Автоматика и телемеханика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор
Правила для авторов
Загрузить рукопись

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS


Автомат. и телемех.:
Год:
Том:
Выпуск:
Страница:
Найти




Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация

Автоматика и телемеханика, 2017, выпуск 5, страницы 110–122 (Mi at14446)  
Эта публикация цитируется в 13 научных статьях (всего в 13 статьях)

Анализ данных

Исследование нейросетевых моделей русского языка для систем автоматического распознавания слитной речи

И. С. Кипятковаab, А. А. Карповa

a Санкт-Петербургский институт информатики и автоматизации РАН
b Санкт-Петербургский государственный университет аэрокосмического приборостроения
PDF полного текста (980 kB) Список цитирования (13)
Список литературы:
PDF
HTML
Аннотация: Приводятся результаты исследований моделей русского языка, построенных на основе рекуррентных искусственных нейронных сетей, для систем автоматического распознавания слитной речи. Созданы нейросетевые модели с различным числом элементов в скрытом слое, а также выполнена линейная интерполяция нейросетевых моделей с базовой триграммной моделью языка. Полученные модели использовались на этапе переоценки списка лучших гипотез распознавания. В ходе экспериментов по распознаванию слитной русской речи со сверхбольшим словарем (150 тыс. словоформ) относительное уменьшение процента неправильно распознанных слов, полученное после выполнения переоценки списка 50 лучших гипотез распознавания с использованием нейросетевых моделей языка, интерполированных с триграммной моделью, составило 14 %.
Ключевые слова: модели языка, нейронные сети, автоматическое распознавание речи, русская речь.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 15-07-04322
15-07-04415
16-37-60100
Министерство образования и науки Российской Федерации МК-1000.2017.8
МД-254.2017.8
Российская академия наук - Федеральное агентство научных организаций 0073-2014-0005
Работа проводится при финансовой поддержке Российского фонда фундаментальных исследований (проекты № 15-07-04322, 15-07-04415 и 16-37-60100), совета по Грантам Президента РФ (проекты № МК-1000.2017.8 и № МД-254.2017.8), а также в рамках бюджетной темы 0073-2014-0005.
Статья представлена к публикации членом редколлегии: В. И. Васильев

Поступила в редакцию: 28.04.2016
Англоязычная версия:
Automation and Remote Control, 2017, Volume 78, Issue 5, Pages 858–867
DOI: https://doi.org/10.1134/S0005117917050083
Реферативные базы данных:
Тип публикации: Статья
PACS: 43.72.+q
MSC: 68T50
Образец цитирования: И. С. Кипяткова, А. А. Карпов, “Исследование нейросетевых моделей русского языка для систем автоматического распознавания слитной речи”, Автомат. и телемех., 2017, № 5, 110–122; Autom. Remote Control, 78:5 (2017), 858–867
Цитирование в формате AMSBIB
\RBibitem{KipKar17}
\by И.~С.~Кипяткова, А.~А.~Карпов
\paper Исследование нейросетевых моделей русского языка для систем автоматического распознавания слитной речи
\jour Автомат. и телемех.
\yr 2017
\issue 5
\pages 110--122
\mathnet{http://mi.mathnet.ru/at14446}
\mathscinet{http://mathscinet.ams.org/mathscinet-getitem?mr=3670964}
\elib{https://elibrary.ru/item.asp?id=29206988}
\transl
\jour Autom. Remote Control
\yr 2017
\vol 78
\issue 5
\pages 858--867
\crossref{https://doi.org/10.1134/S0005117917050083}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000401992300008}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85019750824}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/at14446
  • https://www.mathnet.ru/rus/at/y2017/i5/p110
    • Эта публикация цитируется в следующих 13 статьяx:
    1. Amandeep Singh Dhanjal, Williamjeet Singh, “A comprehensive survey on automatic speech recognition using neural networks”, Multimed Tools Appl, 83:8 (2023), 23367  crossref
    2. Abdinabi Mukhamadiyev, Mukhriddin Mukhiddinov, Ilyos Khujayarov, Mannon Ochilov, Jinsoo Cho, “Development of Language Models for Continuous Uzbek Speech Recognition System”, Sensors, 23:3 (2023), 1145  crossref
    3. Wolk K., Wolk A., Wnuk D., Grzes T., Skubis I., “Survey on Dialogue Systems Including Slavic Languages”, Neurocomputing, 477 (2022), 62–84  crossref  isi
    4. Ashok Sharma, Ravindra Parshuram Bachate, Parveen Singh, Vinod Kumar, Ravi Kant Kumar, Amar Singh, Madan Kadariya, Praveen Kumar Reddy Maddikunta, “Parallel Big Bang-Big Crunch-LSTM Approach for Developing a Marathi Speech Recognition System”, Mobile Information Systems, 2022 (2022), 1  crossref
    5. Amitoj Singh, Navkiran Kaur, Vinay Kukreja, Virender Kadyan, Munish Kumar, “Computational intelligence in processing of speech acoustics: a survey”, Complex Intell. Syst., 8:3 (2022), 2623  crossref
    6. Thimmaraja Yadava G., Jayanna H.S., “Enhancements in Automatic Kannada Speech Recognition System By Background Noise Elimination and Alternate Acoustic Modelling”, Int. J. Speech Technol., 23:1 (2020), 149–167  crossref  isi
    7. P. S. Praveen Kumar, G. Thimmaraja Yadava, H. S. Jayanna, “Continuous kannada speech recognition system under degraded condition”, Circuits Syst. Signal Process., 39:1 (2020), 391–419  crossref  isi
    8. I. Kagirov, D. A. Ryumin, A. A. Axyonov, A. A. Karpov, “Multimedia database of russian sign language items in 3D”, Vopr. Yazykoznaniya, 2020, no. 1, 104–123  crossref  isi
    9. L. V. Savchenko, A. V. Savchenko, “Fuzzy phonetic encoding of speech signals in voice processing systems”, J. Commun. Technol. Electron., 64:3 (2019), 238–244  crossref  isi
    10. A. V. Zolotaryuk, V. I. Zavgorodniy, O. Yu. Gorodetskaya, “Intellectual prediction of student performance: opportunities and results”, Proceedings of the 1St International Scientific Conference Modern Management Trends and the Digital Economy: From Regional Development to Global Economic Growth (Mtde 2019), Aebmr-Advances in Economics Business and Management Research, 81, ed. A. Nazarov, Atlantis Press, 2019, 555–559  isi
    11. L. Pipiras, R. Maskeliunas, R. Damasevicius, “Lithuanian speech recognition using purely phonetic deep learning”, Computers, 8:4 (2019), 76  crossref  mathscinet  isi  scopus
    12. Thimmaraja Yadava G., H.S. Jayanna, 2019 4th International Conference on Electrical, Electronics, Communication, Computer Technologies and Optimization Techniques (ICEECCOT), 2019, 146  crossref
    13. Irina Kipyatkova, Lecture Notes in Computer Science, 10458, Speech and Computer, 2017, 362  crossref
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    		Автоматика и телемеханика
    Статистика просмотров:
    Страница аннотации:1129
    PDF полного текста:102
    Список литературы:38
    Первая страница:50
     
      Обратная связь:
    		  Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025