مشخصات مقاله:
عنوان فارسی مقاله:
تشخیص و بررسی همپوشانی گفتار با استفاده از روش کد گذاری حلقوی غیر منفی خطی
عنوان انگلیسی مقاله:
Speech Overlap Detection And Attribution Using Convolutive Non-Negative Sparse Coding
کلمات کلیدی مقاله:
تشخیص همپوشانی، بررسی سخنگو، تقطیع سخنگو، روش کد گذاری حلقوی غیر منفی خطی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1 – مقدمه
2 – روش کد گذاری حلقوی غیر منفی خطی
3-شناسایی همزمانی
1-3 ارجاعات زمینه ای و حقیقی
3.2 بخش بندی همزمانی
4.ویژگی های مربوط به سخنگو
5.نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. INTRODUCTION
Over recent years, state-of-the-art speaker diarization systems have advanced to the point where overlapping speech can be a dominant source of error [1, 2]. The occurrence of overlap is typical in uncontrolled, spontaneous scenarios such as that of conference meetings, which have been the focus of the NIST Rich Transcription (RT) evaluations since 20041 . In a speaker diarization context two problems need to be addressed. The first involves the detection of overlapping speech so that it can be removed from speaker clustering and model training. The second problem involves the attribution of overlapping speech to contributing speakers and naturally depends on reliable overlap detection. There is some evidence that a solution to the first problem alone is unlikely to be sufficient and that a solution to speaker attribution is potentially more valuable [3–5].
1 – مقدمه
در سال های اخیر ، آخرین پیشرفت هایی که در سیستم های تقطیع سخنگو رخ داده است ، تا جایی پیش رفته است که در آن همپوشانی گفتار می تواند یک منبع برجسته ی خطا محسوب شود . مساله ی رخداد همپوشانی در سناریوهای کنترل نشده ی خود به خودی ، مثل کنفرانس ها ، مساله ای معمولیست و از سال 2004 به یکی از مساله های مورد بررسی معادلات رونویسی سازمان ملی استاندارد و فناوری تبدیل شده است .
در محیط تقطیع سخنگو باید به بررسی دو مشکل پرداخت . اولین مورد ، تشخیص همپوشانی گفتار است که می توان آن را از خوشه بندی سخنگو و آموزش مدل حذف کرد . و دومین مشکل شامل تخصیص همپوشانی گفتار به سخنگو های فرعی میشود و اساسا به یک تشخیص هم پوشانی قابل اعتماد بستگی دارد . شواهدی وجود دارد که نشان می دهد راه حل مشکل اول به تنهایی می تواند کافی باشد و در واقع راه حلی که پیرامون تخصیص سخنگو باشد از هر راه حلی با ارزش تر است .