Přejít na obsah

Detail publikace

Citace

Ircing, P. and Hoidekr, J. and Psutka, J. : Exploiting linguistic knowledge in language modeling of Czech spontaneous speech . Proceedings of LREC 2006 , p. 2600-2603, ELRA, Paris, 2006.

Abstrakt

In our paper, we present a method for incorporating available linguistic information into a statistical language model that is used in ASR system for transcribing spontaneous speech. We employ the class-based language model paradigm and use the morphological tags as the basis for world-to-class mapping. Since the number of different tags is at least by one order of magnitude lower than the number of words even in the tasks with moderately-sized vocabularies, the tag-based model can be rather robustly estimated using even the relatively small text corpora. Unfortunately, this robustness goes hand in hand with restricted predictive ability of the class-based model. Hence we apply the two-pass recognition strategy, where the first pass is performed with the standard word-based n-gram and the resulting lattices are rescored in the second pass using the aforementioned class-based model.

Abstrakt v češtině

V článku představujeme metodu, která umožňuje využití lingvistické informace v jazykovém modelu, který je pak zapojen do systému rozpoznávání spontánní řeči. Využíváme přitom princip třídového jazykového modelu - pro rozdělení slov do tříd používáme morfologické značky. Vzhledem k tomu, že počet různých značek je minimálně o jeden řád nižší než počet různých slov ve slovníku středního rozsahu, značkový model může být robustně natrénován i z relativně malého množství dat. Bohužel, tato robustnost je vykoupena omezenou prediktivní silou třídového modelu. Proto aplikujeme dvouprůchodovou strategii rozpoznávání, kde první průchod je realizován s klasickým slovním n-gramem a výsledné mřížky jsou pak ve druhém průchodu reskórovány zmíněným třídovým modelem.

Detail publikace

Název: Exploiting linguistic knowledge in language modeling of Czech spontaneous speech
Autor: Ircing, P. ; Hoidekr, J. ; Psutka, J.
Název - česky: Využití lingvistických znalostí v jazykovém modelování spontánní mluvené češtiny
Jazyk publikace: anglicky
Datum vydání: 22.5.2006
Rok vydání: 2006
Typ publikace: Stať ve sborníku
Název časopisu / knihy: Proceedings of LREC 2006
Strana: 2600 - 2603
ISBN: 2-9517408-2-4
Nakladatel: ELRA
Místo vydání: Paris
Datum: 22.5.2006 - 28.5.2006
/ /

Klíčová slova

speech recognition, language modeling, class-based language models

Klíčová slova v češtině

rozpoznávání řeči, jazykové modelování, třídové jazykové modely

BibTeX

@INPROCEEDINGS{IrcingP_2006_Exploitinglinguistic,
 author = {Ircing, P. and Hoidekr, J. and Psutka, J.},
 title = {Exploiting linguistic knowledge in language modeling of Czech spontaneous speech},
 year = {2006},
 publisher = {ELRA},
 journal = {Proceedings of LREC 2006 },
 address = {Paris},
 pages = {2600-2603},
 ISBN = {2-9517408-2-4},
 url = {http://www.kky.zcu.cz/en/publications/IrcingP_2006_Exploitinglinguistic},
}