实验记录（更新）

2.10实验：字典中没有的词在text中按照单个字分词

• 字典中有丁雪伟，可以在丁雪伟的音素错误的时候也能纠正为丁雪伟，所以字典的作用是从音素到词之间的矫正。
• 如果字典中没有丁雪伟这个词，在text分词的时候只能按照丁、雪、伟这三个字来分词。所以有一个常用的小技巧是将所有单个汉字作为词加入词典，这样在增加中文词的时候。“新词”总可以被拆分成“单字词”，这样L无需改变，只需将kaldi构建HCLG中的G进行更新即可。
• 使用aishell自带词典lexicon_orign.txt，和my_text_1，my_text_5（两个文档中丁雪伟，万丰电厂，七沥站都被分为单个词），重复5遍比重复一遍的效果好了很多。
•  my_text_1
• my_text_5
• 总结：字典中没有这个词时，可以在text中对这个词进行字分词，以提高识别率，所以需要使字典覆盖更多的汉字。

words.txt phones.txt lm与lexicon和text的关系：

• 明确一个地方，words.txt完全是根据lexicon.txt得到的，而且lexicon的行数比words多几行，因为lexicon中包含了多音字。如果在字典lexicon中多加了30个词，就比方说上边的lexicon_mix.txt，相应的words.txt中也会多30行。
• 生成语言模型的时会同时用到lexicon和text文件，如果text中的词语lexicon中没有，那么就会出现下图的情况：

标签：lexicon,记录,text,丁雪伟,更新,实验,words,txt,字典
来源： https://blog.csdn.net/m0_51590371/article/details/122853815