當(dāng)今社會,互聯(lián)網(wǎng)在線教學(xué)和課堂面對面教學(xué)是教育行業(yè)兩種主要的教學(xué)方式,互聯(lián)網(wǎng)在線教學(xué)打破課堂面對面教學(xué)在時間、空間的限制,為學(xué)習(xí)者提供豐富的教學(xué)資源和多樣的學(xué)習(xí)平臺。然而,學(xué)習(xí)多樣化改變的同時,學(xué)習(xí)輔助工具并沒有突破性的進(jìn)展,尤其是視頻云筆記。視頻云筆記作為學(xué)習(xí)者和視頻資源交互的工具,可以提供便捷的筆記記錄方式、完善的筆記分享機制及個性化的筆記服務(wù)。一個完善的視頻云筆記可以發(fā)揮筆記內(nèi)容的潛能,挖掘教學(xué)視頻的重點和難點,也有利于幫助學(xué)習(xí)者構(gòu)建完善的知識體系�，F(xiàn)有的視頻云筆記中,學(xué)習(xí)者采用傳統(tǒng)鍵盤輸入方式記錄筆記,同時觀看視頻和操作鍵盤會降低學(xué)習(xí)者學(xué)習(xí)效率,如果能將便捷且人機交互性好的語音識別技術(shù)融入其中,則會很大程度改善這一現(xiàn)象。而且在視頻學(xué)習(xí)過程中,學(xué)習(xí)者只重視筆記內(nèi)容的回憶鞏固,研究人員也對學(xué)習(xí)者筆記內(nèi)容的分析研究知之甚微,這樣不利于發(fā)揮筆記內(nèi)容的潛在作用�；谝陨蠁栴},本文的主要貢獻(xiàn)如下:1、對語音識別技術(shù)中的DNN-HMM聲學(xué)模型進(jìn)行研究。分析深度神經(jīng)網(wǎng)絡(luò)模型的組成和訓(xùn)練,結(jié)合隱馬爾科夫模型建立基于視頻云筆記的DNN-HMM聲學(xué)模型,將它們進(jìn)行解析、設(shè)計和訓(xùn)練,采用THCHS30中文語料庫和人工錄制的實驗數(shù)據(jù)測試DNN-HMM聲學(xué)模型在視頻云筆記語音識別中的準(zhǔn)確率。實驗結(jié)果表明,該模型的詞錯誤率和句錯誤率都低于傳統(tǒng)的GMM-HMM模型,能夠有效提高視頻云筆記的學(xué)習(xí)質(zhì)量。2、深入分析學(xué)習(xí)者筆記內(nèi)容,利用TF-IDF算法提取筆記內(nèi)容熱點。首先針對傳統(tǒng)TF-IDF算法對筆記內(nèi)容熱點提取中的不足,并結(jié)合筆記篇幅簡短、言簡意賅、標(biāo)題正文分開的特點,提出一種基于筆記內(nèi)容熱點分析的改進(jìn)算法TF-IDF-G,在算法中引入筆記詞性和位置權(quán)重因子。然后對筆記內(nèi)容進(jìn)行中文分詞、詞性標(biāo)記和位置獲取處理。最后采用學(xué)習(xí)平臺筆記數(shù)據(jù)集驗證TF-IDF-G算法在筆記內(nèi)容熱點提取的正確性。最后,以西安電子科技大學(xué)網(wǎng)絡(luò)與繼續(xù)教育學(xué)院學(xué)習(xí)平臺為對象,實現(xiàn)一款面向在線學(xué)習(xí)的視頻云筆記。把訓(xùn)練好的DNN-HMM聲學(xué)模型應(yīng)用到視頻云筆記的語音聽寫筆記記錄中,并采用TF-IDF-G算法對筆記內(nèi)容進(jìn)行分析,提取筆記內(nèi)容熱點。實驗表明,DNN-HMM聲學(xué)模型和TF-IDF-G算法能夠有效改善互聯(lián)網(wǎng)教育的視頻學(xué)習(xí)機制,從而提高學(xué)習(xí)者的學(xué)習(xí)熱情和效率。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：G434;TP393.09
【部分圖文】：

1.1 研究背景和意義近年來，在傳統(tǒng)教學(xué)的基礎(chǔ)上，人們越來越重視互聯(lián)網(wǎng)在線學(xué)習(xí)，它正在逐漸深入人們的日常學(xué)習(xí)和生活中。從 CNNIC 在 2019 年 2 月發(fā)布的第 43 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示[2]，截止去年十二月，中國在線教育用戶人數(shù)達(dá)到 2.01 億，比 2017 年年底增加 4605 萬，年增長率為 29.7%。同時，隨著在線學(xué)習(xí)的便捷及終身學(xué)習(xí)思想的普及，在線教育的用戶市場規(guī)模在持續(xù)發(fā)展，如圖 1.1 所示。目前互聯(lián)網(wǎng)教育已經(jīng)實現(xiàn)全球范圍的資源共享和平臺開放，使得學(xué)習(xí)者可以隨時隨地在網(wǎng)絡(luò)上學(xué)習(xí)自己所需的教學(xué)資源，給教育行業(yè)帶來了很大的壓力和新的發(fā)展動力。教育形式也由最初單一的文本、音頻材料走向豐富的視頻資源。但是，在學(xué)習(xí)資源顯著增加和網(wǎng)絡(luò)環(huán)境顯著改善的背后，新的挑戰(zhàn)也隨之誕生。學(xué)習(xí)者的學(xué)習(xí)效果并沒有發(fā)生質(zhì)的變化，學(xué)習(xí)者雖然可以方便快捷的獲得所需資源，但只是被動接受信息，不能有效利用，無法及時構(gòu)建知識體系，這也對學(xué)習(xí)者理解學(xué)習(xí)資源內(nèi)容造成了極大的困難，在一定程度上對學(xué)生的“學(xué)”過程有所忽略。

云筆記的市場需求正在逐漸增加。目前，市場上的云筆記產(chǎn)品層出不窮，功能也是各式各樣，其三大核心需求如圖1.2 所示�，F(xiàn)在市場上的筆記工具基本可以分為兩種：獨立式筆記和嵌入式筆記。獨立式筆記比如印象筆記、有道筆記，其主要功能是私人記事、生活記錄。這類筆記工具功能比較完善，但是沒有緊密聯(lián)系在線學(xué)習(xí)，學(xué)習(xí)者不能實時將筆記和學(xué)習(xí)資源對應(yīng)起來。因此這類筆記在網(wǎng)絡(luò)學(xué)習(xí)中不太受歡迎。嵌入式筆記是指將筆記工具集成到學(xué)習(xí)平臺上中，這類筆記工具有一個共同的的缺點就是單一的文本記錄形式，不支持語音記錄功能。圖 1.2 云筆記核心需求國內(nèi)云筆記產(chǎn)品還處于薄弱階段的同時，國外云筆記產(chǎn)品發(fā)展卻很占優(yōu)勢。比如印象筆記，是由美國云筆記服務(wù)商開發(fā)的，之后，印象筆記中文版打入中國市場，使得“云筆記”這一概念眾所周知。云筆記最大的特點是為用戶提供隨時隨地搜索、總結(jié)信息并同步到多個平臺的功能。但是通過研究統(tǒng)計，市場上云筆記的用戶還比較少，總計僅有千萬，同類產(chǎn)品種類也很少，還沒有明顯的競爭現(xiàn)象。1.2.2 語音識別研究現(xiàn)狀20 世紀(jì) 50 年代是語音識別研究的萌芽期，第一個建立在特定人、6 英尺高自動數(shù)字識別的 Audrey 系統(tǒng)[5]，成功用于對 10 個英文數(shù)字的識別，準(zhǔn)確度高達(dá) 90％

圖 2.1 連續(xù)語音識別原理圖1、信號預(yù)處理：對輸入的原始語音進(jìn)行預(yù)處理，去除語音中的冗余信息。2、特征提�。禾崛∪舾煽梢源硪欢握Z音信息，描述信號本質(zhì)的信息特征值。3、聲學(xué)模型：使用語音數(shù)據(jù)庫訓(xùn)練聲學(xué)模型，將特征提取后的語音與聲學(xué)模型進(jìn)行匹配，轉(zhuǎn)換成有序的拼音輸出。4、語言模型：語言模型結(jié)合詞語所處上下文的語義環(huán)境和語法，描述出詞與詞之間的內(nèi)在關(guān)聯(lián)[15]，提高識別的準(zhǔn)確率，將拼音轉(zhuǎn)化為文字。5、解碼器：在構(gòu)建的網(wǎng)絡(luò)中利用搜索算法找出一條最優(yōu)的路徑，以最大可能性輸出識別出來的語句。綜上，在語音識別的過程，首先對輸入語音信號進(jìn)行去除噪音等處理，提取能表示原始語音信號的特征，然后將上一步得到的語音特征與聲學(xué)模型、語言模型訓(xùn)練和匹配，最后構(gòu)建一個龐大的識別搜索網(wǎng)絡(luò)，根據(jù)搜索算法在該網(wǎng)絡(luò)中尋找出一條最優(yōu)的路徑，以最大可能性輸出識別出來的語句，從而將語音識別為文字。語音識別的本質(zhì)可以理解為，輸入語音信號，找出對應(yīng)語句中概率最大的句子。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周弘燁;;語音識別大揭秘:計算機如何處理聲音?[J];中國新通信;2019年04期

2 程建軍;胡立志;;關(guān)于深度學(xué)習(xí)的語音識別應(yīng)用研究[J];科技經(jīng)濟導(dǎo)刊;2019年12期

3 桑亞超;李龍杰;袁傳青;霍慶磊;張樂;;關(guān)于語音識別在空調(diào)上的應(yīng)用與改善[J];日用電器;2019年07期

4 牛洪波;王婉君;劉華楠;;語音識別專利技術(shù)綜述[J];河南科技;2019年24期

5 向暉;;數(shù)字語音識別與合成[J];電子世界;2019年15期

6 張晗;;淺談?wù)Z音識別[J];內(nèi)蒙古科技與經(jīng)濟;2019年18期

7 馬曉偉;;基于智能聲控需求的語音識別研究[J];通訊世界;2019年10期

8 姜姝姝;;語音識別64年大突破[J];機器人產(chǎn)業(yè);2016年06期

9 吳俊宇;;語音識別為何“叫好不叫座”?[J];通信世界;2016年16期

10 徐鑫;;語音識別的未來之路[J];通信世界;2016年16期

相關(guān)會議論文 前10條

1 張冰;龍長才;羅海風(fēng);;熟悉掩蔽音背景下的目標(biāo)語音識別[A];泛在信息社會中的聲學(xué)——中國聲學(xué)學(xué)會2010年全國會員代表大會暨學(xué)術(shù)會議論文集[C];2010年

2 于東;賈磊;徐波;;面向語音識別錯誤恢復(fù)的澄清式疑問句生成[A];中國計算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 邢安昊;黎塔;顏永紅;;利用二重打分方法的激活詞語音識別[A];中國聲學(xué)學(xué)會第十屆青年學(xué)術(shù)會議論文集[C];2013年

4 文成義;何海燕;張玉扶;;基于新型神經(jīng)網(wǎng)絡(luò)的不定人語音識別[A];第二屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC1992）論文集[C];1992年

5 杜笑平;楊啟綱;楊家沅;;過零周期轉(zhuǎn)移概率矩陣語音識別部件的研制[A];第二屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC1992）論文集[C];1992年

6 潘勝昔;劉加;江金濤;王作英;陸大金;;基于多模式及集成判決的穩(wěn)健電話語音識別算法研究[A];第五屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC1998）論文集[C];1998年

7 杜利民;;語音識別中的魯棒性問題[A];第六屆全國人機語音通訊學(xué)術(shù)會議論文集[C];2001年

8 宋君;葛余博;;應(yīng)用于魯棒語音識別的置信度加權(quán)特征丟失法[A];第七屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC7）論文集[C];2003年

9 張明新;倪宏;陳國平;張東濱;;一種用于并行模型噪聲魯棒語音識別的特征構(gòu)造方法[A];第八屆全國人機語音通訊學(xué)術(shù)會議論文集[C];2005年

10 熊軍軍;馬瑞堂;李成榮;;兒童語音識別的研究現(xiàn)狀[A];第九屆全國人機語音通訊學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 特約撰稿人 Lamont Wood 編譯 Charles;語音識別成長起來，并走向移動應(yīng)用[N];計算機世界;2018年

2 本報記者 陶力;阿里全資收購先聲互聯(lián) 推動語音識別場景落地[N];21世紀(jì)經(jīng)濟報道;2018年

3 洪蕾;阿里研發(fā)高工業(yè)噪聲環(huán)境下語音識別及傳輸技術(shù)[N];中國信息化周報;2018年

4 本報記者 郭科;登月早已實現(xiàn)，同期啟動的語音識別還在路上[N];科技日報;2018年

5 本報記者 王星平;語音識別商用尷尬 應(yīng)用場景垂直化路有多遠(yuǎn)[N];中國企業(yè)報;2016年

6 本報記者 余建華;從“綠皮車時代”邁入“高鐵時代”[N];人民法院報;2017年

7 陳宗周;機器在聆聽[N];電腦報;2017年

8 本報記者 黃旭 熊雯琳;云知聲:與巨頭共舞，成為AI領(lǐng)域BAT的密碼[N];電腦報;2017年

9 本報記者 錢一彬;手機“黑科技”為何叫好不叫座[N];人民日報;2017年

10 《機器人產(chǎn)業(yè)》雜志副總編輯 姜姝姝;語音識別距人類只差0.4%？[N];北京日報;2017年

相關(guān)博士學(xué)位論文 前10條

1 譚天;基于結(jié)構(gòu)化深度學(xué)習(xí)的語音識別自適應(yīng)技術(shù)研究[D];上海交通大學(xué);2018年

2 屠彥輝;復(fù)雜場景下基于深度學(xué)習(xí)的魯棒性語音識別的研究[D];中國科學(xué)技術(shù)大學(xué);2019年

3 賀蘇寧;基于語音識別基元聲學(xué)整體結(jié)構(gòu)特征的識別模型研究[D];電子科技大學(xué);2005年

4 陳立偉;基于HMM和ANN的漢語語音識別[D];哈爾濱工程大學(xué);2005年

5 徐金甫;基于特征提取的抗噪聲語音識別研究[D];華南理工大學(xué);2000年

6 寧更新;抗噪聲語音識別新技術(shù)的研究[D];華南理工大學(xué);2006年

7 沈海峰;語音識別中的環(huán)境補償研究[D];北京郵電大學(xué);2006年

8 李小兵;高效簡約的語音識別聲學(xué)模型[D];中國科學(xué)技術(shù)大學(xué);2006年

9 孫f

本文編號：2814678