中文语言模型是一种用于表达中文词序列的概率分布的数学模型,是语音识别系统的关键技术之一,其优劣程度直接影响系统整体性能。由于高质量的中文数据集的稀缺,以及实际自然语言场景中中文词汇组合形式上的多样性,训练出来的中文语言模型常常会出现数据稀疏问题。针对此种现象,一般采用两种解决办法:一种是对用来训练的文本语料进行扩增,即数据增强,另一种是针对用来训练的文本语料的数据分布,改进其平滑算法。然而由于一些算法本身的局限性和存在的缺点,目前较多研究是对训练语料进行数据增强来提高语言模型的性能。针对上述中文语言模型数据稀疏问题,本文提出了一种改进的基于生成对抗网络的文本复述模型来扩增中文文本语料,训练新的语言模型来改善数据稀疏问题,采用分层长短期记忆网络和多级奖励方法增强了对长文本序列的处理能力以及对生成的多样化文本序列的区分能力。实验表明该模型能够较好地的处理中文长文本序列,并能对文本序列输出具有区分度的奖励,解决了常见分类模型判别器反馈信息不足的问题。同时,利用文本复述对原始数据做数据增强,并使用改进的生成对抗网络模型生成的采样数据和原始数据分别训练不同的语言模型,将训练好的两个语言模型进行插值,提高了语言模型对未知数据进行参数估计的鲁棒性。用新语言模型对语音识别的多个候选结果进行择优选取作为最终识别结果,在公开数据集THCHS30和AISHELL上相比较原始数据训练的语言模型性能更好,对语音识别的识别效果有所提高。