فایل ورد کامل کاربرد شناسایی خارج از زبان برای تشخیص عبارت گفتاری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل کاربرد شناسایی خارج از زبان برای تشخیص عبارت گفتاری،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۶ صفحه

۵- بحث و نتیجه‌گیری
این مقاله یک ترکیبی از یک سیستم STD با یک واحد تشخیص OOL را برای بهبود دقت‌های تشخیص عبارات گفتاری انگلیسی پیشنهاد می‌کند. اول، نسخه ی اخیر سیستم STD تنها، بر اساس داده‌های ارزیابی NIST 2006، با سیستم پایه، مقایسه می‌شود. حدود ۲۰% افزایش نسبی در EER به دست می‌آید. سپس، ۲ رویکرد برای ترکیب سیستم‌های STD و OOL، بر اساس فایل‌های ضبط‌شده‌ی دارای دقت بالقوه ی بخش‌های گفتاری به‌دست‌آمده از زبان‌های مختلف، ارزیابی می‌شوند. اگرچه، کارایی سیستم STD در چنین سناریوهایی، زمانی که حاشیه‌نویسی‌های دستی OOL فراهم می‌شود، نتیجه‌بخش نمی‌باشد (۶% افزایش مطلق در EER نسبت به STD تنها)، کارایی نهایی STD-OOL بیشتر از ۲% (تقریباً ۷%) که از روش ۱# به دست می‌آید، بهبود پیدا می‌کند.

عنوان انگلیسی:Application Of Out-Of-Language Detection To Spoken Term Detection~~en~~

۵ DISCUSSIONS AND CONCLUSIONS

This paper proposes a combination of an STD system with an OOL detection module to improve detection accuracies of English spoken terms. First, the current version of the stand-alone STD system is compared to the baseline system on NIST 2006 evaluation data. About 20% relative improvement in EER is achieved. Then, two approaches to combine STD and OOL systems are evaluated on recordings with potential occurrence of speech segments from different languages. Although, performance of the STD system in such the scenario does not reach results when the manual OOL annotation is provided (6% absolute improvement in EER over the stand-alone STD), the nal STD – OOL performance improves by more than 2% absolute ( 7% relative) achieved by approach #1.

$$en!!