该研究提出了一种轻量级字符表示的方法，用于编码精细的发音特征，并结合预训练的神经语言模型，以提高基于声学相似性的情境偏倚。实验结果表明，该方法在不同情境偏见列表大小上相对于基线模型提高了4.62％-9.26％的WER。在稀有单词和内部测试集上，相对WER的提高分别为36.80％和23.40％。