ارائه روشی جدید برای تعیین معیار اطمینان در پذیرش کلمات کلیدی در زبان فارسی

سیستم های بازشناسی اتوماتیک گفتار به دنبال تصحیح خطاهایی هستند که به دلایل مختلف از جمله وجود نویز، تلفظ های مختلف یک کلمه و وقوع کلمات تعریف نشده، رخ می دهند. تشخیصکلمات کلیدی، شاخه ای مهم از بازشناسی اتوماتیک گفت ار با هدف شناسایی تعداد محدودی از کلمات معین در یک گفتار ورودی است. در این راستا دسته بندی کلمات کلیدی که تلفظ هایی شبیه بهم دارند و بررسی مجدد آنها می تواند موجب افزایش دقت در تشخیص صحیح، گردد . هدف از این مقاله، معرفی یک روش تشخیص کلمات کلیدی برمبنای SVM است. در روش پیشنهادی صحت هر کلمه کلیدی شناسایی شده، بر اساس میزان شباهت آن با یک سری کلمات کلیدی و غیرکلیدی نزدیک به آن و با کمک یک دسته بندی کننده SVM محاسبه می گردد. در این روش از مدل مخفی مارکوف برای آموزش مدل واحدهای بازشناسی استفاده می شو د.مدل های بازشناسی عبارتند از مدل های واجی زبان فارسی و نیزمدل های کلمات کلیدی. برای هر کلمه کلیدی، یکSVM مجزا آموزش داده می شود. آزمایش های انجام شده برای بازشناسی و تشخیص 100کلمه کلیدی فارسی بیانگر افزایش کارایی روش پیشنهادی به میزان %9.4 نسبت به روش استفاده از مدل زوائد است.