[发明专利]数据存储方法、装置、计算机设备及存储介质

说明书

本申请公开了一种数据存储方法、装置、计算机设备及存储介质，属于计算机技术领域。本申请实施例中，对于语音识别模型的至少两组状态转移数据，对输入数据、输出数据和状态转移后的第二状态的状态标识进行编码时，根据这些数据的出现频次进行编码，一种数据的编码数据的长度与数据的出现频次负相关，相较于等长编码中编码数据长度固定的方式，根据出现频次进行可变字长方式的编码，减少了编码数据中的冗余部分，降低了编码数据的数据量，对概率数据进行编码得到编码数据，以状态转移前的第一状态的状态标识作为索引来存储编码数据，减少了模型数据所占用的存储空间和内存，降低为设备的性能所带来的影响，提高了模型数据的存储效率。

技术领域

本申请涉及计算机技术领域，特别涉及一种数据存储方法、装置、计算机设备及存储介质。

背景技术

语音识别技术是指机器通过识别和理解的过程，将语音信号转变为相应的文本或命令的技术。通常地，在进行语音识别时会采用语音识别模型来实现。语音识别模型通常会存储在设备中，在需要进行语音识别时，再使用语音识别模型对语音信号进行处理。

在对语音识别模型进行存储时，通常会采用存储该语音识别模型的状态机中的边的方式存储，如果将每条边的五种数据按照32位来存储，则每条边占用160位空间。如果语音识别模型更大，状态标识需要采用64位进行存储，则每条边占用224位空间。这样单说用于将字词映射为语句的语言模型，边数通常为1e⁹数量级，语音模型占用的存储空间则高达几十吉字节(GB)大小。

目前，对模型数据进行存储时，该语音识别模型的模型数据即为至少两组状态转移数据，对于至少两组状态转移数据中除了第一状态的状态标识之外的其他数据，通过等长编码的前向星数据结构进行存储，并存储第一状态的状态标识与等长编码后的编码数据的索引关系。

通过上述等长编码后存储的方式，语音识别模型的编码数据所占用的存储空间依然很大，也会使得内存的负载较高，可能会影响算法运算的稳定性，增大触发OOM(Out OfMemory，内存不足)的概率。因而，上述数据存储方法的存储效率低，占用的存储空间和内存大，对设备的性能影响大。

发明内容

本申请实施例提供了一种数据存储方法、装置、计算机设备及存储介质，能够减少模型数据所占用的存储空间和内存，降低为设备的性能所带来的影响，提高模型数据的存储效率。

该技术方案如下：

一方面，提供了一种数据存储方法，该方法包括：

获取语音识别模型的至少两组状态转移数据，一组状态转移数据包括状态转移前后两个状态的状态标识、第一状态转移到第二状态的输入数据、输出数据和概率数据；

根据所述至少两组状态转移数据中所述输入数据、输出数据和第二状态的状态标识的出现频次，对所述输入数据、输出数据和第二状态的状态标识进行编码，得到所述输入数据、输出数据和第二状态的状态标识的编码数据，一种数据的编码数据的长度与所述数据的出现频次负相关；

对所述概率数据进行编码，得到所述概率数据的编码数据；

以所述至少两组状态转移数据中至少两个第一状态的状态标识作为所述至少两个第一状态对应的编码数据的索引，存储所述编码数据。

在一种可能实现方式中，所述解码指令为其他计算机设备发送的指令；或所述解码指令由接收到语音信号触发。

一方面，提供了一种数据存储装置，该装置包括：

获取模块，用于获取语音识别模型的至少两组状态转移数据，一组状态转移数据包括状态转移前后两个状态的状态标识、第一状态转移到第二状态的输入数据、输出数据和概率数据；