Přejít k obsahu


Hierarchical Discriminative Model for Spoken Language Understanding Based on Convolutional Neural Network

Citace:
ŠVEC, J., CHÝLEK, A., ŠMÍDL, L. Hierarchical Discriminative Model for Spoken Language Understanding Based on Convolutional Neural Network. In Proceedings of the 16th Annual Conference of the International Speech Communication Association (Interspeech 2015). Red Hook, NY: Curran Associates, Inc., 2015. s. 1864-1868. ISBN: 978-1-5108-1790-6 , ISSN: 2308-457X
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Hierarchical Discriminative Model for Spoken Language Understanding Based on Convolutional Neural Network
Rok vydání: 2015
Místo konání: Red Hook, NY
Název zdroje: Curran Associates, Inc.
Autoři: Ing. Jan Švec Ph.D. , Ing. Adam Chýlek , Ing. Luboš Šmídl Ph.D. ,
Abstrakt CZ: Článek představuje novou metodu pro porozumění mluvené řeči. Rozpoznávání mluvené řeči převede vstup do tvaru slovní mřížky, která je následně zpracována. V hierarchickém diskriminativním modelu je použita konvoluční neuronová síť, díky které je možno zpracovat a využít lexikální informace a posteriorní pravděpodobnosti obsažené v ASR mřížce. Model je vyhodnocen na dvou sémanticky anotovaných korpusech. Model byl porovnán s hierarchickým diskriminativním modelem založeným na SVM a vyhodnocen.
Abstrakt EN: This paper presents a novel method for processing automatic speech recognition (ASR) lattices (and generally weighted finite state acceptors) in feed-forward artificial neural networks. It is based on the existing work focused on the text classification using convolutional neural networks (CNNs). The presented method generalizes the convolutional layer of the neural network so that it is able to process both the posterior probabilities and the lexical information contained in an ASR lattice. The convolutional layer was used in a CNN-based implementation of a hierarchical discriminative model (HDM). The method was evaluated using two semantically annotated corpora and the CNN-based HDM improves performance of a spoken language understanding module in comparison with an original HDM based on Support Vector Machines (SVM)
Klíčová slova

Zpět

Patička