经过几十年发展,语音识别技术正在走向实用.虽然在不同应用中,具体识别系统的构成有所不同,但总的来说一个完整的语音识别系统应包含前端预处理、声学模型、语言模型和搜索引擎四个部分.其中的语言模型除了在孤立词识别系统中可以省略外,在多数系统中都不可缺少.并且,在语音识别系统向具体应用领域转化的过程中,语言模型非常重要,它能利用特定领域的先验知识,有效指导识别过程.在限定领域的应用中,特别是口语识别中,我们经常遇到语料不充分的现象,或者在短时间内难以收集到足够的语料,这给训练语言模型带来极大困难.平滑算法的改进只能在一定程度上弥补数据稀疏性带来的问题.在尝试了以FSN为代表的基于规则的语言模型和基于类的n元文法模型后,我们提出了基于关键信息的建模方法,在应用中取得了较好的效果.该文涉及的工作主要有:①在基于规则的语言建模方面,我们采用FSN的方法来描述语法,实现了基于FSN的语音识别引擎,在语音信息查询应用中采用FSN语言模型取得了较好的效果.②在预处理、分词、平滑算法等方面,对现有的n元文法模型的训练过程进行改善,提出了基于裁减门限的Katz改进平滑算法.③在基于类的n元文法语言模块和英、汉双语语言模型方面做了一些尝试.④提出基于关键信息的语言建模方法,缓解了训练数据稀疏给语言模型训练造成的影响,能有效识别用户话语中的关键信息,同时过滤掉无用信息.在此基础上,实现了实时识别系统,在面向奥运的语音信息查询系统项目中取得了很好的效果.⑤为"基于语音的网站导航系数"设计基于汉字的n元文法模型.总之,文本介绍了作者在限定领域口语识别背景下的语言建模方面的一些工作.