CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه روشی برای بکارگیری ترکیبی مدل زبانی پیش بین مونوگرام و ترایگرام در بازشناسی گفتار پیوسته با واژگان بزرگ

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۵۶۷ | نظرات: ۰
سرفصل ارائه مقاله: پردازش ویدئو و صحبت
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: ACCSI13_108
زبان مقاله: فارسی
حجم فایل: ۲۹۵.۲ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی برای بکارگیری ترکیبی مدل زبانی پیش بین مونوگرام و ترایگرام در بازشناسی گفتار پیوسته با واژگان بزرگ

  مهدی صوفی فر - دانشجوی کارشناسی ارشد آزمایشگاه پردازش گفتار دانشگاه صنعتی شریف
  حسین ثامتی - استادیار دانشگاه صنعتی شریف
  باقر باباعلی - دانشجوی دکترا آزمایشگاه پردازش گفتار دانشگاه صنعتی شریف
  خسرو حسین زاده - کارشناس ارشد آزمایشگاه پردازش گفتار دانشگاه صنعتی شریف

چکیده مقاله:

در این مقاله، یک روش محاسباتی و تقریبی جدید برای مدل زبانی پیش بین 1 ارائه شده است. مهمترین اثر مدل زبانی پیش بین هرس تیز تر فضای جستجو با تقریب زدن امتیاز مدل زبانی لغت تحت
بازشناسی و استفاده هرچه سریع تر آن در پروسه دیکد می باشد . به هرحال مدل زبانی پیش بین دارای سربارهای محاسباتی و حافظه ای مخصوص خود است که با بزرگ شدن واژگان و بالاتر رفتن مرتبه مدل زبانی مورد استفاده ، به شکل نا مطلوبی افزایش می یابد و روند بازشناسی را تحت تاثیر قرار می دهد . روش ارائه شده برای به طور مشخص به این موضوع می پردازد و سعی دارد با استفاده از یک روش اشتراک گیری در بین داده های موجود در گره های درخت واژگان، علاوه بر فراهم کردن امکان استفاده از مدلهای زبانی ترایگرام در هرس مدل زبانی پیش بین، تعداد عملیات محاسبه احتمال مدل زبانی را نیز کاهش دهد به نحوی که در نهایت هم سرعت بازشناسی افزایش یابد و هم دقت بازشناسی بهبود یابد . در ا ین مقاله روش پیشنهادی بر روی واژگان فارسی و انگل یسی آزم ایش شده است و در نها ی ت نشان داده شده است که با استفاده از این روش می توان سرعت و دقت بازشناسی را به شکل قابل توجهی بهبود داد.

کلیدواژه‌ها:

مدل زبا نی پیش بین، درخت واژگان، دیکدر کلمات، بازشناسی گفتار پیوسته با واژگان بزرگ

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_108.html
کد COI مقاله: ACCSI13_108

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صوفی فر, مهدی؛ حسین ثامتی؛ باقر باباعلی و خسرو حسین زاده، ۱۳۸۶، ارائه روشی برای بکارگیری ترکیبی مدل زبانی پیش بین مونوگرام و ترایگرام در بازشناسی گفتار پیوسته با واژگان بزرگ، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_108.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (صوفی فر, مهدی؛ حسین ثامتی؛ باقر باباعلی و خسرو حسین زاده، ۱۳۸۶)
برای بار دوم به بعد: (صوفی فر؛ ثامتی؛ باباعلی و حسین زاده، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • _ S. Ortmanns, H. Ney, and A. Eiden, ، 'Language-m ...
  • A. Cardenal-L 'opez, F. J. Diguez-Tirado _ and C. Garc ...
  • X. L. Aubert, _ overview of decoding techniques for large ...
  • S. Ortmanns, A. Eiden, H. Ney, "Improved Lexical Tree Search ...
  • M. Ravishankar, _ 1999 CMU 10X Real Time Broadcast News ...
  • M. Ravishankar, *Efficient Algorithms for Speech Ph.D. Thesis, Carnegie Mellon ...
  • Ortmanns, S. Ney, H. Seide, E. Lindam, I. 4* A ...
  • Language Model Look-Ahead ...
  • P ronun ciation Prefix Tree 3 Threshold ...
  • Time synchronous decoding ...
  • Time asynchronous decoding ...
  • Active Hypothesis 7 Probe ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۵۴۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط


    مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.