machine-learning - 将 CMU Sphinx 的置信度分数转换为概率时的偏差

Question

我正在尝试将 CMU Sphinx 识别器的输出（即列表 < 假设（即短语）、分数（在日志中）> 通过调整 test_ps_nbest.c 获得）转换为以下形式：列表 < 假设（即短语）、“概率”（介于0 和 1) >

我现在使用的一个简单方法如下：

问题是上述方法的输出概率是有偏差的。你有什么建议可以用来获得概率偏差吗？

我必须实施以纠正偏差的示例方法：

矢量<双> getBias（矢量<字符串>短语，矢量<双> logConfidenceScores）

上述讨论的示例输入：

<“他在我们的头部心脏肺中做了标记”，-43278 >

< “他在我们班上拿了钱，他做了标记”，-43449 >

<他在心脏和肺上得到了能量并且他做了标记”，-43368 >

score 1 · Accepted Answer

A trivial method which I am using now is as follows:
Divide each confidence score by language weight (eg: 11)

首先，它不是信心分数，而是分数。你为什么要分？列表中的分数也是声学分数，语言权重在这里没有任何意义

Normalize the list of confidence score in log domain

这也是一件毫无意义的事情，因为您没有考虑到巨大的概率质量。

Output probability = exp(normalized confidence score)

动作序列没有任何数学意义，你没有得到好的结果并不奇怪。

如果您想要每个话语的置信度分数，您可能需要先回顾一个理论：

1 回答 1