文献

J-GLOBAL ID：201002265590772875   整理番号：10A0869196

IBM 2008 GALEアラビア語記述システム

THE IBM 2008 GALE ARABIC SPEECH TRANSCRIPTION SYSTEM

著者 (8件)： SAON George (IBM T. J. Watson Res. Center, NY, USA) ,  SOLTAU Hagen (IBM T. J. Watson Res. Center, NY, USA) ,  CHAUDHARI Upendra (IBM T. J. Watson Res. Center, NY, USA) ,  CHU Stephen (IBM T. J. Watson Res. Center, NY, USA) ,  KINGSBURY Brian (IBM T. J. Watson Res. Center, NY, USA) ,  KUO Hong-Kwang (IBM T. J. Watson Res. Center, NY, USA) ,  MANGU Lidia (IBM T. J. Watson Res. Center, NY, USA) ,  POVEY Daniel (Microsoft Res., WA, USA)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2010 Vol.6  ページ： 4378-4381  発行年： 2010年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： DARPAのGALE(Global Autonomous Language Exploitation)プロジェクトの下で音声認識に関する多くの研究が遂行された。GALE計画の目標は,英語のみを話す人々(特に軍関係者)にアラビア語や中国語などをアクセス可能とするものである。その中心は自動音声認識である。本論文では,アラビア語放送の記述に焦点を当てた。アラビア語放送ニュースに対するIBMシステムは多様なモデルからなる。音響特徴,母音・子音音響モデル,標準Gauss混合モデルと部分空間Gaussモデル,固定と可変フレームレートデコーディング,学習データ選択,などである。ここではこの研究のフェーズ2.5に比較してのフェーズ3.5での改善点を中心に述べた。識別学習の改善,部分空間GMMの導入,ニューラルネットワーク音響特徴,可変フレームレートデコーディング,学習データ分割実験,ニューラルネットワーク言語モデル等である。これらにより,語レベルでの誤認識率を8.9%にまで改善した。

シソーラス用語： *連続音声認識 ,  *Gauss模型 ,  *ニューラルネットワーク ,  東洋語 ,  放送 ,  ニュース ,  音響分析 ,  母音 ,  機械学習 ,  言語モデル
準シソーラス用語： *Gauss混合モデル ,  アラビア語 ,  自動音声認識

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： IBM ,  アラビア語 ,  記述