지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 권오욱
- 발행연도
- 2015
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
We propose a new method to determine the recognition units for large vocabulary continuous speech recognition (LVCSR) in Korean by applying unsupervised segmentation and merging. In the proposed method, a text sentence is segmented into morphemes and position information is added to morphemes. Then submorpheme units are obtained by splitting the morpheme units through the maximization of posterior probability terms. The posterior probability terms are computed from the morpheme frequency distribution, the morpheme length distribution, and the morpheme frequency-of-frequency distribution. Finally, the recognition units are obtained by sequentially merging the submorpheme pair with the highest frequency. Computer experiments are conducted using a Korean LVCSR with a 100k word vocabulary and a trigram language model obtained by a 300 million eojeol (word phrase) corpus. The proposed method is shown to reduce the out-of-vocabulary rate to 1.8% and to reduce the syllable error rate relatively by 14.0%.
목차
Ⅰ. 서론 11.1 필요성 11.2 기존 연구 21.3 연구 내용 31.4 논문 구성 4Ⅱ. 기존의 인식 단위 52.1 연속 음성인식의 개요 52.2 연속 음성인식 시스템의 구조 62.3 음성인식 단위의 개요 112.4 기존의 단위 생성 방법 132.4.1 형태소 분할 방법 132.4.2 비교사 분할 방법 15Ⅲ. 제안된 인식 단위 213.1 형태소 분할 223.2 부형태소 분할 233.2.1 형태소 위치 정보 추가 233.2.2 부형태소 분할 233.3 부형태소 간 병합 27Ⅳ. 실험 결과 294.1 음성 데이터베이스 294.2 한국어 말뭉치 314.3 실험 환경 324.4 인식단위 실험 결과 334.4.1 빈도 및 길이 비용함수 334.4.2 부형태소 병합 개수 354.5 음성인식 실험 결과 364.5.1 기존의 인식 단위 실험 364.5.2 제안된 인식 단위 실험 384.6 인식 단위 별 성능 요약 및 비교 414.7 제안된 단위 성능 평가 444.7.1 기존 연구 결과와의 비교 444.7.2 구글 음성인식 결과와의 비교 464.8 다중발음을 고려한 언어모델 적용 실험 47Ⅴ. 결론 48참고문헌 49
최근 본 자료
댓글(0)
0