典型文献
多任务学习在中国方言分类中的应用研究
文献摘要：
近年来,随着深度学习技术在语音识别领域的出色表现,基于深度学习的语音识别系统被广泛应用于智能家居、智能客服、会议纪要、实时字幕等多个应用场景.但由于中国民族众多,语言文化差异大、方言多样复杂等特点,给语音识别系统带来了很大的挑战,特别针对短时语音段方言识别任务,已有的中国方言分类系统性能依然较差.针对特征参数梅尔倒谱系数(mel-scale frequency cepstral coefficients,MFCC)进行研究分析,面向中国十种方言数据集构建基于深度学习的方言分类模型.首先,针对MFCC构建基于短期记忆网络(long short-term memory,LSTM)的单任务学习模型,准确率可达79.04％;然后,深入挖掘方言地域特征,提出以方言所在区域为辅助任务的多任务模型,构建基于参数硬共享的多任务学习模型,实验结果显示,分类准确率最高可达79.96％;最后,针对参数硬共享无法有效挖掘子任务间关联性的问题,首次提出基于参数稀疏共享的多任务学习模型,该模型通过联合训练,自动挖掘子任务间相关性,裁剪多余网络,并进行网络参数共享,实验结果显示,提出的基于MFCC特征的参数稀疏共享的多任务分类模型性能最优,分类准确率最高可达83.59％.
文献关键词：
中国方言分类;多任务学习;神经网络;MFCC;神经网络参数共享
中图分类号：
作者姓名：
万苗;任杰;马苗;曹瑞
作者机构：
陕西师范大学 计算机科学学院,陕西 西安 710119;西北大学 信息科学与技术学院,陕西 西安 710127
文献出处：
引用格式：
[1]万苗;任杰;马苗;曹瑞-.多任务学习在中国方言分类中的应用研究)[J].计算机技术与发展,2022(04):109-115
A类：
中国方言分类,方言分类,神经网络参数共享
B类：
多任务学习,深度学习技术,出色,语音识别系统,智能家居,智能客服,会议纪要,字幕,中国民族,语言文化差异,统带,别针,音段,方言识别,分类系统,系统性能,梅尔倒谱系数,mel,scale,frequency,cepstral,coefficients,MFCC,十种,数据集构建,分类模型,短期记忆,记忆网络,long,short,term,memory,单任务,地域特征,以方,所在区域,辅助任务,多任务模型,分类准确率,子任务,联合训练,自动挖掘,裁剪,多余,多任务分类,模型性能
AB值：
0.348096
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
