ترکیب مدل های زبانی برای درک زبان گفتار در یک موتور محاوره فارسی

سیستم های محاوره به عنوان یکی از ابزارهای کلیدی در تعامل انسان و ماشین در دهه های اخیر مورد توجّه قرار گرفته و شاخه بزرگی از پردازش های زبانی را بوجود آورده اند. سیستم های محاوره به نوبه خود از زیرسیستم هایی تشکیل شده اند که هر یک بابی را در تحقیق های زبانی گشوده اند و از آن جمله می توان به پردازش های زبانی درک گفتار محاوره اشاره کرد. این پایان نامه تلاش ها در جهت ترکیب مدل های زبانی برای درک زبان گفتار فارسی آغاز نموده و در قالب آن به بررسی روش های پردازشی برای کاربرد درک با استفاده از داده های لایه های معنا و پایین تر صورت داده است. نتایج پژوهش های اجرا شده منجر به طراحی دو الگوی ترکیبی از مدل های زبانی شده است. مدل اوّل در این طرح براساس یک بستر کاری ترکیبی از بازشناسی و درک گفتار توسعه یافته و با دریافت لیستی از بهترین فرضیات بازشناسی گفتار، آنها را بهبود بخشیده و به عنوان ورودی واحد درک گفتار به کار گرفته است. این مدل با استفاده از یک الگوی سه جزئی ترکیب شده با مدل n-gram توانسته علاوه بر فراهم سازی انعطاف ناشی از بکارگیری الگوی معنایی سه جزئی از مزایای جهت دهی جستجوی مدل آماری نیز استفاده نماید. مدل دومی که در این پایان نامه به عنوان یک مدل جدید پیشنهاد شده است، یک الگوی سلسله مراتبی اولویت دار است، که از یک ابرساختار مبتنی بر ماشین متناهی الحالت برای کشف قاب ها استفاده نموده و از لایه هایی بعدی آن نیز برای تعیین شکاف های قاب مورد نظر بهره برده است. ارزیابی واحد درک طراحی شده در دو فاز و با جزئیات مندرج در فصل پنجم به انجام رسیده و برتری مدل دوم را بر مدل اوّل اثبات نموده است.