技術特征：

1.基于前向神經(jīng)網(wǎng)絡語言模型的漢語語音關鍵詞檢索方法，所述方法包括：

步驟1)將包含歷史詞的輸入樣本和目標詞輸入前向神經(jīng)網(wǎng)絡模型，對于每個目標詞w_i，加入概率分布為q(w_i)的若干個噪聲詞，并將最后一個隱藏層的激活輸出傳至目標詞和這些噪聲詞所在節(jié)點處，由此根據(jù)訓練的目標函數(shù)計算各層之間的轉(zhuǎn)換矩陣；計算輸出層的輸出與目標詞的誤差，將誤差通過網(wǎng)絡回傳，更新各轉(zhuǎn)換矩陣，直至前向神經(jīng)網(wǎng)絡模型訓練完畢；

步驟2)利用步驟1)得到的前向神經(jīng)網(wǎng)絡模型計算輸入詞歷史的目標詞概率；

步驟3)將前向神經(jīng)網(wǎng)絡語言模型計算得到的目標詞概率用于解碼器中，通過解碼器對語音解碼得到多候選識別結果的詞圖，再將詞圖轉(zhuǎn)為混淆網(wǎng)絡并生成逆序索引；在檢索階段，根據(jù)關鍵詞列表在逆序索引中檢索關鍵詞，返回命中關鍵詞及其出現(xiàn)的時間。

2.根據(jù)權利要求1所述的基于前向神經(jīng)網(wǎng)絡語言模型的漢語語音關鍵詞檢索方法，所述步驟1)具體包括：

步驟101)輸入N個訓練樣本時，同時輸入一個基于訓練樣本的目標詞統(tǒng)計得到的一元概率；

所述訓練樣本包括輸入樣本和目標詞；其中N個輸入樣本為：u_i(1≤i≤N)，每個u_i由n-1個詞歷史v_ij(1≤j≤n-1)組成，u_i＝(v_i1,v_i2,…v_i,n-1)；表示形式采用“N中選一”的編碼模式；所述目標詞為w_i(1≤i≤N)；

步驟102)將輸入層的輸入樣本通過映射層矩陣映射到連續(xù)空間，串接在一起后作為第一個隱藏層的輸入；然后將詞向量繼續(xù)向前傳播，直至最后一個隱藏層；

步驟103)根據(jù)NCE準則，將步驟101)的一元概率生成若干噪聲詞；并將最后一個隱藏層的激活輸出傳至目標詞和這些噪聲詞所在節(jié)點處，根據(jù)訓練的目標函數(shù)計算各層之間的轉(zhuǎn)換矩陣；

步驟104)計算輸出層的輸出與目標詞的誤差，將誤差通過網(wǎng)絡回傳，更新各轉(zhuǎn)換矩陣，直至神經(jīng)網(wǎng)絡訓練完畢。

3.根據(jù)權利要求2所述的基于前向神經(jīng)網(wǎng)絡語言模型的漢語語音關鍵詞檢索方法，其特征在于，所述步驟103)的具體實現(xiàn)過程為：

對于每個目標詞w_i，加入概率分布為q(w_i)的k個噪聲樣本w_ij，q(w_i)采用Unigram的概率；引入變量C，那么一個詞是由神經(jīng)網(wǎng)絡預測得到(C＝1)，還是由 噪聲樣本得到(C＝0)，其概率如下式所示：

$P(C=1|w_i,u_i)=\frac{P\left(w_i\right|u_i)}{P\left(w_i\right|u_i)+kq\left(w_i\right)}---\left(4\right)$

$P(C=0|w_{ij},u_i)=\frac{kq\left(w_i\right)}{P\left(w_{ij}\right|u_i)+kq\left(w_i\right)}---\left(5\right)$

其中：

$P\left(w\right|u)=\frac{p\left(w\right|u)}{\underset{w^{\′}}{\mathrm{\Σ}}p\left(w^{\′}\right|u)}=\frac{\exp (D^{\′}{h}_2+b)}{Z\left(u\right)}---\left(6\right)$

其中，D′是最后一個隱藏層到輸出層的變換矩陣，b是偏置向量，Z(u)為規(guī)整因子，Z(u)在訓練和預測過程中均設為1；

訓練的目標函數(shù)J定義為最大化logP(C|w,u)的期望，即：

$J={\mathrm{\Σ}}_{i=1}^N\left(\log P\right(C=1|w_i,u_i)+{\mathrm{\Σ}}_{j=1}^{k}P(C\mathrm{=0}|w_{ij},u_i\left)\right)---\left(7\right)$

通過求最大化的J，求得各層之間的轉(zhuǎn)換矩陣。

4.根據(jù)權利要求3所述的基于前向神經(jīng)網(wǎng)絡語言模型的漢語語音關鍵詞檢索方法，其特征在于，所述步驟2)具體包括：

步驟201)將包含n-1個詞歷史v_0j(1≤j≤n-1)的向量u₀輸入上述訓練完成的前向神經(jīng)網(wǎng)絡模型中；

步驟202)計算映射層上的不同詞歷史傳至第一個隱藏層時的結果：C^jDv_0j(1≤j≤n-1)，D為映射層的矩陣；保存計算結果；

步驟203)根據(jù)不同的詞歷史v_0j，在內(nèi)存中查找上述已經(jīng)計算好的詞向量C^jDv_0j，經(jīng)過若干個隱藏層傳至輸出層；

步驟204)在輸出層計算目標詞的概率：

P(w|u₀)＝p(w|u₀)＝exp(D'h₂+b) (8)。