بهبود مدلسازی دیرش زمانی واج با استفاده از ماشین پشتیبان بردار برای استفاده در تبدیل متن به گفتار فارسی

سال انتشار:

1386

نوع سند:

مقاله کنفرانسی

زبان:

فارسی

مشاهده:

1,426

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT03_092

تاریخ نمایه سازی: 22 فروردین 1387

چکیده مقاله:

در این مقاله کاربرد ماشین پشتیبان بردار در مدلسازی دیرش واج، برای سیستم تبدیل متن به گفتار فارسی، ارائه شده وبهبود هایی در زمان آموزش و تست آن صورت گرفته است. بدین منظور به سه شیوه عمل شده است، ابتدا ماشین بردار پشتیبان به طور مستقیم به کار گرفته شده است که در نتیجه آن مدلی با ضریب همبستگی 83/9% برای داده های آزمایشی بدست آمده است. سپس با استفاده از چندی سازی برداری، تعداد داده های آموزشی، به میزان قابل توجهی کاهش داده شده و ماشین بردار پشتیبان با داده هایجدید و با زمان اموزش بسیار کمتر، مورد استفاده قرار گرفته است و در نتیجه آن مدلی با ضریب همبستگی 83/9% بدست آمد که نشان دهنده آن است که کاهش راندمان با وجود کاهش چشمگیر حجم محاسبات، ناچیز و قابل چشم پوشی است. در اخر نیز، داده های آموزشی با توجه به میزان دیرششان، به 5 دسته تقسیم شده و برای هر دسته، یک طبقه بندی کننده و یک مدل تخمین، ایجاد شد و مدلی با ضریب همبستگی 83/46% بدست امد. استفاد ه از این دو تکنیک آخر باعث افزایش سرعت ماشین بردار پشتیبان، با حفظ کارایی شده است. نتایج تست MOS برای داده های تست، 3/83 بوده است.

کلیدواژه ها:

نویسندگان

محمدمهدیهمایونپور
محمدمهدی همایونپور

دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، آ

معصومهبحرینی
معصومه بحرینی

دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، آ

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • همایونپور، م.م و بحرینی، م. مدلسازی دیرش زمانی واج در ...
  • اسلامی، محرم، نحو و واج شناسی (یک سطح مشترک)، جشن ...
  • Klatt, D. H, "Review of Text -to-Speech Conversion for English", ...
  • D. H. Klatt, "Linguistic uses of segmental duration in English: ...
  • W. N. Campbell, «Analog I/O nets for syllable timing, Speech ...
  • M. Riedi, ،A _ eural -network-b ased model of segmental ...
  • K. Sreenivasa Rao and B. Yegn anarayana, "Modeling syllable duration ...
  • [Sridhar 2004] N. Sridhar Krishna, Partha Pratim Talukdar, Kalika Bali, ...
  • M. D. Riley, ،Tree-based modelling of segmental durations, in Talking ...
  • Riedi M, "Modeling Segmental Duration with Multivariate Adaptive Regression Splines", ...
  • O. Goubanova and P. Taylor, "Using bayesian belief networks for ...
  • Steve R. Gunn, "Support Vector Machines for Classification and Regressi ...
  • C.Cortes, V.Vapnik, «" _ upport-Vector Networks", Machine Learning, Vol.20, pp.273-297, ...