Технология автоматизации создания и оценки качества программных средств анализа речи с учетом особенностей малоресурсных языков

• Автор: Хусаинов, Айдар Фаилович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Казань
• Количество страниц: 162 с. : ил.

СОДЕРЖАНИЕ
Глоссарий
Введение
Глава 1. Анализ требований и подходов к анализу речи на малоресурсных языках
..1.1 Малоресурсные языки
1.1.1 Понятие малоресурсных языков
1.1.2 Основные проблемы исследований малоресурсных языков
1.1.3 Анализ технологий анализа речи для малоресурсных языков
1.2 Автоматическое распознавание речи для малоресурсных языков
1.2.1 Классификация задач распознавания речи
1.2.2 Подходы к построению программных средств распознавания речи
1.2.3 Существующий программный инструментарий для распознавания речи
1.3 Постановка цели и задач исследования
1.4 Выводы по главе
Глава 2. Модель комплекса автоматизации создания и оценки качества программных средств автоматического распознавания речи для малоресурсных языков
2.1 Основные требования к программным средствам анализа речи
2.2 Используемые принципы проектирования программных продуктов
2.3 Общее строение программных средств распознавания речи
2.3.1 Вычисление признаков речевого сигнала
2.3.2 Акустическое и лексическое моделирование
2.3.3 Языковая модель
2.3.4 Распознавание речи
"2.4 Модель комплекса автоматизации создания и оценки качества программных
средств автоматического распознавания речи для малоресурсных языков
2.5 Оценка качества работы программных средств распознавания речи
2.6 Выводы по главе

Глава 3. Программная реализация комплекса автоматизации создания и оценки качества программных средств распознавания речи и анализ эффективности его использования на примере татарского языка
*3.1 Разработка программного обеспечения комплекса автоматизации создания и оценки качества программных средств анализа речи
3.1.1 Пользователи, права доступа к функциональности комплекса
3.1.2 Проекты комплекса
3.1.3 Модули проектов комплекса
3.1.4 Тестирование работоспособности программных средств анализа речи
3.1.5 Система логирования комплекса
”3.2. Программные средства автоматического распознавания речи для
малоресурсных языков в рамках комплекса автоматизации
3.2.1 Модуль «Акустические особенности языка»
3.2.2 Модуль «Анализ текстов»
3.2.3 Модуль «Запись»
3.2.4 Модуль «Акустические модели»
3.2.5 Модуль «Распознавание фонем»
3.2.6 Модуль «Грамматика»
3.2.7 Модуль «Распознавание речи»
3.3 Анализ эффективности комплекса автоматизации на примере создания и
оценки качества программных средств распознавания татарской речи
3.3.1 Разработка программных средств распознавания фонем татарского
языка
'3.3.2 Разработка программных средств распознавания слитной татарской

3.3.3 Анализ эффективности использования комплекса при построении
программных средств анализа речи на татарском языке
3.4 Выводы по главе
Заключение
Литература

Глоссарий

Корпус речи
Фонетическое данотирование, разметка корпуса
Текстовый корпус Ы-грамм

Фонема
Дифон
Трифон
Морфема
Структурированное множество речевых фрагментов, которое обеспечено программными средствами доступа к отдельным элементам корпуса
Процесс задания соответствия между речевыми фрагментам корпуса и информацией о произнесенных фонемах
Массив текстов, собранных в единую систему по определенным признакам (языку, жанру, времени создания текста и т.п.)
Последовательность из п элементов (элементом последовательности может быть, например, звук, слог, слово, буква)
Единица звукового строя языка, служащая для опознавания и различения значимых единиц — морфем, в состав которых она входит в качестве минимального сегментного компонента, а через них — и для опознавания и различения слов
Сегмент речи между серединами двух соседних фонем
Контекстная реализация фонемы
Мельчайшая значимая единица языка, выделяемая в составе слова и выполняющая функции словоЗбразования и формообразования

автоматическом анализе речи для малоресурсных языков. На основании данного анализа можно сделать следующие выводы:
1. Область анализа речи содержит множество задач, начиная от распознавания фонем до анализа тематики высказывания, и, несмотря на значительные успехи в области разработки необходимых алгоритмов и методов, большинство из этих задач не могут считаться до конца решенными ни для одного из мировых языков. Кроме того, отмечается, что уровень разработанности задач анализа речи для класса малоресурсных языков существенно отстает от систем для ведущих мировых языков, что накладывает ограничения по использованию данных языков в инфокоммуникационной среде.
2. Активные исследования в области разработки новых и адаптации существующих программных средств распознавания речи для работы с малоресурсными языками, осуществляемые с 90х годов 20 века, позволили создать инструментальные средства, способные автоматизировать решение
отдельных задач, которые возникают при создании систем распознавания речи.

Однако данные средства либо не обладают необходимой полнотой функциональности, предоставляя лишь отдельные инструменты, либо не имеют достаточной гибкости для адаптации к работе с учетом особенностей конкретного малоресурсного языка.
3. Используемые на сегодняшний день подходы к автоматическому
распознаванию речи делятся на 4 основные группы: методы динамического
программирования, подходе^ ка основе скрытых Марковских моделей или
нейросетей, а также множество прочих подходов. Подход на основе аппарата
скрытых Марковских моделей, используемый более чем в 80 % современных
программных средствах распознавания речи, может быть использован при
разработке инструментальных средств автоматического создания систем анализа
речи благодаря использованию развитого математического аппарата, а также
наличию способов нивелирования основных недостатков данной модели, т •*
4. Созданные крупнейшими мировыми научными центрами программные
средства предоставляют программный интерфейс для работы с акустическими,