Исследование нейросетевых моделей русского языка для систем автоматического распознавания слитной речи

Приводятся результаты исследований моделей русского языка, построенных на основе рекуррентных искусственных нейронных сетей, для систем автоматического распознавания слитной речи. Созданы нейросетевые модели с различным числом элементов в скрытом слое, а также выполнена линейная интерполяция нейросетевых моделей с базовой триграммной моделью языка. Полученные модели использовались на этапе переоценки списка лучших гипотез распознавания. В ходе экспериментов по распознаванию слитной русской речи со сверхбольшим словарем (150 тыс. словоформ) относительное уменьшение процента неправильно распознанных слов, полученное после выполнения переоценки списка 50 лучших гипотез распознавания с использованием нейросетевых моделей языка, интерполированных с триграммной моделью, составило 14 %.