استفاده از مدل زبانی فاکتورگرا در افسایص نرخ صحیح بازشناسی گفتار

مدل های زبانی بشدت تحت تاثیر ویژگی های لغوی، نحوی و معنای آموزش دیده است و در راستای جبران این نقص مساله تطبیق مدل های زبانی مطرح می شود. در تطبیق مدل های زبانی روش های متعددی مانند تحلیل احتمالی نهان معنایی، تخصیص نهان دیریکله و روش های متعدد دیگری که پایه آنها را غالباً تخصیص نهان دیریکله تشکیل میدهد مورد استفاده واقع شده است. در این مقاله سعی کردیم با بکارگیری مدل زبانی فاکتورگرا در ساخت پیکره تطبیق نرخ صحیح بازشناسی گفتار را نسبت به دو روش ذکر شده افزایش دهیم. روش FLM با در نظر گرفتن اطلاعات نحوی متن مانند ادات سخن مدل زبانی کاملتری تولید کرده و سبب بهبود نرخ صحیح بازشناسی کلمه می شود. نتایج آزمایشات کارایی بهتر روش پیشنهادی را نسبت به دیگر روشهای تطبیق نشان داد.

کلیدواژه ها:

ادات سخن ، بازشناسی گفتار ، تطبیق مدل ، مدل زبانی ، مدل زبانی فاکتورگرا