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
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
收藏
页码:697 / 703
页数:7
相关论文
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)