مقایسه روش‌های مختلف یادگیری ماشین در خلاصه‌سازی استخراجی گفتار به گفتار فارسی بدون استفاده از رونوشت

Authors

Abstract:

In this paper, extractive speech summarization using different machine learning algorithms was investigated. The task of Speech summarization deals with extracting important and salient segments from speech in order to access, search, extract and browse speech files easier and in a less costly manner. In this paper, a new method for speech summarization without using automatic speech recognition system (ASR) is proposed. ASR systems usually have high error rates especially in adverse acoustic environment and for low resource languages. Our goal was to answer this question: is it possible to summarize a Persian speech without ASR using less or no training data? We have proposed a method which discovers salient parts directly from speech signal by using a semi-supervised algorithm. The proposed algorithm consists of three main stages, features extraction, identifying key patterns and selecting important sentences. First we have segmented speech voices manually into sentences to eliminate sentence segmentation errors. Therefore, we could have better comparison between different summarization methods. Then we have extracted some features from each sentence such as sentence duration, if the sentence is first or last sentence in the speech and so on. Also, repetitive patterns between each two sentence of speech are discovered directly from speech signal by using S-DTW algorithm. S-DTW algorithm can discover repetitive patterns between two speech signals by using MFCC features. By using these repetitive patterns between each pair of sentences we can make a similarity matrix. Therefore, we could measure the similarity distance between each pair of sentences and eliminate redundant sentences from summary without the need to use an ASR system After finding the similarity between each two speech segments and extracting some features from each segment, various machine learning algorithms including unsupervised (MMR, TextRank), supervised (SVM, Naïve Bayes) and semi-supervised algorithms (self-training, Co-training) are used in order to extract salient parts. Experiences are done in read Persian news. The results show that using semi-supervised co-training method and appropriate features, the performance of speech summarization system on read Persian news corpus can improve about 3% compared to selecting the first sentences and by 5% compared to longest sentences when ROUGE-3 is used as the evaluation measure.    

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی خطاهای گفتار در زبان فارسی

تاریخچه مطالعات مربوط به خطاهای گفتار حکایت از رویکردهای گوناگون به این پدیده دارد. برخی پژوهشگران با هدف آزمردن نظریه های شناختی به بررسی جنبه ها یی خاص از این پدیده از دریچه روان شناسی زبان پرداخته اند. عد ه ا ی دیگر تلأش کرد ه ا ند تا با دید زبان شناختی به خطای گفتار انو اعی از طبقه بندی را برای آن به دست دهند. اصطلاح های گوناگونی در این حوزه رواج دارد. بررسی و مقایسه تعاریفی که از این اصطلا...

full text

یادگیری توالی‌های حرکتی گفتار در بزرگ‌سالان مبتلا به لکنت

Objective Developmental stuttering is a speech disorder characterized by repetition, prolongation, block and disruption of the smooth flow of speech. Environmental, physical, mental, and cognitive-linguistic factors were involved in the initiation and development of stuttering. There have been several theories about the development of stuttering. One of these theories suggests that stuttering i...

full text

نگاهی جامعه شناختی به کنش گفتار انتقاد در زبان فارسی

زبان تجلی‌گاه فرهنگ و افکار افراد یک جامعه است و با بررسی زبان می‌توان به مطالعه رابطۀ متقابل زبان، تفکرو فرهنگ دست یافت و از نظام فکری و فرهنگی یک جامعه آگاه شد. لذا پژوهش حاضر در صدد است تا به بررسی کنش‌گفتار انتقاد در زبان فارسی بپردازد. پژوهش حاضر به بررسی این راهبردها در کنش گفتار انتقاد می پردازد. بدین منظور از آزمون تکمیل گفتمان استفاده شد و پاسخ های جمع‌آوری شده از 200 شرکت‌کننده با است...

full text

تأثیر پیچیدگی نحوی بر میزان ناروانی گفتار کودکان لکنتی و غیرلکنتی فارسی زبان در گفتار خودانگیخته

سابقه و هدف: پژوهش‌های متعددی به بررسی ارتباط لکنت با عوامل زبان‌شناختی مختلف پرداخته‌اند. هدف از این پژوهش، تعیین و مقایسه تأثیر پیچیدگی نحوی بر میزان ناروانی گفتار کودکان لکنتی و غیرلکنتی فارسی زبان در سطح گفتار خودانگیخته می‌باشد. نتایج حاصله می‌توانند جهت شناخت بیش‌تر ماهیت لکنت و نیز یافتن شیوه‌های مناسب‌تر برای درمان آن کاربرد داشته باشند. مواد و روش‌ها: این مطالعه، یک مطالعه‌ی توصیفی- ت...

full text

تشخیص حس وابسته به گویندة گفتار فارسی با استفاده از ویژگی‌های آکوستیکی

بیان احساس در ارتباطات روزمره از جایگاه ویژه‌ای برخوردار است. از جمله بسترهای نمود احساس، گفتار است. از این‌رو، یکی از جنبه‌های مهم در طبیعی‌سازی ارتباط میان انسان و ماشین، تشخیص حس گفتار و تولید بازخورد متناسب با احساس درک‌شده است. باوجود پیشرفت‌های گسترده در حوزة پردازش گفتار، استخراج و درک احساس پنهان در گفتار انسان، همچون خشم، شادی و جز این‌ها، از یک‌سو و تولید گفتار احساسی مناسب از سوی دیگ...

full text

رتبه‌بندی واج‌های گفتار فارسی از نظر کارآیی در بازشناسی گوینده

در این مقاله، کارآیی واج­های گفتار فارسی از نظر بازشناسی گوینده مورد مطالعه و پژوهش قرار گرفته و با توجه به میزان کارآیی­ها، رتبه­بندی واج­ها صورت گرفته‌اند. جهت برآورد کارآیی واج­ها، از یک معیاری که به­صورت نسب « فاصلة بین­گوینده­ای» واج­ها به « فاصلة در گوینده‌ای» تعریف شده است و ما آن را « نسبت تأثیرپذیری گوینده » نامیده­ایم، استفاده شده است.­ آزمایش­ها و محاسبات لازم برای کلیه واج­های گفتار...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 4

pages  143- 157

publication date 2018-03

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023