• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于多任务学习的方言语种识别

秦晨光, 王海, 任杰, 郑杰, 袁璐, 赵子鑫

秦晨光, 王海, 任杰, 郑杰, 袁璐, 赵子鑫. 基于多任务学习的方言语种识别[J]. 计算机研究与发展, 2019, 56(12): 2632-2640. DOI: 10.7544/issn1000-1239.2019.20190101
引用本文: 秦晨光, 王海, 任杰, 郑杰, 袁璐, 赵子鑫. 基于多任务学习的方言语种识别[J]. 计算机研究与发展, 2019, 56(12): 2632-2640. DOI: 10.7544/issn1000-1239.2019.20190101
shu
Qin Chenguang, Wang Hai, Ren Jie, Zheng Jie, Yuan Lu, Zhao Zixin. Dialect Language Recognition Based on Multi-Task Learning[J]. Journal of Computer Research and Development, 2019, 56(12): 2632-2640. DOI: 10.7544/issn1000-1239.2019.20190101
Citation: Qin Chenguang, Wang Hai, Ren Jie, Zheng Jie, Yuan Lu, Zhao Zixin. Dialect Language Recognition Based on Multi-Task Learning[J]. Journal of Computer Research and Development, 2019, 56(12): 2632-2640. DOI: 10.7544/issn1000-1239.2019.20190101
shu
秦晨光, 王海, 任杰, 郑杰, 袁璐, 赵子鑫. 基于多任务学习的方言语种识别[J]. 计算机研究与发展, 2019, 56(12): 2632-2640. CSTR: 32373.14.issn1000-1239.2019.20190101
引用本文: 秦晨光, 王海, 任杰, 郑杰, 袁璐, 赵子鑫. 基于多任务学习的方言语种识别[J]. 计算机研究与发展, 2019, 56(12): 2632-2640. CSTR: 32373.14.issn1000-1239.2019.20190101
shu
Qin Chenguang, Wang Hai, Ren Jie, Zheng Jie, Yuan Lu, Zhao Zixin. Dialect Language Recognition Based on Multi-Task Learning[J]. Journal of Computer Research and Development, 2019, 56(12): 2632-2640. CSTR: 32373.14.issn1000-1239.2019.20190101
Citation: Qin Chenguang, Wang Hai, Ren Jie, Zheng Jie, Yuan Lu, Zhao Zixin. Dialect Language Recognition Based on Multi-Task Learning[J]. Journal of Computer Research and Development, 2019, 56(12): 2632-2640. CSTR: 32373.14.issn1000-1239.2019.20190101
shu

基于多任务学习的方言语种识别

  • 1(西北大学信息科学与技术学院 西安 710127)

  • 2(陕西师范大学计算机学院 西安 710119) (qcgnwu@stumail.nwu.edu.cn)

基金项目: 国家自然科学基金项目(61572401，61701400)；中央高校基本科研业务费专项资金项目(GK201803063)；陕西省自然科学基础研究计划项目(2019JQ-271)
详细信息

  • 中图分类号: TP312; TP18

Dialect Language Recognition Based on Multi-Task Learning

  • 1(School of Information Science & Technology, Northwest University, Xi’an 710127)

  • 2(School of Computer Science, Shaanxi Normal University, Xi’an 710119)

摘要

    摘要
  • 摘要: 近年来深度学习尤其是神经网络的发展，对语音识别这类复杂的模式分类问题提供了新的解决思路.为加强对我国方言语种的保护工作、提高方言语种识别的准确率以及丰富语音识别的前处理模块，首先采用目前语音识别领域应用最广泛的LSTM模型搭建单任务方言语种识别模型SLNet作为基线系统.其次，针对中国方言的多样性、复杂性特点，基于多任务学习的参数共享机制，通过多任务神经网络模型发现不同语种间的隐含相关特性，提出基于多语种任务的方言语种识别模型MTLNet.进一步根据中国方言的区域特点，采用基于参数硬共享的多任务学习模式，构建基于辅助任务的多任务学习神经网络ATLNet.经实验验证表明：相比于单任务神经网络方言语种识别，MTLNet和ATLNet将识别准确率可提升至80.2%，弥补了单任务模型的单一性和弱泛化性.
    Abstract: Development of deep learning and neural networks in recent years has led to new solutions to the complicated pattern recognition problems of speech recognition. In order to reinforce the protection of Chinese dialects, to improve the accuracy of dialect language recognition and the diversity of speech signal pre-processing modules for language recognition, this paper proposes a single-task dialect language recognition model, SLNet, on the basis of LSTM and currently the most widely used model in the field of speech recognition. Considering the diversity and complexity of Chinese dialects, on the basis of a multi-task learning parameter sharing mechanism, we use a neural network model to discover the implicit correlation characteristics of different dialects and propose the MTLNet, a dialect recognition model based on multilingual tasking. Further considering the regional characteristics of Chinese dialects, we adopt a multi-task learning model based on hard parameter sharing to construct the ATLNet, a multi-task learning neural network model based on auxiliary tasks. We design several sets of experiments to compare a single-task dialect language recognition model with the MTLNet and ATLNet models proposed in this paper. The results show multi-task methods improve the accuracy of language recognition to 80.2% on average and make up the singularity and weak generalization of the single-task model.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(40)

  • 期刊类型引用(20)

    1. 沈传年. 区块链安全问题研究综述. 计算机工程与科学. 2024(01): 46-62 . 百度学术
    2. 张烁晨. 量子纠缠及其应用研究. 电子技术. 2024(03): 4-7 . 百度学术
    3. 徐小桐，石润华，柯唯阳，于辉. 无中心的量子匿名一票否决方案. 量子电子学报. 2024(06): 901-913 . 百度学术
    4. 许龙，沈晶晶. 中美量子计算领域专利对比分析及发展预测. 中国发明与专利. 2024(12): 54-62 . 百度学术
    5. 张舒琪，李延斌，王蓬勃，葛春鹏，徐秋亮. 抗侧信道攻击的后量子密码掩码转换方案. 网络空间安全科学学报. 2024(05): 44-56 . 百度学术
    6. 蓝兰鸿，潘明华，王一涵，周家毓. 基于B92量子密钥分发的图像加密系统设计. 信息技术与信息化. 2023(01): 17-20 . 百度学术
    7. 李延斌，朱嘉杰，唐明，张焕国. 面向格密码的能耗分析攻击技术. 计算机学报. 2023(02): 331-352 . 百度学术
    8. 董慧康，裴东芳. 考虑无线网络安全的量子密码更新算法仿真. 计算机仿真. 2023(02): 399-402+491 . 百度学术
    9. 万华，周虎，朱德新，孙羽. 一种基于量子密钥的区块链身份认证方法. 软件工程. 2023(04): 38-41 . 百度学术
    10. 杨占杰. 核电DCS系统信息安全防护的探讨. 核科学与工程. 2023(04): 854-860 . 百度学术
    11. 王鹏，武俊鹏，高迪. 基于FPGA的Streamlined NTRU Prime抗量子加密技术研究. 无线电工程. 2022(03): 393-398 . 百度学术
    12. 李非凡. 后量子密码技术研究热点可视化分析. 河南理工大学学报(自然科学版). 2022(05): 137-145 . 百度学术
    13. 牛佳宁，赵子岩，李国春，赵永利. 新型电力系统配网运行场景下的量子密码技术应用体系架构. 电力信息与通信技术. 2022(11): 65-73 . 百度学术
    14. 刘峰，杨杰，李志斌，齐佳音. 一种基于区块链的泛用型数据隐私保护的安全多方计算协议. 计算机研究与发展. 2021(02): 281-290 . 本站查看
    15. 李萌，尚云. 两硬币量子游走模型中的相干动力学. 计算机研究与发展. 2021(09): 1897-1905 . 本站查看
    16. 潘世杰，高飞，万林春，秦素娟，温巧燕. 量子谱回归算法. 计算机研究与发展. 2021(09): 1835-1842 . 本站查看
    17. 孙玉明. 外加谐振电压时电容器的电容和电感. 烟台大学学报(自然科学与工程版). 2021(04): 386-391 . 百度学术
    18. 张中亚，吴文玲，邹剑. 多轮EM结构的量子差分碰撞密钥恢复攻击. 计算机研究与发展. 2021(12): 2811-2818 . 本站查看
    19. 冷新丽，韩跃军，李辉. 大学文科生物理科学素养现状调查及分析——以江西南昌市为例. 科教导刊. 2021(32): 155-158 . 百度学术
    20. WANG Yahui，ZHANG Huanguo. Quantum Algorithm for Attacking RSA Based on Fourier Transform and Fixed-Point. Wuhan University Journal of Natural Sciences. 2021(06): 489-494 . 必应学术

    其他类型引用(20)

    • 资源附件(0)
计量
  • 文章访问数:  1157
  • HTML全文浏览量:  2
  • PDF下载量:  1157
  • 被引次数: 40
出版历程
  • 发布日期:  2019-11-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计