【摘 要】
：
本论文是关于英语口语测试中问答题型的自动评测的研究.系统包括三个主要的部分：语音识别,打分特征提取和分数映射.大部分的打分特征的提取是基于语音识别的识别结果,所以
【机 构】
：
中国科学院声学研究所语言声学与内容理解重点实验室
【出 处】
：
中国科学院声学研究所第四届青年学术交流会
论文部分内容阅读
本论文是关于英语口语测试中问答题型的自动评测的研究.系统包括三个主要的部分：语音识别,打分特征提取和分数映射.大部分的打分特征的提取是基于语音识别的识别结果,所以识别的性能直接影响到机器打分的性能.打分特征应该能够精确地描述相应语音,因此需要覆盖考生答案的各个方面包含：语音的流利度,发音质量,内容相关性和语法的正确性.最终得到的打分特征通过SVM模型映射成为考生的得分.人工打分是衡量的机器打分的参考,可以通过计算人工打分与机器打分的相关系数来评价评测系统的性能.在体统中机器打分与人工打分的相关系数为0.860,相比人工打分之间的相关系数有19.9％的提高,这也证明了系统的可使用性和有效性.
其他文献
进行了空气中可听声频率的幻象隐声衣回波实验研究。设计一种隐藏物体真实回波特性的隐声衣,采用转换声学方法和线性坐标变换求得隐声衣密度和体积模量。用穿孔板制作具
在关键词系统进行快速索引的时候，因为速度的提升，剪枝力度的加大，会造成召回率的严重不足，究其原因是因为解码生成的词图会丢失很多的信息。在本文中，集中关注了这个问题，针对
解码器速度是语音识别应用中的一项重要指标，为了构建快速的语音识别系统,加权有限状态机成为了当前语音识别解码器的主流技术，但是采用加权有限状态机的语音识别系统需要
韩语是黏着语的一种，其特点是音素发音会受到上下文影响。这一特点使语音识别中声学模型的建模产生混淆，从而影响系统的识别性能，鉴于传统短时特征的上下文信息极为缺乏，本文
随着云计算和大词汇量连续语音识别(LVCSR)技术的不断成熟，语音输入法得到人们越来越多的关注.语音输入法系统可以把人们的声音转化为文字，从而代替键盘实现文字的输入.本
在各种语音识别应用中,置信度的可靠性对语音识别正确率都起着关键的作用。本文对基于声学层特征和语言层特征的后验概率置信度和基于上下文混合特征的条件随机场(Condit
设计了一种基于混合高斯模型(GMM)的汉语普通话声调自动识别算法。汉语普通话连续发音时存在“连读变调”现象。针对该现象，对现有的基于GMM的声调识别算法提出了改进方案
在基于总变化因子i-vector的说话人识别中,应用概率线性鉴别分析(PLDA)可以极大地提高性能。然而,PLDA假设的高斯分布并不能准确地描述i-vector,通过将高斯分布替换成重
作为人们日常生活中必不可少的通信工具，手机经常在各种场合下使用，而由于复杂多变的背景噪声的存在，导致了通信语音质量的下降。在本篇文章中，提出一种基于功率级比的新双麦
将信息增益和加权log似然比特征选择方法应用于音子配列学语种识别系统中进行特征降维。在美国国家标准技术研究院2009年语种识别评测数据集上进行实验，分别使用信息增益