《새로운 과학분야를 개척하며 최신과학기술의 성과를 인민경제에 널리 받아들이기 위한 연구사업을 전망성있게 하여야 합니다.》 (
최근 조선어음성인식의 응용범위와 과제의 확대로 하여 련속공간에서 언어모형화를 진행하기 위한 연구가 본격적으로 벌어지고있다. 우수한 학습자료표현능력과 적응능력을 가지고있는 부분공간가우스혼합모형에 기초한 언어모형(SGMLM)은 가우스혼합모형에 기초한 언어모형(GMLM), 재귀신경망에 기초한 언어모형(RNNLM)과 같이 련속공간언어모형화의 한 형태이다.
SGMLM은 적은 학습자료하에서도 학습을 효률적으로 하는것으로 하여 조선어열린어휘음성인식 《룡남산》의 인식률을 크게 개선시켰으며 여러가지 효과적인 적응방법들을 적용할수 있는것으로 하여 회의기록과 같은 소규모전문분야과제들에 성공적으로 응용되였다. 현재 이 기술은 음성인식은 물론 자연언어처리를 동반하는 과제들에 적용할수 있는 전망성있는 기술이다. 우의 SGMLM에서 매 형태부모형을 구축하는 방식은 발성자인식에서 매 발성자의 모형을 구축하는 방식과 류사하다. 실례로 《학교》,《아시아》,《에서》와 같은 형태부의 모형은 일반GMM모형에 대한 간단한 선형변환에 의하여 생성된다. 6만개 어휘범위에서 N-GRAM LM과 GMLM, SGMLM을 구축하고 평가본문(4 500문장)에 대하여 분기수를 계산한 결과 각각 106, 90, 60정도였다. 음성인식률평가를 위해 400개 발성문장으로 이루어진 검사모임에 대해서 인식실험을 진행하였을 때 단어인식률이 97.78%, 97.89%, 98. 34%였다. 인식실험에서 GMLM과 SGMLM은 계산시간상 문제로 복호기의 두번째 통과에서 리용되였으며 련속특징량으로는 RNN의 숨은 층의 출구를 리용하였다.
각이한 적응본문크기에 따르는 매 모형들의 적응실험을 한 결과를 평균적으로 보면 N그람(MAP적응)에 비하여 GMLM(FMLLR적응)은 상대적으로 22.5%, SGMLM(FMLLR적응)은 상대적으로 65.39%만큼 개선되였다.
