افزایش نرخ صحیح بازشناسی گفتار با استفاده از تطبیق مدل زبانی
محل انتشار: دومین همایش ملی مهندسی کامپیوتر و فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 619
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCEB02_087
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
مدل های زبانی بشدت تحت تاثیر ویژگی های لغوی، نحوی و معنایی سخنان آموزش دیده است و در راستای جبران این نقصمساله تطبیق مدل های زبانی مطرح می شود. یکی از مهم ترین روش های تطبیق که در این مقاله بررسی می شود مدل STM میباشد. از طرفی از مهم ترین و پرکاربردترین مدل های زبانی، مدل های آماری زبان می باشند. در این مدل ها اغلب کلماتی ارائه میشوند که از لحاظ نحوی و معنایی و گاهی هم از لحاظ عملی نامناسب هستند. برای حل این مشکل استفاده از FLM یا مدل زبانیفاکتورگرا پیشنهاد شد. در این مقاله با توجه به نتایج بدست آمده خواهیم دید روش FLM با در نظر گرفتن اطلاعات نحوی متن مانندادات سخن، و روش STM با توجه به بخش بندی متون و در نظر گرفتن موضوعات بخش ها قادر هستند مدل زبانی کاملتری تولیدکرده و سبب بهبود نرخ صحیح بازشناسی کلمه شوند. در روش پیشنهادی دوم با تلفیق دو روش FLM و STM روش FSTM مطرحگردید که ضمن ارائه چهارچوب کلی و روابط مربوطه، عملکرد آنرا با روشهای تطبیق مدل زبانی متداول مقایسه نمودیم. نتایجآزمایشات کارایی بهتر روش پیشنهادی را نسبت به دیگر روشهای تطبیق نشان داد.
کلیدواژه ها:
نویسندگان
طاهره ابراهیمی
گروه کامپیوتر، دانشکده فنی و مهندسی، واحد اراک، دانشگاه آزاد اسلامی واحد اراک، ایران
بهزاد زمانی دهکردی
گروه کامپیوتر، دانشکده فنی و مهندسی، واحد شهرکرد، دانشگاه آزاد اسلامی شهرکرد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :