语音识别技术日趋成熟,但仍存在一系列难题亟待解决。其中较为突出的是:对数据的标注成本高、耗时长,想获得大量的标注数据十分困难,而另一方面,却很容易获得大量的未标注数据。这种情况下,半监督学习是一种有效的学习方法,能够充分利用所有这些数据来得到较好的训练结果。本文主要研究连续语音识别中的半监督学习方法,着眼于对声学模型的性能的改进。针对经典的F. Wessel与H. Ney方法中的句子内滤除法会带来系统性能下降这个问题,本文提出一种自学习与确认相结合的策略,可以有效地提高声学模型的性能,在仅使用100句语料(约合20分钟)作为初始训练集的情况下,系统对测试集的识别率相对平均提高了4.9%。考虑到高置信度数据分布的集中性,文中同时使用高低置信度数据来训练系统,相比于仅应用高置信度数据的方法,系统对测试集的识别率平均提高了1.4%左右。另外,文中还尝试使用信息熵来进行数据筛选。根据最大熵原理,每次选择熵最大的数据加入到训练集中,实验表明依据信息熵进行数据筛选的半监督学习方法是有效、可行的。在当今很容易获得海量未标注数据的情况下,想要充分利用未标注数据,半监督学习的确是一个很明智的选择。