2018
ON THE USE OF GRAPHEME MODELS FOR SEARCHING IN LARGE SPOKEN ARCHIVES
SVEC, Jan, Josef V. PSUTKA, Jan TRMAL, Lubos SMIDL, Pavel IRCING et. al.Základní údaje
Originální název
ON THE USE OF GRAPHEME MODELS FOR SEARCHING IN LARGE SPOKEN ARCHIVES
Autoři
SVEC, Jan (203 Česká republika), Josef V. PSUTKA (203 Česká republika), Jan TRMAL (203 Česká republika), Lubos SMIDL (203 Česká republika), Pavel IRCING (203 Česká republika) a Jan SEDMIDUBSKÝ (203 Česká republika, garant, domácí)
Vydání
Neuveden, 43rd IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2018), od s. 6259-6263, 5 s. 2018
Nakladatel
IEEE Computer Society
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
paměťový nosič (CD, DVD, flash disk)
Kód RIV
RIV/00216224:14330/18:00100802
Organizační jednotka
Fakulta informatiky
ISBN
978-1-5386-4658-8
ISSN
UT WoS
000446384606084
Klíčová slova anglicky
spoken term detection; speech indexing; grapheme-based speech recognition; keyword search
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 13. 5. 2020 19:39, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
This paper explores the possibility to use grapheme-based word and sub-word models in the task of spoken term detection (STD). The usage of grapheme models eliminates the need for expert-prepared pronunciation lexicons (which are often far from complete) and/or trainable grapheme-to-phoneme (G2P) algorithms that are frequently rather inaccurate, especially for rare words (words coming from a different language). Moreover, the G2P conversion of the search terms that need to be performed on-line can substantially increase the response time of the STD system. Our results show that using various grapheme-based models, we can achieve STD performance (measured in terms of ATWV) comparable with phoneme-based models but without the additional burden of G2P conversion.
Návaznosti
GBP103/12/G084, projekt VaV |
|