Что такое beam search

Beam search — алгоритм поиска, который на каждом шаге распознавания речи сохраняет сразу несколько наиболее вероятных вариантов продолжения фразы, а не единственный. Так модель не отбрасывает раньше времени гипотезу, которая по ходу фразы может оказаться точнее того варианта, что выглядел лучшим на предыдущем шаге. Beam search применяется не только в распознавании речи.

Распознавание речи в каждый момент может продолжиться несколькими похожими по звучанию словами, и модели нужно выбрать, какую цепочку слов считать окончательным ответом. Beam search — один из способов сделать этот выбор, не полагаясь на первое подвернувшееся слово. Разбор соседних понятий — в словаре терминов распознавания речи.

Что означает термин beam search

Beam search — алгоритм поиска, который вместо единственного самого вероятного слова на каждом шаге держит сразу несколько лучших вариантов продолжения фразы. По определению источника (Wikipedia), beam search — эвристический алгоритм поиска, который исследует граф вариантов, раскрывая на каждом шаге самый перспективный узел из ограниченного набора.

Применительно к распознаванию речи это значит, что модель не фиксирует слово сразу, как только встретила самый вероятный на этом шаге вариант: она удерживает несколько параллельных гипотез и в конце выбирает ту цепочку слов целиком, у которой итоговая вероятность оказалась выше. Beam search используется не только в автоматическом распознавании речи — тот же приём встречается и в других задачах, где текст генерируется последовательно, слово за словом.

Пример из диктовки

Beam search перебирает несколько лучших вариантов, а не только один — в этом и есть суть его работы: вместо того чтобы сразу зафиксировать первое подходящее слово, алгоритм временно держит в памяти несколько правдоподобных продолжений фразы. Он проверяет каждый из этих вариантов дальше по фразе и в конце выбирает тот, у которого получилась наибольшая вероятность, а не тот, что казался лучшим на первом шаге.

Как это касается Потока, а где нет

«Поток» — облачный сервис, распознавание идёт на серверах в России, без интернета он не работает. Использует ли его модель именно beam search или другой способ поиска лучшей последовательности слов, «Поток» не публикует — здесь термин разобран как общий приём в распознавании речи, а не как заявленная деталь конкретного продукта.

Встроенная диктовка и «Поток»

Первоисточники: en.wikipedia.org · support.microsoft.com