计算语言学 - 语音识别课程大纲

第一周：课程介绍与预备知识

• 主题：计算语言学基础与语音识别概述
• 学习目标：
  • 理解计算语言学的定义与重要性
  • 介绍语音识别的基本概念
• 阅读/资源：
  • [《Speech and Language Processing》(Jurafsky & Martin) 第1章]
• 活动：介绍演讲与小组讨论

第二周：信号处理与特征提取

• 主题：音频信号处理与Mel频率倒谱系数(MFCC)
• 学习目标：
  • 掌握信号处理在语音识别中的应用
  • 学习MFCC特征提取方法
• 阅读/资源：
  • [《Speech Recognition: A Practical Introduction》(Hazen)]
• 活动：实验：使用Python实现基本的信号处理和特征提取

第三周：语音模型与概率论基础

• 主题：HMMs (隐马尔可夫模型) 和 GMMs (高斯混合模型)
• 学习目标：
  • 理解HMMs和GMMs在语音识别中的作用
  • 学习基本的概率统计概念
• 阅读/资源：
  • [《Speech and Language Processing》(Jurafsky & Martin) 第3章]
• 活动：小组讨论并设计简单的HMM模型

第四周：深度学习入门

• 主题：深度神经网络（DNNs）与卷积神经网络（CNNs）
• 学习目标：
  • 了解深度学习在语音识别中的应用
  • 实践搭建简单的DNN/CNN模型
• 阅读/资源：
  • [Deep Learning Book (Goodfellow et al.)] 中关于语音识别的部分
• 活动：实践使用Keras或TensorFlow构建DNN/CNN模型

第五周：集成与优化

• 主题：系统集成与评估技术
• 学习目标：
  • 学习如何整合不同模块创建完整的语音识别系统
  • 了解评价指标如WER (Word Error Rate)
• 阅读/资源：
  • [《Speech Recognition Systems》(Livescu &/publ)]
• 活动：设计并优化自己的语音识别系统

第六周：项目与案例研究

• 主题：实际项目设计与案例分析
• 学习目标：
  • 应用所学知识解决实际问题
  • 分析行业案例，如智能家居语音控制
• 阅读/资源：
  • 选择相关案例研究报告
• 活动：小组项目展示与讨论

评估方法：

• 作业：每周课后作业，检查理论理解和实践技能
• 小测验：每两周进行一次，测试关键概念
• 项目：最终项目报告，考察综合运用能力
• 课堂参与：鼓励积极讨论，评价团队合作

此大纲旨在逐步引导学生从基础到深入理解语音识别，通过多元化的教学方法激发学习兴趣。