دانلود مقاله ترجمه شده کاربرد شناسایی خارج از زبان برای تشخیص عبارت گفتاری – ۲۰۱۰ IEEE

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۰
تعداد صفحات مقاله انگلیسی	۴ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	هوش مصنوعی
مجله	کنفرانس بین المللی آکوستیک پردازش گفتار و سیگنال  International Conference on Acoustics Speech and Signal Processing
دانشگاه	موسسه تحقیقات Idiap، مارتیگنی، سوئیس
کلمات کلیدی	تشخیص عبارت گفتاری (STD)، بازشناسی گفتار پیوسته با واژگان بزرگ (LVCSR)، درجه اطمینان (CM)، تشخیص خارج از زبان (OOL).
شناسه شاپا یا ISSN	ISSN ۲۳۷۹-۱۹۰X
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده

۱٫مقدمه

۲- STD مبتنی بر شبکه‌های گفتاری که توسط LVCSR ایجاد شده‌اند

۱-۲- سیستم LVCSR

۲-۲ – ارزیابی سیستم STD به‌تنهایی

۳- واحد تشخیص OOL

۱-۳- ارزیابی واحد تشخیص OOL به‌تنهایی

۴- ترکیب سیستم‌های تشخیص OOL و STD

۵- بحث و نتیجه‌گیری

• بخشی از ترجمه:

۵- بحث و نتیجه‌گیری
این مقاله یک ترکیبی از یک سیستم STD با یک واحد تشخیص OOL را برای بهبود دقت‌های تشخیص عبارات گفتاری انگلیسی پیشنهاد می‌کند. اول، نسخه ی اخیر سیستم STD تنها، بر اساس داده‌های ارزیابی NIST 2006، با سیستم پایه، مقایسه می‌شود. حدود ۲۰% افزایش نسبی در EER به دست می‌آید. سپس، ۲ رویکرد برای ترکیب سیستم‌های STD و OOL، بر اساس فایل‌های ضبط‌شده‌ی دارای دقت بالقوه ی بخش‌های گفتاری به‌دست‌آمده از زبان‌های مختلف، ارزیابی می‌شوند. اگرچه، کارایی سیستم STD در چنین سناریوهایی، زمانی که حاشیه‌نویسی‌های دستی OOL فراهم می‌شود، نتیجه‌بخش نمی‌باشد (۶% افزایش مطلق در EER نسبت به STD تنها)، کارایی نهایی STD-OOL بیشتر از ۲% (تقریباً ۷%) که از روش ۱# به دست می‌آید، بهبود پیدا می‌کند.

• بخشی از مقاله انگلیسی:

۵٫ DISCUSSIONS AND CONCLUSIONS

This paper proposes a combination of an STD system with an OOL detection module to improve detection accuracies of English spoken terms. First, the current version of the stand-alone STD system is compared to the baseline system on NIST 2006 evaluation data. About 20% relative improvement in EER is achieved. Then, two approaches to combine STD and OOL systems are evaluated on recordings with potential occurrence of speech segments from different languages. Although, performance of the STD system in such the scenario does not reach results when the manual OOL annotation is provided (6% absolute improvement in EER over the stand-alone STD), the ¿nal STD – OOL performance improves by more than 2% absolute ( 7% relative) achieved by approach #1.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد