Přejít k obsahu


A study of different weighting schemes for spoken language understanding based on convolutional neural networks

Citace:
ŠVEC, J., CHÝLEK, A., ŠMÍDL, L., IRCING, P. A study of different weighting schemes for spoken language understanding based on convolutional neural networks. In 2016 IEEE International Conference on Acoustics, Speech, and Signal Processing Proceedings. neuvedeno: IEEE Signal Processing Society, 2016. s. 6065-6069. ISBN: 978-1-4799-9988-0 , ISSN: 2379-190X
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: A study of different weighting schemes for spoken language understanding based on convolutional neural networks
Rok vydání: 2016
Místo konání: neuvedeno
Název zdroje: IEEE Signal Processing Society
Autoři: Ing. Jan Švec Ph.D. , Ing. Adam Chýlek , Ing. Luboš Šmídl Ph.D. , Doc. Ing. Pavel Ircing Ph.D. ,
Abstrakt CZ: Článek popisuje vývoj bezstavového modulu pro porozumění mluvené řeči (SLU), založeného na umělých neuronových sítích, který bere v potaz neurčitost výstupu automatického rozpoznávání mluvené řeči (ASR). Tato práce navazuje na autory dříve představený koncept vážených neuronů a předkládá zobecněnou váhu pro takový typ neuronu. Efekt různých podob a metod odhadu parametrů pro tuto váhu je experimentálně ověřen na trénovacím korpusu z více oblastí, vytvořeného spojením dvou různých sémanticky anotovaných korpusů. Robustnost nejlepšího přístupu k vážení je ukázána na experimentech využívajících hybridní slovně-sémantické mřížky (WSE) a scénáře s omezeným množstvím dat.
Abstrakt EN: This paper describes the development of a stateless spoken spoken language understanding (SLU) module based on artificial neural networks that is able to deal with the uncertainty of the automatic speech recognition (ASR) output. The work builds upon the concept of weighted neurons introduced by the authors previously and presents a generalized weighting term for such a neuron. The effect of different forms and parameter estimation methods of the weighting term is experimentally evaluated on the multi-task training corpus, created by merging two different semantically annotated corpora. The robustness of the best performing weighting schemes is then demonstrated by experiments involving hybrid word-semantic (WSE) lattices and also limited data scenario.
Klíčová slova

Zpět

Patička