上下文無關(guān)文法在孤立詞識別中的應(yīng)用

李玉萍

（商丘師范學(xué)院，河南 商丘476000）

上下文無關(guān)文法在孤立詞識別中的應(yīng)用

李玉萍

（商丘師范學(xué)院，河南 商丘476000）

在孤立詞識別的過程中引入了非遞歸上下文無關(guān)文法。針對語音識別中的多個(gè)變量問題需要進(jìn)行多次訓(xùn)練，根據(jù)樣本中表達(dá)特征的字符串集在訓(xùn)練模式中為每個(gè)孤立詞構(gòu)造一個(gè)上下無關(guān)文法。在識別的過程中，對輸入的字符串進(jìn)行分析，符合該文法輸出該字符串，并說明該字符串符合該文法。

上下文無關(guān)文法；孤立詞；識別

語音識別是一門結(jié)合了計(jì)算機(jī)技術(shù)和計(jì)算機(jī)語言學(xué)等多種學(xué)科的交叉學(xué)科。孤立詞識別是語音識別的一種，語音識別模型如圖1所示。孤立詞識別系統(tǒng)對人的發(fā)聲間隔中的詞進(jìn)行單獨(dú)識別的一個(gè)系統(tǒng)，同時(shí)語音識別也是一種模式識別的實(shí)例。孤立詞識別系統(tǒng)通常由特征抽取和識別器兩部分組成。特征抽取把語音信號轉(zhuǎn)換成字符串符號；識別器考察該字符串是否在詞匯表，如果在則輸出，不在輸出錯(cuò)誤信號。傳統(tǒng)的識別方法大都是建立在模式識別的基礎(chǔ)上，本文引入上下文無關(guān)文法對識別器進(jìn)行構(gòu)造，并對輸入串進(jìn)行識別。

一、相關(guān)定義

定義1：設(shè)G=(VN,VT,P,S)為一文法，其中VN為非終結(jié)符號，VT為終結(jié)符，P為文法的產(chǎn)生式集合，若P中的每個(gè)產(chǎn)生式α→β均滿足:α是一非終結(jié)符，β∈(VN UVT)*，則此文法稱為2型的或上下文無關(guān)文法。

定義2：任何非空，并且不含ε的上下文無關(guān)文法G，如果G中所有的產(chǎn)生式的形式為下列兩個(gè)形式之一：

(1)A-->BC

(2)A-->a

其中，A，B，C∈VN，a∈VT，

那么，我們稱這種形式的文法G為喬姆斯基范式文法或者喬姆斯基范式 (Chomsky Normal Form)，簡記為：CNF。

二、上下文無關(guān)文法的應(yīng)用

上下文無關(guān)文法(CFG)是這樣的一種文法：它所定義的語法范疇（或語法單位）完全獨(dú)立于這種范疇可能出現(xiàn)的環(huán)境。其特點(diǎn)是在對非終結(jié)符進(jìn)行替換時(shí)不需要聯(lián)系上下文，并且可以替換成空串。上下文無關(guān)文法的識別問題，就是對給定的一個(gè)上下文無關(guān)文法G，和一個(gè)串α（α∈VT*），確定是否存在推導(dǎo)：S=>*α的問題。在上下文無關(guān)文法中，喬姆斯基范式是經(jīng)常使用的特殊文法。并且所有的上下文無關(guān)文法都可以轉(zhuǎn)換成喬姆斯基范式。

在孤立詞識別系統(tǒng)中，假設(shè)特征抽取出的符號是有限數(shù)量的，每個(gè)孤立詞產(chǎn)生的字符串長度也是有限的。在設(shè)計(jì)識別器時(shí)可以分成兩部分工作，如圖2所示，首先構(gòu)造能夠生成樣本符號串的上下文無關(guān)文法，這個(gè)過程可以看成一個(gè)編碼過程；然后利用該文法模型對任意輸入的字符串進(jìn)行分析識別，看是否符合該文法，該過程可以看成一個(gè)解碼過程。

在文法構(gòu)造的過程中，詞匯中的每個(gè)單詞聲音由特征抽取轉(zhuǎn)換成符號串，該符號串由識別器自動(dòng)生成上下文無關(guān)文法，通常該文法在構(gòu)造的過程中采用喬姆斯基范式的形式，存儲到計(jì)算機(jī)中供以后使用。經(jīng)過多次訓(xùn)練，反復(fù)重寫，為樣本字符串集構(gòu)造相應(yīng)的上下文無關(guān)文法，每個(gè)模型可以描述相似的字符串。具體的構(gòu)造算法：首先為第一個(gè)字符串構(gòu)造文法G1，該文法目前只能生成該字符串，然后對其他的字符串進(jìn)行考察，如果能夠被識別，則考察其他字符串，不能識別則生成G2，依次對樣本中的所有字符串進(jìn)行考察，直到文法規(guī)則不再擴(kuò)大為止。構(gòu)造好的上下文無關(guān)文法模型對以后的輸入串進(jìn)行識別分析，從而判斷該輸入串是否符合該文法，符合則輸出，不符合則拒絕。

三、基于上下文無關(guān)文法的孤立詞識別算法

在識別過程中，被輸入的字符串采用上下文無關(guān)文法識別字符串的算法進(jìn)行識別，常用的分析方法有自上而下分析法、自下而上分析法、CYK算法等。由于語音信息具有噪音信息，轉(zhuǎn)換成的字符串符號針對該文法具有二義性，因此我們采用三層分析方式。第一層對輸入的字符串進(jìn)行分析，如果只能采用一個(gè)文法，則輸出該字符串，如果不能采用第二層分析，第二層采用近似匹配的原則對可以由兩個(gè)以上的文法所能識別的字符串進(jìn)行分析，采用最優(yōu)的文法。第三層對采用近似匹配策略仍有多個(gè)文法可以生成該字符串，采用隨機(jī)算法進(jìn)行分析，從而選取最合適的文法進(jìn)行輸入串識別，然后輸出。

上下文無關(guān)文法為孤立詞識別提供了一個(gè)非常好的分類和描述方法。用上下文無關(guān)文法規(guī)則來表達(dá)樣本字符串代替直接存儲樣本字符串，從而節(jié)省了大量的存儲空間，提高了訪問效率，對語音識別技術(shù)的發(fā)展提供一個(gè)很好的模型，上下文無關(guān)文法在孤立詞識別中的應(yīng)用具有重要的理論和實(shí)踐意義。

［1］吳哲輝，吳振寰.形式語言與自動(dòng)機(jī)［M］.北京：北京機(jī)械工業(yè)出版社，2007:40-42.

［2］陳火旺，劉春林，譚慶平等.程序設(shè)計(jì)編譯原理［M］.北京：國防工業(yè)出版社，2003:51-53.

H02

A

1673-0046（2011）05-0174-01