واژگان بیرون از واژه‌نامه
اسلاید 1: واژگان بيرون از واژه‌نامهعلي شريف رضويانخرداد 87
اسلاید 2: مقدمهواژگان بيرون از واژه‌نامهتشخيص واژگان بيرون از واژه‌نامهاستفاده از معيار اطمينانمدل‌هاي افزودهمدل آشغال عموميمدل آشغال حاوي ريزواژهمدل مکمل
اسلاید 3: کلمات خارج از واژگانسيستم‌هاي بازشناسي محدود به انتخاب واژه از داخل واژه‌نامه خود هستندسيستم به هنگام برخورد با يك واژه خارج از واژه‌نامه به اشتباه يكي از كلمات داخل واژه‌نامه را تشخيص مي‌دهدکلمات خارج از واژگان بيشتر نام‌هاي خاص هستند و تشخيص درست آنها بسيار کليدي استکلمات خارج از واژگان عامل مهمي در افزايش خطا در سيستم هاي بازشناسي گفتار هستندتشخيص نادرست يک واژه باعث انتقال خطا به واژگان بعدي خود مي شوند
اسلاید 4: راه حل ابتدايياگر تابع احتمال روبرو ازيک آستانه کمتر بود واژهخارج از واژه‌نامه استدر تئوري خوب به نظر مي رسددر عمل با مشکلات فراواني همراه استحذف مخرج نرمال‌سار در رابطه بيز و ساده‌سازي هاي فراوان باعث کاهش دقت و عدم کارايي مي‌شود
اسلاید 5: معيار اطمينان”معيار اطمينان“ عددي است بين 0 و 1 که به خروجي سيستم بازشناسي گفتار تعلق مي‌گيرد و بيان کننده ميزان اطمينان سيستم از خروجي استمعيار اطمينان در سطوح مختلفسطح ادراکسطح جملهسطح واژهسطح واجتابع ويژگي هاي مختلفامتياز کلي جذب مدلميانگين حسابي يا هندسي امتياز واج‌ها...
اسلاید 6: مدل هاي افزودهدر كاربردهاي واقعي هر اندازه كه مجموعه واژگان را بزرگ در نظر بگيريم وقوع كلمات جديد يا ناقص ادا شده و حتي نويزهاي غير گفتار اجتناب ناپذير استيكي از راههاي مواجه با اين مشكل افزودن مدل يا مدل‌هايي به مجموعه مدلهاي سيستم است كه براي شناسايي كلمات خارج از واژه‌نامه به كار ميروندكلمات داخل واژه‌نامه توسط مدلهاي اصلي سيستم بازشناسي مي شوند و كلمات خارج از واژه‌نامه توسط مدلهاي افزوده شده به سيستم جذب مي‌گردند
اسلاید 7: مدل هاي افزودهکلمات داخل واژه‌نامه توسط مدلهاي پاييني شناسايي مي‌شوندکلمات بيرون از واژه‌نامه توسط مدلهاي اضافه شده شناسايي مي‌شوند
اسلاید 8: مدل آشغال (پر‌کننده)اين مدلها به شيوه اي خاص طراحي مي‌شوند و آموزش مي‌بينند كه بتوانند به ازاي هر كلمه جديد امتياز بيشتري نسبت به مدلهاي اصلي سيستم توليد نماينددر حالت كلي به دو دسته تقسيم مي‌شوندمدل آشغال عموميمدل آشغال حاوي ريزواژه‌ها
اسلاید 9: مدل آشغال عموميدر اين مدل از يک HMM استفاده مي شودسيگنال گفتاري که حاوي کلمات شناخته شده براي سيستم بازشناسي گفتار نيست براي آموزش اين مدل به کار برده مي‌شود
اسلاید 10: مدل آشغال حاوي ريزواژه‌هادر اين روش مدل آشغال حاوي شبكه اي از مدلهاي آموزش ديده براي واحدهاي ريزواژه استبا وجود محدود بودن تعداد اين واحدها، شبكه قادر به پوشش دادن هر كلمه ورودي جديد خواهد بود
اسلاید 11: مدل آشغال حاوي ريزواژه‌هاسيستم به گونه‌اي طراحي مي‌شود که دو بخش خارج از واژه‌نامه و داخل واژه‌نامه رقيب يکديگر باشندتشخيص يک کلمه به عنوان خارج از واژه‌نامه با جريمه همراه خواهد بود
اسلاید 12: مدل آشغال حاوي ريزواژه‌هاP(A|U)P(U |OOV)P(OOV)خروجي بخش داخل واژه‌نامهخروجي بخش خارج از واژه‌نامههر کدام که مقدار بيشتري داشت به عنوان خروجي سيستم انتخاب مي شوداين روش توانايي افزايش بيشمار واژگان به واژه‌نامه خود را دارد
اسلاید 13: مدل مکملترکيبي از دو روش قبلي استانعطاف بالاي مدل ريزواژه‌هاپيچيدگي محاسباتي مدل عموميبا ترکيب نزديک‌ترين جفت گوسين‌ها و جايگزاري نتيجه حاصل در مجموعه تعداد گوسين ها در هر مرحله يکي کم مي‌شودبا اين روش مدل ريزواژه‌ها را به مدل عمومي شبيه مي کنيمادعا شده است با کاهش 99/5% تعداد تلفيق ها دقت در حدود 5% کاهش مي يابد
اسلاید 14: کارهاي آتيتغيير آستانه معيار اطمينان در حين فرايند بازشناسياستفاده از معيار زباني در معيار اطميناناستخراج برخط معيار اطمينان…
اسلاید 15: ؟
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.