混淆网络，有时称为词混淆网络，或非正式地称为“香肠”，是一种用于自然语言处理的数据结构，用于合并多个自动语音识别或机器翻译系统的输出。它以紧凑的形式表示关于词序列的竞争性假设，使下游处理能够在获得更多上下文之前推迟对歧义内容的决策。
该结构是一个简单的线性有向无环图。它有一个单一的开始节点和一个单一的结束节点，并且具有从开始到结束的每条路径都按顺序经过所有中间节点的性质。在任意两个相邻节点之间，一组边表示可能占据序列中该位置的替代词或短语。这组替代项称为混淆集。每条边通常带有权重或概率，反映底层系统对该特定选项的置信度。
起源与目的
混淆网络源于20世纪90年代末和21世纪初的自动语音识别研究。语音识别器通常生成一个格（lattice），这是一个更复杂的可能词序列图，但格对于语言模型或机器翻译系统等下游组件来说可能计算成本高昂。混淆网络通过将格折叠为线性结构来简化这一点，以牺牲部分表达能力换取效率。线性形式允许算法单次遍历处理输出，这在电话或广播转录等实时应用中尤为宝贵。
非正式名称“香肠”源于该图的可视外观，绘制时类似于一串相连的链节。该术语出现在21世纪初的学术文献中，特别是在Nokia Bell Labs及其他机构的研究人员探索格压缩技术的工作中。
在机器翻译中的应用
在机器翻译中，混淆网络扮演着独特的角色。它不是合并多个识别器的输出，而是允许翻译系统接受多个歧义输入，并将承诺性决策推迟到处理的后期阶段。例如，当翻译带有不确定性的转录语音时，翻译系统可以将混淆网络作为输入，并生成同时考虑所有替代项的翻译。这种方法避免了承诺可能错误的单一转录，而是让翻译模型利用自身知识权衡各种可能性。
此处的定义性特征是决策的推迟。使用混淆网络的翻译系统可以生成目标语言输出，该输出本身就是一个混淆网络，随后可以使用额外模型进行重新评分或解码。这在口语翻译中尤其有用，因为识别错误很常见，而早期错误选择的代价可能会传播到整个翻译中。
软件实现
混淆网络已在多种广泛使用的翻译和语音处理工具中实现。开源机器翻译软件Moses，主要由university of edinburgh和Carnegie Mellon University开发，并有许多机构的贡献，包含对混淆网络解码的支持。Moses允许用户以特定格式输入混淆网络，并生成考虑替代假设的翻译。
在商业领域，IBM Bluemix Watson中的专有翻译API（现为ibm云产品的一部分）已在语音到语音翻译流程中使用混淆网络。该API接受音频输入，执行识别，并构建一个混淆网络，然后传递给翻译引擎，从而提高对识别错误的鲁棒性。
与其他技术的关系
混淆网络与合并假设的其他方法相关但不同。Beam Search是一种解码策略，探索多个部分假设，但不产生紧凑的图结构。Sequence-to-Sequence (Seq2Seq)模型，例如基于Transformer (architecture)架构的模型，通常处理单一输入序列，并不原生处理替代输入，尽管已提出扩展。混淆网络也用于系统组合，其中多个独立识别器的输出被合并为单个网络，这种技术已被证明相比任何单一系统能降低词错误率。
在现代基于Deep learning的系统中，混淆网络的重要性有所下降，因为在大数据集上训练的端到端模型通常在内部处理歧义。然而，在混合系统以及必须集成多个遗留系统的场景中，例如广播新闻转录或多语言呼叫路由，它们仍然具有相关性。
局限性与扩展
混淆网络的一个关键局限性是它们假设位置顺序固定。这使得它们不适合表示不同假设之间的词插入或删除，当系统对词的存在性有分歧时可能发生这种情况。诸如广义混淆网络或基于对齐的变体等扩展通过允许空边或使用更复杂的对齐程序来解决这一点。另一个局限性是线性结构可能丢失完整格会保留的长距离依赖，尽管在实践中效率提升往往超过这一损失。
研究还探索了在其他任务中使用混淆网络，例如用于训练Neural network模型的Data Augmentation，其中替代项为训练数据提供自然变化。一些工作已将其应用于Large language model提示，利用网络表示用户查询的多种可能解释。