多流信息融合的集外詞檢索

熊世富 郭 武

（中國(guó)科學(xué)技術(shù)大學(xué)電子工程與信息科學(xué)系，合肥，230027）

引 言

語(yǔ)音檢索是在大量的語(yǔ)音數(shù)據(jù)中發(fā)現(xiàn)感興趣的關(guān)鍵詞以及主題，其中關(guān)鍵詞的檢索技術(shù)（Spoken term detection，STD）是目前研究的熱點(diǎn)。由于NIST的推動(dòng)［1］，采用兩步驟的關(guān)鍵詞檢索是主流算法。第一步通過(guò)大詞匯連續(xù)語(yǔ)音識(shí)別系統(tǒng)（Large vocabulary continuous speech recognition，LVCSR）將語(yǔ)音文件轉(zhuǎn)化為文本，第二步在識(shí)別的文本上查找所關(guān)注的關(guān)鍵詞。這種算法的優(yōu)越性在于可以充分利用LVCSR的成果，另外關(guān)鍵詞還可以動(dòng)態(tài)設(shè)置。但是由于LVCSR無(wú)法識(shí)別集外詞（Out of vocabulary，OOV），相比于集內(nèi)詞檢索，導(dǎo)致集外詞檢索性能急劇下降，因而如何提高集外詞的檢索性能是STD系統(tǒng)面臨的一個(gè)主要挑戰(zhàn)。

為了解決集外詞檢索問(wèn)題，學(xué)者們將識(shí)別單元投向?qū)庠~具有更強(qiáng)建模能力的子詞單元［2］，通常為音素：通過(guò)音素識(shí)別器生成音素網(wǎng)格（Lattices），并將查詢(xún)?cè)~轉(zhuǎn)化為音素序列，最后從音素網(wǎng)格中檢索［3］。除音素之外，其他子詞單元也被用在語(yǔ)音檢索中，如：詞片［4］（Fragment），音節(jié)［5］（Syllable）等。這些基于非音素子詞單元語(yǔ)音檢索的基本思想是創(chuàng)建一個(gè)合適的子詞列表，該子詞列表既能很好地對(duì)集外詞進(jìn)行表示，又對(duì)語(yǔ)言的上下文約束信息具有較強(qiáng)的捕捉能力。其中詞片是基于數(shù)據(jù)驅(qū)動(dòng)，使用統(tǒng)計(jì)方法自動(dòng)選擇的可變長(zhǎng)度音素序列，而音節(jié)則具有很強(qiáng)的語(yǔ)言學(xué)特征。在檢索方面，為了滿(mǎn)足速度和性能上的要求，完全匹配的n元語(yǔ)言模型－加權(quán)有限狀態(tài)機(jī)［6］（ngram－weighted finite state transducer，ngram－WFST）檢索和模糊匹配檢索［7］分別被提出。

相對(duì)而言，基于音素的STD系統(tǒng)受語(yǔ)法約束較小，更容易發(fā)現(xiàn)集外詞，但也更容易在識(shí)別中引入虛警；而詞片和音節(jié)的STD系統(tǒng)受語(yǔ)法約束較強(qiáng)，在相同的條件下，對(duì)于OOV更容易形成漏警?？紤]到音素、音節(jié)、詞片的不同性質(zhì)和它們之間潛在的互補(bǔ)性，本文分別生成了基于音素、音節(jié)、詞片的STD系統(tǒng)，并將三者進(jìn)行結(jié)果融合。針對(duì)音素、音節(jié)和詞片的不同特點(diǎn)，對(duì)基于音素的STD系統(tǒng)采用完全匹配的ngram－WFST檢索以降低虛警，對(duì)基于音節(jié)、詞片的STD系統(tǒng)則采用模糊匹配檢索以減少漏警。最后采用線性邏輯回歸［8］（Linear logistic regression，LLR）的算法將三個(gè)子系統(tǒng)的結(jié)果進(jìn)行融合，提高檢索性能。

1 多流信息融合檢索系統(tǒng)

多流信息融合的關(guān)鍵詞檢索系統(tǒng)如圖1所示。在系統(tǒng)中，包括詞片、音節(jié)和音素三種不同的識(shí)別單元。一般而言，針對(duì)OOV詞的子詞STD系統(tǒng)基本框架包括語(yǔ)音轉(zhuǎn)寫(xiě)和關(guān)鍵詞檢索兩個(gè)模塊。對(duì)于待檢索的任意語(yǔ)音文件，首先通過(guò)子詞解碼器將語(yǔ)音文件轉(zhuǎn)寫(xiě)為子詞Lattices，同時(shí)為了方便檢索，需要將非音素Lattices轉(zhuǎn)化為音素Lattices，并建立相應(yīng)的音素倒排索引以加快后端的檢索速度。對(duì)于待查詢(xún)的關(guān)鍵詞，也需要通過(guò)字形到音（Grapheme to phoneme，G2P）的轉(zhuǎn)換得到需查詢(xún)的音素序列，然后在倒排索引上進(jìn)行音素匹配，其中置信度的選擇是非常重要的。下面將逐一介紹音素、音節(jié)、詞片子詞列表的挑選方法。

1.1 音素

為了增加詞邊界信息，加上特殊符號(hào)以標(biāo)明單詞邊界，如alabama：＃ae l ax b ae m ax＃，這樣相對(duì)于平常英語(yǔ)識(shí)別中常用到的40～50個(gè)左右的音素，本文使用的音素個(gè)數(shù)相對(duì)會(huì)多很多，有171個(gè)帶位置信息的音素。在此基礎(chǔ)上重新構(gòu)建字典對(duì)應(yīng)的音素信息，用大量的文本數(shù)據(jù)訓(xùn)練生成3gram音素語(yǔ)言模型（Language model，LM）用于解碼。

圖1 多流信息融合STD系統(tǒng)Fig.1 Multi－streamed based STD system

1.2 音節(jié)

為了獲得用于解碼的音節(jié)列表，首先進(jìn)行了英語(yǔ)音節(jié)化工作。采用基于支持向量機(jī)－隱馬爾科夫模［9－10］（Support vector machine－h(huán)idden markov model，SVM－HMM）的方法對(duì)LVCSR詞典進(jìn)行音節(jié)化，并提取所有不同的音節(jié)單元，獲得了21 000個(gè)帶位置信息的音節(jié)，并用于生成3gram音節(jié)語(yǔ)言模型。

1.3 詞片

與音節(jié)不同，詞片為基于數(shù)據(jù)驅(qū)動(dòng)的。本文通過(guò)減值的5gram音素語(yǔ)言模型［4］獲得了21 000個(gè)帶位置信息的詞片，并用這個(gè)詞片列表生成3gram詞片語(yǔ)言模型用于解碼。

2 檢索算法

在進(jìn)行語(yǔ)音識(shí)別后，需要建立音素倒排索引。本文在實(shí)驗(yàn)中采用Lattice－tool［11］工具將音素Lattices轉(zhuǎn)化為ngram倒排索引，其中每條gram索引g包含信息為gram音素串Ig、所屬語(yǔ)音文件IDg、發(fā)生位置（開(kāi)始時(shí)間－結(jié)束時(shí)間）Og和后驗(yàn)概率得分Wg，以g（Ig，Og，Wg，IDg）表示。待檢索的關(guān)鍵詞在轉(zhuǎn)換成音素序列之后，就在ngram倒排索引中進(jìn)行檢索。

為了提高性能，根據(jù)不同子詞系統(tǒng)的特點(diǎn)，對(duì)基于音素的子系統(tǒng)采用完全匹配的ngram－WFST檢索方法，對(duì)基于音節(jié)和詞片的子系統(tǒng)采用模糊匹配的檢索方法。為便于描述，針對(duì)固定的語(yǔ)音文件，將ngram 索引g（Ig，Og，Wg，IDg）簡(jiǎn)寫(xiě)為g（Ig，Og，Wg），定義｜g｜為索引g中Ig包含的音素個(gè)數(shù)。

2.1 ngram－WFST完全匹配檢索

基于ngram－WFST的檢索系統(tǒng)由三部分組成：首先將ngram倒排索引編譯生成索引FST，其次將查詢(xún)?cè)~發(fā)音分段并編譯成用于檢索的詞典FST，最后將索引FST和詞典FST進(jìn)行FST合成，以達(dá)到檢索的目的。具體過(guò)程如下：

2.1.1 索引FST

（1）為每條ngram索引g（Ig，Og，Wg）分配輸入狀態(tài)Sg和輸出狀態(tài)Eg，將索引g（Ig，Og，Wg）轉(zhuǎn)化為FST弧r（Sg，Eg，Ig，Og，Wg），并且新建初始狀態(tài)和結(jié)束狀態(tài)S，E。

（2）添加轉(zhuǎn)移弧r（S，Sg，ε，ε，1.0）和r（Eg，E，ε，IDg，1.0），使所有的r（Sg，Eg，Ig，Og，Wg）與初始狀態(tài)和結(jié)束狀態(tài)S，E連通，其中ε為FST中的空符號(hào)表達(dá)。

（3）添加轉(zhuǎn)移弧r（Eg，Sg′，ε，ε，1.0），將滿(mǎn)足條件①索引重疊時(shí)間dist（g，g′）＜T和②｜g｜＝N｜，g′｜＜＝N的弧r（Sg，Eg，Ig，Og，Wg）和r（Sg′，Eg′，Ig′，Og′，Wg′）相連，生成初始的 FST 索引。

（4）對(duì)初始FST索引使用FST確定化、狀態(tài)數(shù)最小化、ε－移除操作進(jìn)行優(yōu)化，生成最終的索引FST。

2.1.2 詞典FST

（1）將查詢(xún)?cè)~發(fā)音進(jìn)行ngram分段。以n＝3為例，對(duì)于alabama這個(gè)詞，其ngram分段發(fā)音為alabama：＃ae－l－ax－b－ae－m－ax＃，3gram 分段發(fā)音數(shù)為3。

（2）將3gram分段發(fā)音編譯為詞典FST，如圖2所示。

圖2 詞典3gram－WFSTFig.2 3gram－WFST of dictionary

2.1.3 檢索

由于索引FST 中ngram 弧r（Sg，Eg，Ig，Og，Wg）均與初始狀態(tài)和結(jié)束狀態(tài)相連，所以最終的檢索過(guò)程只需將詞典FST和索引FST進(jìn)行FST合并操作即可。為了降低虛警，對(duì)檢索返回得分進(jìn)行長(zhǎng)度歸一化

式中：qtste為查詢(xún)?cè)~項(xiàng)q的一個(gè)檢索結(jié)果，N（q）為q對(duì)應(yīng)發(fā)音中的音素個(gè)數(shù)，M（q）為q的ngram分段發(fā)音數(shù)，Wgi為q的ngram分段發(fā)音對(duì)應(yīng)的第i條索引gi（Igi，Ogi，Wgi，IDgi）中的后驗(yàn)概率Wgi。

2.2 模糊匹配檢索

對(duì)于音節(jié)和詞片子詞系統(tǒng)，為了減少漏警，在不過(guò)多引入虛警的前提下，使用模糊匹配進(jìn)行檢索。模糊匹配檢索系統(tǒng)構(gòu)建的大致過(guò)程為：獲得3gram倒排索引，其中所有索引g滿(mǎn)足條件｜g｜＝3；檢索查詢(xún)?cè)~項(xiàng)q的triphone發(fā)音序列，如alabama：＃ae－l－ax－l－ax－b－ax－b－ae－b－ae－m－ae－m－ax＃，在相鄰triphone 3gram索引時(shí)間間隔dist（g，g′）小于一定閾值T的條件下，檢索到的不同tirphone數(shù)M大于單詞總triphone發(fā)音數(shù)N（q）的一半時(shí)召回并返回如下得分

發(fā)音個(gè)數(shù)，Wgi為q的triphone發(fā)音對(duì)應(yīng)的第i條索引gi（Igi，Ogi，Wgi，IDgi）中的后驗(yàn)概率Wgi。

3 多流信息融合方法

由于本文中有三個(gè)子系統(tǒng)，對(duì)于同一個(gè)關(guān)鍵詞，這三個(gè)子系統(tǒng)可能給出不同的置信度得分和不同的檢索結(jié)果。本文在線性回歸的基礎(chǔ)上，分三種情況對(duì)結(jié)果進(jìn)行得分融合。當(dāng)一個(gè)關(guān)鍵詞檢索結(jié)果在三個(gè)子系統(tǒng)中都被檢出時(shí)，對(duì)各個(gè)系統(tǒng)的得分進(jìn)行線性加權(quán)

當(dāng)一個(gè)關(guān)鍵詞檢索結(jié)果只由兩個(gè)系統(tǒng)檢出時(shí)，融合得分為這兩個(gè)系統(tǒng)得分的線性加權(quán)

最后，當(dāng)一個(gè)關(guān)鍵詞檢索結(jié)果僅由單系統(tǒng)檢出時(shí)，認(rèn)為它不夠可信，對(duì)該系統(tǒng)的得分進(jìn)行懲罰

式中：p為懲罰因子。

融合中的關(guān)鍵問(wèn)題是線性回歸參數(shù)的選取，本文使用線性邏輯回歸融合策略，具體過(guò)程為：首先提取開(kāi)發(fā)集中所有三個(gè)子系統(tǒng)檢索結(jié)果中的正例（正確的檢索結(jié)果）得分和反例（錯(cuò)誤的檢索結(jié)果）得分作為L(zhǎng)LR的訓(xùn)練數(shù)據(jù)，訓(xùn)練并獲得各系統(tǒng)相應(yīng)的權(quán)重系數(shù)w1，w2，w3，然后將這些權(quán)重歸一化作為式（3）的加權(quán)系數(shù)和式（5）中對(duì)應(yīng)系統(tǒng)的懲罰因子，最后對(duì)w1，w2，w3兩兩歸一化作為式（4）相應(yīng)系統(tǒng)的加權(quán)系數(shù)，例如：當(dāng)某個(gè)檢索結(jié)果只由系統(tǒng)i和系統(tǒng)j檢出時(shí)，加權(quán)系數(shù)分別為

4 實(shí)驗(yàn)配置

4.1 實(shí)驗(yàn)數(shù)據(jù)及基本配置

本文實(shí)驗(yàn)是在NIST STD 2006英語(yǔ)電話語(yǔ)音數(shù)據(jù)庫(kù)上進(jìn)行的，該數(shù)據(jù)庫(kù)包含開(kāi)發(fā)集和測(cè)試集兩部分，每部分都有大約3h語(yǔ)音。

聲學(xué)模型訓(xùn)練數(shù)據(jù)為總計(jì)360h語(yǔ)音的Switchboard和CallHome語(yǔ)料庫(kù)。語(yǔ)言模型訓(xùn)練采用Switchboard、CallHome語(yǔ)料庫(kù)的標(biāo)注文件和英語(yǔ)廣播新聞數(shù)據(jù)。

采用39維感知線性預(yù)測(cè)（Perceptual linear prediction，PLP）參數(shù)作為聲學(xué)特征。通過(guò)最大似然估計(jì)（Maximum likelihood estimation，MLE）訓(xùn)練算法得到60高斯的HMM模型，然后使用最小音素錯(cuò)誤（Minimum phone error，MPE）區(qū)分性訓(xùn)練準(zhǔn)則對(duì)獲得的MLE參數(shù)進(jìn)行優(yōu)化。

4.2 OOV詞挑選

由于NIST任務(wù)集中集外詞相對(duì)較少，只有2%左右的比例，不適合研究工作的開(kāi)展，因此需要在NIST的任務(wù)集上重新挑選一些詞匯作為集外詞。挑選集外詞的原則是：首先保留NIST測(cè)試任務(wù)中已有的集外詞，也就是語(yǔ)音識(shí)別詞典中不包含的詞匯；其次挑選具有一定意義的地名、人名，這些詞匯的選擇是因?yàn)樗鼈兘?jīng)常是關(guān)鍵詞檢索所關(guān)注的內(nèi)容。為了保證關(guān)鍵詞檢索的穩(wěn)健性，要求被選擇的OOV詞均最少在開(kāi)發(fā)集和測(cè)試集出現(xiàn)過(guò)5次以上。為保證實(shí)驗(yàn)的真實(shí)性，對(duì)于這些集外詞，必須把其對(duì)應(yīng)的原始語(yǔ)音文件從聲學(xué)模型訓(xùn)練中去除，文本標(biāo)注從語(yǔ)言模型訓(xùn)練數(shù)據(jù)中剔除，語(yǔ)音識(shí)別詞典也要剔除這些OOV詞?；谝陨显瓌t，在開(kāi)發(fā)集上挑選了313個(gè)集外詞，在測(cè)試集上挑選了320個(gè)集外詞。

5 實(shí)驗(yàn)結(jié)果與分析

對(duì)于STD任務(wù)，使用NIST STD 2006評(píng)測(cè)計(jì)劃定義的實(shí)際詞項(xiàng)權(quán)重值［1］（Actual term weighted value，ATWV）作為主要的性能評(píng)估尺度。

5.1 音素識(shí)別率

表1給出了STD 2006開(kāi)發(fā)集上不同解碼單元在集內(nèi)詞區(qū)域和集外詞區(qū)域的音素識(shí)別率（Phone recognition accuracy，PACC）。對(duì)于集內(nèi)詞識(shí)別而言，音素識(shí)別系統(tǒng)的PACC明顯低于音節(jié)、詞片和詞識(shí)別系統(tǒng)的PACC。由于詞識(shí)別系統(tǒng)對(duì)集外詞的建模能力較弱，導(dǎo)致詞識(shí)別系統(tǒng)在集外詞和集內(nèi)詞區(qū)域的PACC反差很大，其在集外詞區(qū)域上的PACC明顯低于音節(jié)、詞片識(shí)別系統(tǒng)。

表1 不同解碼單元在NIST STD 2006開(kāi)發(fā)集上的音素識(shí)別率Table 1 Phone recognition accuracy using different types of decoding units on NIST STD06development set%

5.2 集外詞檢索性能

（1）單系統(tǒng)檢索結(jié)果

表2分別給出了ngram－WFST和模糊匹配檢索系統(tǒng)在STD 2006開(kāi)發(fā)集上的檢索結(jié)果。由于音節(jié)和詞片識(shí)別系統(tǒng)PACC較高，識(shí)別混淆低，使用模糊匹配能在引入較少虛警的情況下，降低了漏警，因而模糊匹配檢索結(jié)果好于ngram－WFST檢索結(jié)果。音素識(shí)別系統(tǒng)本身混淆就很高，使用模糊匹配，在虛警已很高的情況下又進(jìn)一步提高了虛警，其模糊匹配性能是不可接受的。

基于表2實(shí)驗(yàn)結(jié)果，對(duì)于音素檢索系統(tǒng)，使用ngram－WFST檢索，對(duì)于音節(jié)和詞片檢索系統(tǒng)，使用模糊匹配檢索。同時(shí)，為了平衡虛警和漏警，所有系統(tǒng)均使用詞項(xiàng)相關(guān)置信度歸一方法提高系統(tǒng)性能［12］。

表2 NIST STD 2006開(kāi)發(fā)集上ngram－WFST和模糊匹配檢索結(jié)果Table 2 ATWV results based on ngram－WFST and fuzzy search on NIST STD06development set

（2）多系統(tǒng)融合結(jié)果

為了研究不同子詞系統(tǒng)之間的互補(bǔ)性，分別做了音素、音節(jié)、詞片系統(tǒng)之間的兩兩融合和三者間的融合，表3為對(duì)應(yīng)的ATWV值。相對(duì)于性能最好的以詞片作為識(shí)別單元的單系統(tǒng)，多系統(tǒng)融合的性能在開(kāi)發(fā)集和測(cè)試集上，分獲得了11%和12%的ATWV相對(duì)提升。

表3 開(kāi)發(fā)集和測(cè)試集上的集外詞檢索ATWVTable 3 ATWV results of OOV on development and eval set

（3）融合系統(tǒng)檢索時(shí)間復(fù)雜度分析

多流信息融合系統(tǒng)采用三個(gè)STD子系統(tǒng)進(jìn)行獨(dú)立的集外詞檢索，最后進(jìn)行三系統(tǒng)的檢索結(jié)果融合。其中STD子系統(tǒng)由兩部分構(gòu)成：子詞解碼部分和檢索部分，子詞解碼時(shí)間依賴(lài)于解碼器的速度，因此三系統(tǒng)的總解碼時(shí)間基本上等于單系統(tǒng)的三倍。

而對(duì)于本文中使用的檢索算法，ngram－WFST檢索和模糊匹配檢索系統(tǒng)時(shí)間復(fù)雜度各有不同，模糊匹配由于檢索到查詢(xún)?cè)~部分triphone發(fā)音既可召回，相對(duì)于ngram－WFST完全匹配算法，搜索空間變大，搜索時(shí)間更長(zhǎng)；具體檢索耗費(fèi)時(shí)間如表4所示。本文實(shí)驗(yàn)中，主機(jī)配置為：

Pentium（R）Dual－Core CPU 3.00GHz，2GB內(nèi)存。

表4 開(kāi)發(fā)集上的各子詞STD系統(tǒng)的檢索耗時(shí)Table 4 Search time of different sub－word units STD system on development set

從表4可知，在已經(jīng)建立好索引的情況下，當(dāng)采用串行方式時(shí)，三系統(tǒng)總計(jì)檢索時(shí)間為三者之和，檢索開(kāi)發(fā)集上313個(gè)詞需要耗費(fèi)21.52s。但是值得注意的是，多流融合STD系統(tǒng)由三個(gè)完全獨(dú)立的子系統(tǒng)構(gòu)成，完全可以并行處理，這時(shí)融合系統(tǒng)檢索速度等同于最慢系統(tǒng)的檢索速度，檢索開(kāi)發(fā)集上313個(gè)詞只需耗費(fèi)7.65s。

6 結(jié)束語(yǔ)

雖然詞片和音節(jié)分別以數(shù)據(jù)驅(qū)動(dòng)和語(yǔ)言學(xué)規(guī)則兩種不同方式選擇，由于兩者均為可變長(zhǎng)度的音素序列，在一定程度上具有相似性，導(dǎo)致兩者的互補(bǔ)性較弱，因而融合之后性能提升不大。由于音素語(yǔ)言模型約束性較弱，無(wú)法充分利用上下文信息，因此音素識(shí)別器的識(shí)別混淆度很大，識(shí)別生成的lattices中包含很多音節(jié)和詞片不包含的信息，從而使得音素和音節(jié)、詞片間互補(bǔ)性較強(qiáng)，融合之后能夠顯著提高檢索性能。

本文首先分別利用音素、音節(jié)和詞片構(gòu)建STD系統(tǒng)用于集外詞檢索，接著研究了各子詞對(duì)集外詞的建模能力，并針對(duì)各子詞STD系統(tǒng)的特性，對(duì)音素系統(tǒng)使用完全匹配的ngram－WFST檢索、對(duì)詞片和音節(jié)進(jìn)行模糊匹配檢索，提高單系統(tǒng)性能，最后利用線性回歸得分融合策略，較大程度提高了系統(tǒng)性能。

［1］NIST.The spoken term detection（STD）2006evaluation plan［EB／OL］.http：／／www.itl.nist.gov／iad／mig／tests／std／2006／ docs／std06－evalplan－v10.pdf，2006－9－13.

［2］Szoke I，Burget L，Cernocky J，et al.Sub－word modeling of out of vocabulary words in spoken term detection［C］／／Proceedings of IEEE Workshop on Spoken Language Technology.Goa，India：IEEE，2008：273－276.

［3］Wallace R，Vogt R，Sridharan S.A phonetic search approach to the 2006NIST spoken term detection evaluation［C］／／Proceedings of Interspeech.Antwerp.Belgium：IEEE，2007：2393－2396.

［4］Rastrow A，Sethy A，Ramabhadran B，et al.Towards using hybrid word and fragment units for vocabulary independent LVCSR systems［C］／／Proc of Interspeech.Brighton，UK：IEEE，2009：1931－1934.

［5］Larson M，EickEler S.Using syllable－based indexing features and language models to improve German spoken document retrieval［C］／／Proceedings of Eurospeech.Geneva，Switzerland：IEEE，2003：1217－1220.

［6］Liu C，Wang D，Tejedor J.N－gram FST indexing for spoken term detection［C］／／Proceedings of Interspeech.Portland，Oregon，USA：IEEE，2012.

［7］Xu Y，Guo W，Shansu，et al.Spoken term detection for OOV terms based on phone fragment［C］／／Pro－ceedings of International Conference on Audio，Language and Image Processing.Shanghai， China：IEEE，2012：1031－1034.

［8］Brummer N，Burget L，Cernocky J，et al.Fusion of heterogeneous speaker recognition systems in the STBU submission for the NIST speaker recognition evaluation 2006［J］.IEEE Trans on Audio，Speech and Language Processing，2007，15（7）：2072－2084.

［9］Bartlett S，Kondrak G，Cherry C.On the syllabification of phonemes［C］／／Proceedings of the North A－merican Chapter of the Association for Computational Linguistics －Human Language Technologies.Boulder，Colorado，USA：Association for Computational Linguistics，2009：308－316.

［10］劉輝，楊俊安，許學(xué)忠.基于HMM和SVM串聯(lián)模型的低空飛行目標(biāo)聲識(shí)別方法［J］.數(shù)據(jù)采集與處理，2010，25（6）：751－755.Liu Hui，Yang Junan，Xu Xuezhong.Low altitude passive acoustic target recognition based on HMM and SVM［J］.Journal of Data Acquisition and Processing，2010，25（6）：751－755.

［11］Stolcke A.SRILM －An extensible language modeling toolkit［C］／／Proceedings of the International Conference of Spoken Language Processing.Denver，Colorado，USA：IEEE，2002：901－904.

［12］Wang D，Tejedor J，King S，et al.Term－dependent confidence normalization for out－of－vocabulary spoken term detection［J］.Journal of Computer Science and Technology，2012，27（2）：358－375.