该文针对语音识别和中文整句输入法的具体任务,对统计语言模型中的构造和一些关键技术进行了深入的研究,主要讨论了N-gram模型、N-gram改进模型的理论基础及其实现技术.具体有:1.实现了基于动态规划算法的最少切分分词算法.并通过分析一些错误的分词情况和汉语的特点,使用逆序处理方式,引入2字词数目、词出现概率等对分词的影响,对自动分词给出了一个较满意的解决方案.2.针对统计语言模型参数训练过程中的数据稀疏问题,研究了针对N-gram统计语言模型的数据平滑技术.讨论了数据平滑技术的必要性和评价标准,实现了多种典型的平滑算法,并通过大量实验比较并分析了这些平滑算法的优劣.3.实现了基于N-gram统计语言模型的音字转换栈解码算法,提出了双栈和多栈两种策略并设计和优化了搜索算法,引入了中文词法树来限制搜索空间,并将该算法应用到语音识别系统和中文整句输入法中.实验表明栈解码算法、特别多栈解码算法是一种效率较高的音字转换算法.4.在统计语言模型构造中,提出了将词间距离信息结合到N-gram统计语言模型中的思路,并称之为距离加权的关联词统计语言模型.