CAJ | 학술논문

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1 GB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(synchronized pruning composition algorithm,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.
이용가권유한상태전환기상관적합성조작,가이장어음식별수요적모형진행조합,편우식별중각충지식적종합이용,종이제승식별성능.전통합성산법재계산적동시존저료무효상태여상태전이.재진행사전여어언모형등합성조작시,산법수요1 GB심지경다내존보존무효신식,저직접도치료산법적고공간복잡도.위해결저일문제,제출동보재전합성산법(synchronized pruning composition algorithm,SPCA).신산법대전통합성산법진행료개진,재합성적동시대무효신식진행급시적분석화거제.실험표명,여경전적합성산법상비,SPCA평균절약내존14.99％,소용최대내존절약25.72％,유효강저료합성적공간복잡도.