kaldi英文链接：http://www.kaldi-asr.org/doc/graph.html
本系列的文章是自己从kaldi中挑选按有助于理解整个流程的部分，不知道能坚持多久，It is never too late to learn.这是我刚到TEG办公室看到的，阴错阳差此刻又出现在我面前，或许是在提醒我不要忘记它。
Overview of graph creation:
整个的解码图可以理解为HCLG=H o C o L o G,其中：
G是acceptor(ie,它的输入和输出符号是一样的)，用来将语法解码成语言模型。
L是lexicon（字典）,它的输出符号是words,输入符号是phones。
C表示context-dependency（上下文依赖关系）,输出符号是phones，输入符号是上下文依赖的phones，如windows of N phones,具体参见http://www.kaldi-asr.org/doc/tree_externals.html#tree_window 。
H包含HMM的定义，它的输出符号表示上下文依赖的phones，输入符号表示transition-ids，而transition-ids就是编码pdf-id和其他信息，具体参见http://www.kaldi-asr.org/doc/hmm.html#transition_model_identifiers
这是一个标准的方法，但是还有很多细节需要填充。我们想要保证输出被确定和最小化，并且为了HCLG被确定，我们插入了消歧符号（disambiguation symbols）,具体参见http://www.kaldi-asr.org/doc/graph.html#graph_disambig。我们想尽可能保证HCLG是随机的，在传统的方法中采用的是push-weights，而kaldi确保随机性的方法与之不同，采用的方法是是确保没有图形创建步骤“带走”随机性，具体参见http://www.kaldi-asr.org/doc/fst_algo.html#fst_algo_stochastic
一个公式总结就是：HCLG = asl(min(rds(det(H' o min(det(C o min(det(L o G))))))))，其中asl=="add-self-loops" and rds=="remove-disambiguation-symbols", and H' is H without the self-loops。
weight-pushing不属于这个方法；相反，kaldi旨在确保只要G是随机的，那么图形创建的任何阶段都不能阻止结果的随机性，（ no stage of graph creation will stop the result from being stochastic），