صفحه 1:
پردازش زبان طبیعی (۱۱۲۴)
باز شناسی خودکا
کرو لیر باز شناسى خودكار
صفحه 2:
پردازش زبان طبیعی چیست ؟
* استفاده از رایانه به منظور پردازش زبان گفتاری و نوشتاری و به
طور دقیق تر ماشینی کردن فرایند درک و برداشت مفاهیم بیان
شده توسط یک زبان طبیعی انسانی
هدف اصلی پردازش زبان طبیعی
* ایجاد تلوري‌هاي محاسباتي از زبان, با استفاده از الگوریتم‌ها و
ل ساختارهاي داده‌اي موجود در علوم رایانه‌ای 1
صفحه 3:
زمینه های کاری NLP
* (۸۵5۲) وهتازجومع »5۵66 ۸۵۳0۵1 بازشناسی
خودکار گفتار
* (۲۲5) ۲6-۲0-5666 تبدیلمتزبه گفتار
de>} 5 Machine Translation (MT) * ماشينى
| (ls jLL Optical Character Recognition (OCR) *
\ كاراكتر طئنورى
صفحه 4:
, بازشناسی
h Rec ecogiition نیج Automatic
(ASR)
* زبان معمولترین رسانه ارتباطي و ابزار بازنمايي جهان در ذهن انسان
* گفتار ساده ترین و رایج ترین ابزار ارتباطي انسانها
* اولین دستاورد بازشناسی گفتار: راحت‌تر کردن ارتباطات بین انسان و
ماشین‌ها 1
* دسترسي به تكنولوژي همواره منجر به برتري مي‌گردد.
* برتري Sly تكنولوژي بازشناسي گفتار مي‌تواند 1 ابعاد مختلف فرهنگي,
لقب ۱
۲ ع
اجتماعي, اقتصادي, نظامي-سياسي و علمي باشد
صفحه 5:
چرا سیستم های باز شناسی خودکار گفتار مهم هستند ؟
اهمیت فرهنگي
* کمک به زبان و صیانت از بزرگترین میراث فرهنگي ملت بویژه در محیط رایانه و
* استفاده بیشتر از زبان و زنده نگه داشتن آن
* فراهم کردن بستر ایجاد تعامل بیشتر با زبان و کمک به ابعاد توريستي, سياسي ,
تجاري
۱ ~
* راحت‌تر کردن ارتباط افراد با زبانهاي مختلف با زبان مورد نظر (مترجم گفتار به
SI گفتار)
صفحه 6:
چرا سیستم های باز شناسی خودکار گفتار مهم هستند ؟
اهمیت اجتماعي اهمیت اقتصادي 9 تجاري:
۰ ایجاد آسایش و سادگي بیشتر, ۰ قابل استفاده در همه کاربردهايي که نیاز
* بالا بردن کیفیت ارائه خدمات به ارتباط انسان و ماشین وجود دارد
۰ راحتي و سادگي بیشتر, تسریع در انجام
* افزایش سرعت پاسخگويي کار
ا كسب رضبايت مشتزيان * خستگي‌ناپذیر بودن و دسترسي 24 ساعته
2 ا * عملي كردن برخي ارتباطات غير عملي
صفحه 7:
ee IVR بر گفتار سیستم Se IVR سیستم
(SUES Say Bees] 180١
aE اکنادی] Cosa تصایق | LBA
مثال: سیستم ۴ ۱۷ se
مبتنی بر گفتار و
سیستم IVR 3
ی ys سس
صفحه 8:
سیستم های تشخیص گفتار چگونه عمل می کنند ؟
رویکرد مبتنی برتشخیص الگو داراي دو فاز آموزش 1۳210) ) و آزمون (Test (
۰ آموزش
الگوهاي مربوط به هرکلاس (واحدهاي آوايي مانند کلمه, واج و ...)با
استفاده از روش‌هايي مدل‌سازي مي‌شوند.
* آزمون
مقایسه گفتار ورودي با الگوهاي آموزش داده شده جهت تشخیص \
واجدهاي آوايي موجود درگفتار ورودی
صفحه 9:
دیاگرام کلی سیستم باز شناسی خودکار گفتار با رویکرد تشخیص الگو
۸
nn حل
| سس | 35
a AAMAS |
Soe آموزش 1 SS
صفحه 10:
اجزای سیستم های بازشناسی خودکار گفتار
9 استخراج ویژگی
هدف : كاهش حجم محاسبات و حذف افزونكىهاى موجود در سيكنال
گفتار با استخراج تعداد محدودی پارامتر از آن
0 بازشناسی گفتار مستقل از گوینده : بایستی حداقل حساسیت را به نحوه
ادای آواهای مختلف یک گفتار خاص از نظر كلام و كوينده داشته باشند.
* باز شناسی گفتار وابسته به گوینده : وابستگی به لحن, شكل و طول مسير
= صوتی , طول گام و غیره ۱
صفحه 11:
اجزای سیستم های با شناسی خودکار گفتار
۰ دادگان های گفتاری
تنوع گویندگان و حجم دادگان مهمترین پارامترهاي طراحي
دادگان‌هاي كاربردي زبان انگلیسی شامل حدود 200 تا 300 ساعت گفتار با
حدود 300 گوینده ۱
* دادگان های متنی
a حجم مناسب براي استخراج آمار معتبر - حدود 250 تا 300 میلیون کلمه
واژگان
صفحه 12:
اجزای سیستم های با شناسی خودکار گفتار
روش های گرامری : به جملات خروجی ساختار
گرامری آن زبان اعمال می شود
مدل های il ih = ۳
زبانی روش های اماری : احتمال پشت سرهم آمدن کلمات
به عنوان مدل‌های زبانی استخراج شده و مورد استفاده !
قرار می‌گیرند
صفحه 13:
اجزای سیستم های بازشناسی خودکار گفتار
مدل انطباق زماني پویا (۵۲۷۷) )
شبکه عصبی مصنوعی (ANN)
مدل های
اوایی مدل مخفی مارکوف (/۲۱/۱) )
۱ ~
3 ۱ مدل های ترکیبی
صفحه 14:
دیاگرام کلی سیستم بازشناسی خودکار گفتار با رویکرد تشخیص الگو
Coal
| 2 “5 14 ۹ ع8
دود
| Sn
صفحه 15:
خطا های سیستم های بازشناسی خود کار گفتار
خطای حذف (Deletion) : : عدم باز شناسی یک سیگنال آوایی
که در گفتار وجود دارد
خطا ها iia hon : عدم وجود واحد آوایی باز شناسی
شده‌در سیگنال گفتا
9 خطای جايگزيني : باز شناسی يك واحد آوایی به اشتباه به
جاى يك واحد اوايى ديكرى
صفحه 16:
با تشکر از توجه شما!!
بایان