Přejít k obsahu


Hierarchical discriminative model for spoken language understanding

Citace: ŠVEC, J., ŠMÍDL, L., IRCING, P. Hierarchical discriminative model for spoken language understanding. In Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference on. New York: IEEE, 2013. s. 8322-8326. ISBN: 978-1-4799-0356-6 , ISSN: 1520-6149
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Hierarchical discriminative model for spoken language understanding
Rok vydání: 2013
Místo konání: New York
Název zdroje: IEEE
Autoři: Ing. Jan Švec , Ing. Luboš Šmídl Ph.D. , Ing. Pavel Ircing Ph.D.
Abstrakt CZ: Článek prezentuje nový diskriminativní model pro statistické porozumění řeči. Tento model je určen pro použití v hlasových dialogových systémech. Algoritmus sémantické analýzy používá lexikalizované gramatiky, které jsou odvozeny z trénovacích dat. Pravděpodobnosti přiřazené pravidlům gramatiky jsou odhadnuty pomocí klasifikátoru. Generované sémantické stromy jsou částečně zarovnané se vstupní promluvou, čímž poskytují lexikální realizaci jednotlivých sémantických konceptů. Model byl vyhodnocen pomocí dvou sémanticky anotovaných korpusů a na obou těchto korpusech překonal výchozí systémy založené na Hidden Vector State parseru a klasifikátoru sémantických n-tic (STC). Experimenty byly provedeny jednak na přepsaných datech, tak i na automaticky ropoznaných mřížkách. V článku je rovněž popsáno inovativní použití fonémových mřížek v procesu automatického porozumění mluvené řeči.
Abstrakt EN: The paper presents a new discriminative model for statistical spoken language understanding designed for use in spoken dialog systems. The parsing algorithm uses lexicalized grammar derived from unaligned training data with probability estimates generated by multiclass classifiers. The generated semantic trees are partially aligned with the input sentence to provide lexical realisation of semantic concepts. The model was evaluated on two semantically annotated corpora and in both tasks it outperforms the baseline Hidden Vector State parser and Semantic Tuple Classifiers model. The experiments were performed using both transcribed data and recognized lattices. The innovative aspect of using phoneme lattices in the understanding process instead of word lattices is examined and described.
Klíčová slova

Zpět

Patička