文献

J-GLOBAL ID：201702230187629375   整理番号：17A1035065

キーワード検索のためのリカレントニューラルネットワーク言語モデル【Powered by NICT】

Recurrent neural network language models for keyword search

著者 (6件)： Chen X. (University of Cambridge Engineering Department, U.K.) ,  Ragni A. (University of Cambridge Engineering Department, U.K.) ,  Vasilakes J. (University of Cambridge Engineering Department, U.K.) ,  Liu X. (Department of Systems Engineering and Engineering Management, Chinese University of Hong Kong, Hong Kong) ,  Knill K. (University of Cambridge Engineering Department, U.K.) ,  Gales M.J.F. (University of Cambridge Engineering Department, U.K.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 5775-5779  発行年： 2017年 
JST資料番号： W2441A  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： リカレントニューラルネットワーク言語モデル(RNNLMs)は,自動音声認識(ASR)のような多くの応用において次第に普及しつつある。標準n-gram LMでパープレキシティおよび単語誤り率の大幅な性能改善がASRタスク上で広く報告されている。とは対照的に,キーワード検索システムのためのRNNLMsを用いた公表された研究は比較的限られている。IARPAバベルキーワード検索タスクのためのRNNLMsの適用を検討した。限られた音響転写データを補完するために,大量のWebテキストも大語い設計とLM訓練に使用されている。種々の訓練基準は,訓練と評価におけるRNNLMsの効率を改善した。キーワード検索とASRタスクの両方に重要な,そして矛盾のない改善は全言語にわたって得られた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *言語 ,  音響 ,  *言語モデル ,  単語 ,  語彙 ,  誤り率
準シソーラス用語： Web文書 ,  パープレキシティ ,  自動音声認識 ,  *リカレントニューラルネットワーク ,  *キーワード検索 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： キーワード検索 ,  リカレントニューラルネットワーク ,  言語モデル