واژه یابی گفتاری در زبان فارسی با استفاده از LSTM با منبع آموزشی کم

در این مقاله از شبکه ی عصبی LSTM به عنوان استخراجگر ویژگی برای واژه یابی گفتاری مستقل از گوینده در زمان فارسی با استفاده از رویکرد جستجو بر مبنای نمونه استفاده می کنیم. مدل ما از واحدهای مخفی 13 انکدر LSTM برای استخراج بردار ویژگی با طول ثابت از ضرایب MFCC گفتار با طول متغیر استفاده می کند. آموزش LSTM با استفاده از الگوریتم پس انتشار خطا با استفاده از حدود 20 دقیقه گفتار پیوسته ی فارسی انجام می گیرد. آموزش انجام شده بدون نظارت و بدون توجه به برچسب محتوای گفتار انجام شده است. نتایج آزمایش های انجام شده نشان می دهد که مدل معرفی شده با استفاده از داده ی آموزشی بسیار اندک به عملکرد بسیار خوبی برای یافتن کلمات کلیدی دلخواه دست می یابد.

کلیدواژه ها:

شبکه ی عصبی LSTM ، کلمه ی کلیدی ، واژه یابی گفتاری