结合注意力机制和因果卷积网络的维吾尔语方言识别

被引：4

作者：

孙杰 ^{[1
,2
]}

王宏 ^{[2
]}

吾守尔斯拉木 ^{[1
,2
]}

机构：

[1] 新疆大学信息科学与工程学院

[2] 昌吉学院

来源：

声学技术 | 2020年 / 39卷 / 06期

关键词：

注意力机制; 因果卷积网络; 空洞卷积; 维吾尔语方言; 识别;

D O I：

10.16300/j.cnki.1000-3630.2020.06.008

中图分类号：

H215 [维吾尔语]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对传统x-vector模型生成方言语音段级表示时,未考虑不同帧级特征对方言辨识作用不一致的问题,以及维吾尔语的黏着性特点,提出结合注意力机制和因果卷积网络的维吾尔语方言识别方法。首先使用多层因果卷网络实现方言语音序列建模,然后采用空洞卷积核增大感受野扩展采样范围,最后使用注意力池化获取方言语音段级特征。维吾尔语方言识别实验结果表明,所提方法较标准x-vector模型方言识别的识别准确率提升了23.19个百分点。

引用

页码：697 / 703

页数：7

共 9 条

[1] 维吾尔语方言识别及相关声学分析
孙杰
吾守尔斯拉木
热依曼吐尔逊
张晶晶
[J]. 声学学报, 2019, 44 (06) : 1083 - 1092
[2] 濒危维吾尔语方言个案研究——以罗布泊方言的调查分析为例
司马义·阿不都热依木
[J]. 语文学刊, 2018, 38 (05) : 37 - 46
[3] 维吾尔语罗布泊方言中音变现象的音系学分析
司马义·阿不都热依木
[J]. 语言与翻译, 2017, (02) : 32 - 42
[4] THUYG-20:免费的维吾尔语语音数据库[J]. 艾斯卡尔·肉孜,殷实,张之勇,王东,艾斯卡尔·艾木都拉,郑方. 清华大学学报(自然科学版). 2017(02)
[5] 采用DBN的TV改进方法在语种识别中的应用
洪新海
宋彦
蒋兵
戴礼荣
[J]. 信号处理, 2015, 31 (09) : 1152 - 1158
[6] 维吾尔语和田方言的主要特点[J]. 高士杰. 中央民族学院学报. 1984(02)
[7] 论现代维吾尔语方言及民族文学语言的基础方言和标准音
阿米娜·阿帕鲁娃
[J]. 民族语文, 1980, (02) : 24 - 30
[8] 汉语方言学基础教程[M]. 北京大学出版社 , 李小凡, 2009
[9] Robust Principal Component Analysis?
Candes, Emmanuel J.
Li, Xiaodong
Ma, Yi
Wright, John
[J]. JOURNAL OF THE ACM, 2011, 58 (03)

← 1 →