ارائه روشی مبتنی بر یادگیری عمیق جهت واژه یابی در گفتار فارسی

با توسعه فناوری ، تحلیل بر روی گفتار انسان توسط ماشین های هوشمند، رشد زیادی پیداکرده است، یکی از پیشنیازها، واژه یابی در گفتار است. سیستم های واژه یاب وجود و یا عدم وجود کلمات کلیدی را در گفتار بررسی می کند ولی به دلیل ناکافی بودن مجموعه داده، منابع پردازشی، وجود نویزها و ... توسعه یک سیستم واژه یاب ایده آل با دقت بالا دشوار است. در این پژوهش با ضبط ۴۲ ساعت از گفتار افراد مختلف به صورت اختصاصی در کنار سایر دادگان موجود در این حوزه و با اتکا بر روی الگوریتم های شبکه عصبی عمیق طراحی، آموزش و ارزیابی گردید که می تواند دقت واژه یابی و تولید یک متن متناظر با گفتار را افزایش دهد، معماری و روش پیشنهادی در دو قسمت تشکیل شده قسمت اول، طوری طراحی شده که هدفش تولید واج متناظر با گفتار، بدون داشتن اطلاعات مدل زبانی است ولی قسمت دوم با لایه-های متعدد و داشتن مدل زبانی سعی در تولید یک متن صحیح با توجه به دامنه زبان فارسی دارد. روش پیشنهادی ترکیبی ارائه شده با دقت ۸۸.۰۱% می تواند کلیدواژه های موجود در گفتار را تشخیص و با دقت ۹۹.۸۰% عدم وجود واژه ها را مشخص نماید و دقت بالاتری نسبت به کارهای مشابه داشته باشد.

کلیدواژه ها:

تبدیل صوت به متن ، واژه یابی ، دادگان صوتی فارسی ، پردازش گفتار ، شبکه های عصبی عمیق