Přejít k obsahu


Language Model Adaptation Using Different Class-Based Models

Citace: [] PRAŽÁK, A., IRCING, P., MÜLLER, L. Language Model Adaptation Using Different Class-Based Models. In SPECOM 2007 Proceedings. Moscow: Moskow State Linguistic University, 2007. s. 449-454. ISBN: 5-7452-0110-X
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Language Model Adaptation Using Different Class-Based Models
Rok vydání: 2007
Místo konání: Moscow
Název zdroje: Moskow State Linguistic University
Autoři: Aleš Pražák , Pavel Ircing , Luděk Müller
Abstrakt CZ: Článek popisuje dvě rozdílné metody pro přidávání neviděných slov do LVCSR systému. Obě metody používají principy třídových jazykových modelů - první metoda využívá znalosti závislé na úloze, druhá metoda je plně automatická a na úloze nezávislá. Rozsáhlé experimenty navržených jazykových modelů na ASR systému pracujícím v reálném čase ukazují, že obě techniky poskytují zlepšení přesnosti rozpoznávání. Navíc příspěvky obou dvou metod lze kombinovat, což vede k celkovému absolutnímu zlepšení až 2 %.
Abstrakt EN: The paper presents two different methods for adding previously unseen words into the LVCSR system. Both methods employ the principles of class-based language modeling – the first one exploits task-specific knowledge, the second one is fully automatic and task independent. Extensive test of the proposed language models in the real-time ASR system showed that both techniques provide a consistent improvement in terms of recognition accuracy. Moreover, the contributions from both methods appear to be additive, yielding a total improvement of up to 2 % absolute.
Klíčová slova

Zpět

Patička