Question

我正在尝试转换CMU Sphinx识别器的输出（即列表＆lt; hypothesis（即短语），得分（在日志中）＆gt;通过调整test_ps_nbest.c获得）以下形式：列表＆lt;假设（即短语），“概率”（在0和1之间）＆gt;

我现在使用的一个简单的方法如下：

问题在于上述方法的输出概率存在偏差。您是否有任何建议我可以用来获得概率偏差？

我必须实施以纠正偏见的示例方法：

vector＆lt;双＆gt; getBias（vector＆lt; string＆gt; phrase，vector＆lt; double＆gt; logConfidenceScores）

上述讨论的示例输入：

＆LT; “我很高兴我们的头脑和他的标记”，-43278＆gt;

＆LT; “我们在我们的课堂上赚钱，并且标记了它”，-43449＆gt;

＆LT;他在HEART LUNG掌握权力，并将其标记为“，-43368＆gt;

Answer 1

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

首先，这不是一个置信度分数，而是一个分数。为什么分裂？列表中的得分也是声学得分，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，因为你没有考虑到巨大的概率。

Output probability = exp(normalized confidence score)

行动的顺序没有任何数学意义，不奇怪你没有得到好的结果。

如果你想要一个每个话语置信度分数，你可能想先回顾一下理论：