Topic tracking language model for speech recognition

تاریخ: ۲۰۱۱

پایگاه:  الزویر

لینک دانلود اصل مقاله

نام مجله: Computer Speech & Language

قیمت: ۲۰۰,۰۰۰ ریال

تعداد صفحات انگلیسی: ۲۲

تعداد صفحات فارسی: ۳۸

کد: ۵۵۰۵۸

چکیده فارسی

در محیط واقعی، مشخصه‌های زبانی و اکوستیک (صوت شناسی) اغلب بر مبنای گویندگان، سبک گفتار و تغییرات موضوع متفاوت می‌باشد. به منظور سازش با این تغییرات، رویکردهای تشخیص گفتار که شامل ردیابی پله‌ای تغییرات محیطی می‌باشد، توجهات را به سمت خود معطوف کرده است. این مقاله مدل زبانی پیگیری تاپیک را مطرح می‌کند که بطور سازگارانه، تغییرات را در تاپیک بر مبنای اطلاعات متنی موجود و مدل‌های تاپیک برآورد شده قبلی به صورت آنلاین دنبال می‌کند. مدل مطرح شده برای انطباق با مدل زبانی به منظور تشخیص گفتار، کاربرد دارد. ما از مجموعه تحققیات آزاد MIT و مجموعه‌ای از تحقیقات انجام شده توسط ژاپنی‌ها در بررسی‌های مرتبط به تشخیص گفتار استفاده می‌کنیم و کارایی مدل طرح شده را نشان می‌دهیم.

چکیده انگلیسی

In a real environment, acoustic and language features often vary depending on the speakers, speaking styles and topic changes. To accommodate these changes, speech recognition approaches that include the incremental tracking of changing environments have attracted attention. This paper proposes a topic tracking language model that can adaptively track changes in topics based on current text information and previously estimated topic models in an on-line manner. The proposed model is applied to language model adaptation in speech recognition. We use the MIT OpenCourseWare corpus and Corpus of Spontaneous Japanese in speech recognition experiments, and show the effectiveness of the proposed method

مشخصات استنادی

Watanabe, S., Iwata, T., Hori, T., Sako, A., & Ariki, Y. (2011). Topic tracking language model for speech recognition. Computer Speech & Language, 25(2), 440-461

دانلود اصل مقاله

ویژگی‌های مقاله مدل زبانی پیگیری تاپیک برای تشخیص گفتار

مقاله “مدل زبانی پیگیری تاپیک برای تشخیص گفتار” در سال ۲۰۱۱ در مجله Computer Speech & Language چاپ شده و در پایگاه اطلاعاتی الزویر نمایه شده است. این مقاله به بررسی مشخصه‌های زبانی و اکوستیک، رویکردهای تشخیص گفتار و مدل‌های تاپیک پرداخته است. همچنین براساس اطلاعات پایگاه اطلاعاتی گوگل اسکولار این مقاله ۱۳ بار مورد استناد قرار گرفته است.