7 Identificación de Palabras Clave usando Palabras como Fillers

Transcripción

1 Capítulo 7 7 Identificación de Palabras Clave usando Palabras como Fillers En los dos capítulos anteriores se investigaron las técnicas de identificación de palabras clave que usan fonemas y sílabas como fillers En este capítulo se investiga el uso de palabras completas como fillers con tres variantes: la primera usa solamente palabras no clave como fillers, la segunda agrega fonemas al conjunto de fillers, y la tercera combina palabras no clave con sílabas agrupadas en clases generales, en un esfuerzo por modelar palabras no clave desconocidas Al final de este capítulo, las tres variantes son analizadas con base a desempeño y costo computacional considerando el experimento base que usa una gramática predefinida 71 Modelado de Unidades de Palabra Completa Una manera de modelar habla fuera del vocabulario en la identificación de palabras clave es el diseñar el reconocedor con un vocabulario muy grande donde palabras completas modeladas explícitamente se encargan de modelar el habla fuera del vocabulario Las palabras completas tienen la propiedad de que su representación acústica está bien definida, y que la variabilidad acústica ocurre principalmente en la región inicial y final de la palabra Debido a esto, el uso de modelos de palabras completas simplifica el proceso de reconocimiento Sin embargo, el uso de palabras completas en reconocimiento de habla continua presenta una desventaja importante Se requiere un vocabulario muy grande de palabras no clave para ser usadas como fillers Debido a esta situación, en este capítulo se propone modelar palabras no clave combinadas con fonemas y sílabas, en un esfuerzo por modelar palabras no clave desconocidas

2 72 Modelado de Fillers de Palabras Completas Aquí se describe la primera variación mencionada al inicio de este capítulo, usando palabras no clave como fillers La figura 7-1 muestra un esquema del uso de palabras no clave como fillers Al igual que los esquemas ilustrados en las figuras 5-3 y 6-1, la salida de este sistema es una transcripción completa de la frase reconocida y el resultado es la palabra clave (los fillers son ignorados) Palabra 1 Palabra Clave 1 Palabra 1 Palabra Clave N Frase reconocida red de palabras clave Figura 7-1 Esquema del sistema de identificación de palabras clave usando palabras como fillers Para efectos de esta variante, las palabras que sirven como fillers fueron obtenidas de un corpus con 5835 frases, dentro de las cuales se encuentra el corpus de desarrollo La gramática que describe esta técnica es mostrada en el apéndice A4, en donde se muestran las 81 palabras no clave usadas como fillers 73 Modelado de Fillers de Palabras y Fonemas La segunda variación de la técnica investigada en este capítulo usa una combinación de palabras y fonemas como fillers La figura 7-2 muestra un esquema de esta variante También se permiten transiciones a fonemas en un esfuerzo por modelar palabras no clave desconocidas La gramática que describe esta variante se muestra en el apéndice A5

3 Palabra 1 Palabra 1 Palabra Clave 1 Frase reconocida Fonema 1 Palabra Clave N Fonema 1 Fonema L red de palabras clave Fonema L Figura 7-2 Esquema del sistema de identificación de palabras clave usando palabras y fonemas como fillers 74 Modelado de Fillers de Palabras y Sílabas Comunes El experimento de esta sección tiene un esquema similar al de la sección anterior, con la diferencia de que modela palabras no clave con sílabas comunes y sílabas comunes con múltiples Al igual que en la sección anterior, se permiten transiciones a sílabas en un esfuerzo por modelar palabras no clave desconocidas La gramática que describe estos experimentos es descrita en el apéndice A6 75 Resultados de Experimentos Los resultados obtenidos por la técnica propuesta en este capítulo se pueden observar en las figuras 7-3 y 7-4 En la figura 7-3 se muestran los resultados de desempeño por figura de mérito (FOM) y en la figura 7-4 se muestran los resultados por costo computacional Todos los experimentos usan los umbrales de confianza de los experimentos base antes de ser optimizados (550 en el umbral bajo y 900 en el umbral alto)

4 FOM(%) y fonemas Fillers de palabras y sílabas comunes con múltiples Experimento Figura 7-3 Figura de mérito de los experimentos de la técnica de palabras completas y combinaciones con fonemas y sílabas comunes Costo por segundo de habla y fonemas Fillers de 192 palabras y sílabas comunes con múltiples Experimento Figura 7-4 Costo computacional de los experimentos de la técnica de palabras completas y combinaciones con fonemas y sílabas comunes

5 En la tabla 7-1, se muestra un resumen de los resultados de las medidas de desempeño de cada experimento EXPERIMENTO rr_in ca_in cc_in fa_in fr_in fc_in crout faout fcout FOM Gramática predeterminada % Fillers de palabras % Fillers de palabras y fonemas 9379% Fillers de palabras y sílabas comunes con múltiples % Tabla 7-1 Resultados de los experimentos de la técnica de palabras completas y combinaciones con fonemas y sílabas comunes, antes de aplicar la optimización de umbrales de confianza De acuerdo a las figuras 7-3 y 7-4, se escoge al experimento de fillers de palabras y sílabas comunes con múltiples como el mejor experimento, ya que balancea desempeño con costo computacional Al optimizar los umbrales de confianza en este experimento, se obtuvieron los resultados que se muestran en la tabla 7-2 Los umbrales de confianza optimizados fueron: 580 para el umbral bajo y 860 para el umbral alto EXPERIMENTO rr_in ca_in cc_in fa_in fr_in fc_in Crout faout fcout FOM C-Fillers de palabras y sílabas comunes con % múltiples Tabla 7-2 Resultados del experimento con mejor desempeño por la técnica fillers de palabras y sílabas comunes con múltiples, después de aplicar la optimización de umbrales de confianza

6 751 Análisis de Resultados Para poder hacer un análisis de los resultados de la técnica de palabras completas como fillers, se considera el mejor experimento que balancea desempeño de reconocimiento y costo computacional (fillers de palabras y sílabas comunes con múltiples ) Los resultados de este experimento se muestran en detalle en la tabla 7-3 NODO TERMINAL rr_in ca_in cc_in fa_in fr_in fc_in crout faout fcout # FRASES T NaN NaN NaN 2 T NaN NaN NaN 11 T3 NaN NaN NaN NaN NaN NaN T4 NaN NaN NaN NaN NaN NaN T5 NaN NaN NaN NaN NaN NaN T NaN NaN NaN 10 T NaN NaN NaN 399 T NaN NaN NaN 1 T NaN NaN NaN 26 Tabla 7-3 Resultados de reconocimiento del experimento fillers de palabras y sílabas comunes con múltiples, usando los umbrales de confianza optimizados (580 para el umbral bajo y 860 para el umbral alto) A partir de los resultados de reconocimiento de la tabla 7-3 y considerando los experimentos de los capítulos anteriores, se pueden hacer las siguientes afirmaciones: Mantiene buen desempeño para rechazar en frases que contienen únicamente habla fuera del vocabulario (T3, T4 y T5) El desempeño con frases que contienen solo palabras clave casi permanece sin cambios (T6 y T7) Aumenta el desempeño con frases que contienen palabras no clave combinadas con palabras clave (T1, T2, T8 y T9), comparado con las otras técnicas

7 76 Resumen En este capítulo, se describen varios experimentos de palabras completas como fillers, uno de los experimentos usa solo palabras completas como fillers y los demás combinan palabras completas con fonemas y sílabas comunes con múltiples, ambos experimentos usando modelos de lenguaje bigram, en un intento por disminuir el costo computacional que representan los modelos filler Los resultados reportan que el mejor experimento fue el de fillers de palabras y sílabas comunes con múltiples En los capítulos anteriores se ha usado un corpus de desarrollo para realizar experimentos El siguiente capítulo, hace una evaluación de los mejores experimentos descritos en los últimos tres capítulos, tales experimentos se realizan usando un corpus de prueba