随着互联网的普及,越来越度的信息以语音形式存储及传播,如何地这些海量数据进行有效嘎你,方便用户查找和使用相关信息,已经成为亟待解决的问题。汉语语音主题分类方法研究是从语义级别考虑对其进行分类管理,为解决上述问题提供有效的途径。同时该方向是一个未成熟的且极具潜力的研究领域,还存在许多技术难点。为了有效避免语音识别系统中误识率对后续分类结果的影响,本项目以识别系统的二维音节网格输出为切入点,深入研究了实现主题分类的若干问题,包括语音文档分类平台的设计、主题分析中关键信息获取问题研究、语言学模型及其对识别分类性能的影响,以及二维音节网格的优化问题,在基于音节网格的基础上生成混淆网络,通过构造字典抽取词信息进行分类。该研究可广泛用于对广播/电视、会议记录,和互联网上语音信息实现基于主题的自动分类,以及对数字图书馆中包含语音信息的资料分类和管理,并实现基于主题的语音信息的查找。
英文主题词classification of Chinese spoken document; topic analysis; lattice; confusion network