智能人机交互中的语音词汇习得

本书以人类语言学习中 的词汇习得为研究对象， 以语音识别的弱监督学习 为研究方法，介绍了特征 一词袋模型、非负矩阵分 解、隐马尔可夫模型等算 法在语音词汇的无监督或 半监督表示学习方面的应 用，并在小词汇量英文数 据集上展示了其优良的性 能，为设计具备自主学习 的人机交互系统提供了思 路。 本书为从事语音识别、 认知语言学等方向的研究 者提供了参考，既可作为 该方向研究生和科研工作 者的参考读物，也适用于 具有一定机器学习和信号 处理知识基础的读者。

第1章 引言 1.1 词汇习得 1.1.1 语言习得中的词汇习得 1.1.2 词汇习得的基础关联 1.1.3 为什么不直接使用语音识别器来进行词汇习得 1.1.4 我们的研究重点：词汇习得的特征表达 1.1.5 相关领域 1.2 语音处理中的预备知识 1.2.1 梅尔频率倒谱系数 1.2.2 隐马尔可夫模型 1.3 词汇习得方法 1.3.1 重复出现语音段的挖掘和聚类 1.3.2 使用音素识别器 1.3.3 隐变量模型 1.3.4 隐马尔可夫模型的无监督训练 1.4 目标与动机 1.4.1 目标1：从连续语音中习得 1.4.2 目标2：数据驱动模型 1.4.3 目标3：具有可重用单元的分层架构 1.5 本书结构 第2章 通过非负矩阵分解实现词汇习得 2.1 非负矩阵分解综述 2.1.1 NMF：指标与算法 2.1.2 与其他方法的联系 2.2 语音的特征包表示 2.2.1 序列映射至向量 2.2.2 线性运算 2.3 词汇习得的非负矩阵分解 2.3.1 训练 2.3.2 评估方法 2.3.3 非负矩阵分解模型的优缺点 第3章 语音的特征包表示 3.1 多个码本和软VQ 3.1.1 帧编码方法 3.1.2 词汇习得结果 3.1.3 讨论 3.2 多个时间尺度和异步流 3.2.1 多重／可变帧频的动机和相关工作 3.2.2 VCV语料库和发音特征 3.2.3 辅音识别和发音特征分类结果 3.2.4 讨论 3.3 来自语音的高斯后验图的多视角模型 3.3.1 高斯后验图表示 3.3.2 来自高斯后验图的BoF表示 3.3.3 计算、结果和分析 3.4 小结 第4章 用于无监督模式发现的图正则化NMF 4.1 使用NMF的无监督模式发现 4.2 图正则化NMF 4.2.1 图论简介