[拼音]：ziran yuyan yuyin lijie xitong

[外文]：natural speech understanding systems

指人和计算机之间用自然语言口语语音对话的通信系统。这是令人向往的前景。因为人用口语语音传输信息最快，最方便；而双手又是自由的，可以同时进行其他操作。

自然语言语音理解系统，从20世纪60年代初开始研究，10多年间一直停留在用模式识别的方法辨认单词的语音识别上，即在计算机里贮存某些单词的声学模式，用来匹配输入的语音信号。由于语音识别无法使计算机辩认连续语流中的语音变化，以及人和人之间、同一个人先后发音之间的差别，也不能排除噪声干扰，因此效果不大。单人口呼（一个人发音）输入，计算机不过识别100多个单词；多人口呼（不止一个人发音）输入，只能识别10～20多个单词而已。

70年代初期认识到，必须综合应用语言学知识来研究计算机对连续语流的语音理解。1971年美国国防部高级研究计划中心(ARPA)为语音理解研究 (SUR)设立基金，要求在 5年之内取得突破。具体指标是：使计算机能理解特定范围内的正常口语句子（连续语音），单词不少于1000，错误不超过10％。在ARPA SUR计划下，到1976年先后建成了一些英语语音理解的实验系统，都能在有限的词汇、句法和特定的主题范围内理解英语口语句子。其中有代表 的是美国卡尔奈吉－梅隆大学的 HEARSAY和HARPY系统，BBN公司的HWIM系统。

HEARSAY有两个系统。70年代初期建成HEARSAYI，随后改进，1976年建成 HEARSAYⅡ，以文件检索为主题，单词1011个，只能接受单人口呼（一男）。 HARPY系统的主题也是文件检索，单词也是1011个，但能接受多人口呼（三男二女）。HWIM系统的主题是旅游指南，包括日程安排和费用，单词1097个，能接受多人口呼（三男）。

这些系统的设计互不相同，各自采用了特定的技术安排。但在总的方法上是一致的，即语音、词汇、句法、语义、语用的分析同时进行，互为补充，以确定输入句的内容。一般的处理程序是：分析输入语音信号的声学物理特征，根据音系规则归纳音位、音位变体、连续音变和语音省略以切分音节；根据构词规则作出可能的单词假设，称为“底端分析”。同时应用句法、语义、语用规则和主题知识，根据上下文预测输入句的内容，称为“ 分析”。底端无需识别每一个语音信号，模糊不清的可以跳过;只要能提出句中某几个单词的假设，就能由 根据词的搭配、句法组合和主题知识前后左右加以推断，建立句中单词序列的一种或几种假设，再用底端的语音数据核实，择优选用。这种上下结合的分析方法是一个重要的突破，取得了明显的效果。 据HARPY的实验，底端凭语音数据切分单词的准确率只有42％，而语音、句法、语义综合分析的准确率高达97％。HEARSAYⅡ的实验结果相同:增加句法分析，单词识别的准确率提高25％；再增加语义分析，准确率又提高25％。

ARPA　SUR 计划之后又陆续建立了一些类似的系统，都未超过上述系统的成效。目前面临的问题是：能理解的词汇、语句局限 过大，更不能区别语音近似的句子。HARPY 被认为是ARPA SUR计划中最成功的系统，也只能理解特定的有限态语句，句中不能替换任何单词。

70年代后期和80年代初期，语音理解向纵深方向探索，同时开始设计某些专用 系统。例如澳大利亚堪培拉高等教育学院信息科学学校正在研制的 FOPHO系统，输入澳大利亚英语口语语音，计算机经过识别、理解能转写为音标显示输出，为教学和科研服务。 不伦瑞克工业大学通信技术研究所则在研制一个输入德语口语语音、输出德语书面文字的系统，等等。

关于汉语语音理解的研究，见汉语语音理解系统。

参考书目

A. Barr and E. A. Feigenbaum， The Hɑndbook of Artificiɑl Intelliɡence，Pitman，London，1981.

严正声明：本文由历史百科网注册或游客用户成双自行上传发布关于» 自然语言语音理解系统的内容，本站只提供存储，展示，不对用户发布信息内容的原创度和真实性等负责。请读者自行斟酌。同时如内容侵犯您的版权或其他权益，请留言并加以说明。站长审查之后若情况属实会及时为您删除。同时遵循 CC 4.0 BY-SA 版权协议，尊重和保护作者的劳动成果，转载请标明出处链接和本声明内容：作者：成双；本文链接：https://www.freedefine.cn/wenzhan/47417.html