基于策略评估网络学习的半监督训练方法、语音识别方法及装置

本发明提供一种基于策略评估网络学习的半监督训练方法、语音识别方法及装置。该半监督训练方法包括：采用有标注语音数据对初始化的RNN‑T进行训练，得到已训练的RNN‑T模型；在已训练的RNN‑T模型中引入策略评估网络，将相同时间步下编码器的输出和预测网络的输出组合为输出对作为状态，将需要预测的文本符号作为动作，采用有标注语音数据对所述策略评估网络进行训练，得到训练好的策略评估网络；其中，所述策略评估网络用于计算语音识别过程中在给定策略函数下每个状态‑动作对的动作值函数，所述策略函数用于计算RNN‑T输出下一个文本符号的概率；根据训练好的策略评估网络，采用无标注语音数据对初始化的RNN‑T进行训练，得到最终训练好的RNN‑T模型。