对于特定场景下词语在训练语料中出现次数不多，常常拟合不好。这样导致通过深度学习模型识别包含特定场景词语的语音信号时，得到的文本数据准备度较低，降低用户体验。

因此，有必要提供一种基于自动机的前缀树处理语音信号的方法，以解决上述问题。

发明内容

(一)要解决的技术问题

本发明旨在解决在识别语音信号的过程中对于特定场景下词语在训练语料中出现次数不多，常常拟合不好，导致通过深度学习模型识别包含特定场景词语的语音信号时，得到的文本数据准备度较低的问题。

(二)技术方案

为解决上述技术问题，本发明的一方面提出一种基于自动机的前缀树处理语音信号的方法，包括：实时获取待识别的语音信号；对所述语音信号进行识别，得到多个候选字符的预测概率；通过自动机的前缀树对多个所述候选字符的预测概率处理，得到多个所述候选字符的目标概率；根据多个所述候选字符的目标概率，确定所述待识别的语音信号对应的文本数据。

根据本发明的优选实施方式，对所述语音信号进行识别，得到多个所述候选字符的预测概率包括：通过端到端模型，从所述语音信号中的各帧语音数据提取音素特征序列；根据所述音素特征序列，确定多个所述候选字符的预测概率。

根据本发明的优选实施方式，通过自动机的前缀树对多个所述候选字符的预测概率处理，得到多个所述候选字符的目标概率包括：基于各个所述候选字符，遍历所述自动机的前缀树中每个节点，获取各个所述候选字符的权重；根据各个所述候选字符的预测概率和各个所述候选字符的权重，确定各个所述候选字符的目标概率。

根据本发明的优选实施方式，根据各个所述候选字符的预测概率和各个所述候选字符的权重，确定各个所述候选字符的目标概率包括：基于各个所述候选字符的权重，对各个所述候选字符的预测概率进行加权处理，得到各个所述候选字符的目标概率。

根据本发明的优选实施方式，根据多个所述候选字符的目标概率，确定所述待识别的语音信号对应的文本数据包括：基于各个所述候选字符的目标概率与预设阈值进行比较；当所述候选字符的目标概率大于等于所述预设阈值时，确定该候选字符为目标字符；根据多个所述目标字符，确定所述待识别的语音信号对应的文本数据。

根据本发明的优选实施方式，该方法还包括：获取常规语料和特定语料；基于所述常规语料和所述特定语料，构建所述自动机的前缀树中每个节点的字符和转移状态，其中，每个节点的字符设置有与其对应的权重。

根据本发明的优选实施方式，该方法还包括：实时获取新增语料；基于所述新增语料中的新增字符，遍历所述自动机的前缀树中每个节点的字符和转移状态，以添加新节点和新转移状态。