语音识别作为人工智能中发展较为成熟的一个应用领域受到各大商家和研究机构的追捧,从智能音箱混战到层出不穷的语音交互的应用,可以说智能语音技术无论是其商业化和技术落地都远超其他方向的人工智能。但智能语音的发展需要庞大的语音训练数据量作为支撑,但训练数据获取存在两方面问题,一是源数据获取困难导致量级很小不足供训练使用,二是源数据质量低而需要大量的人工标注和筛选工作。而经过人工标注的优质样本成本非常高,限制了语音识别领域的门槛,并严重制约小样本领域语音人工智能的发展。因此相比于传统的全监督学习训练和人工标注,基于半监督学习的语音自动标注方法研究在小样本领域和标注成本上都有较好的优势,值得做出创新性尝试。本文主要是针对小样本专业领域语音数据进行标注分类研究,研究过程中的创新点在于将半监督学习的方法和思想应用到语音标注模型中,并且在标注后续的分类模型中根据实际业务需要应用了按需加权的方法,大大提高了语音关键词分类的效率。研究内容主要包括两大模型,即半监督学习语音关键字标注模型和按需加权决策树分类优化模型。首先对传统条件随机场模型进行优化,即对其综合应用半监督学习方法中的协同训练技术,根据高质量原始语音小样本标注集训练初始分类器,再根据半监督学习的特性,不断的将新训练得到的高置信度中间结果加入到初始标注集中,直到标注分类结果收敛,得到关键字标注数据;第二步再通过按需加权决策树优化模型,为相关标注领域的关键字(如医疗、交通、卫生等)进行筛选分裂根节点过程中的加权,从而最终完成对样本音频的分类标注。经过多轮实验相比传统监督模型方法,该标注方法的优势在于小样本训练数据情况下,可以得到较好准确性;对于某些训练数据难以获得的公司或领域更加实用。相比于传统人工标注,半监督模型的准确率还远远不及,但因为能节约大量成本,因此在目前阶段可以用于人工标注之前用以初步标注。