Алгоритмические и программные средства распознавания речи на основе скрытых марковских моделей для телефонных служб поддержки клиентов

• Автор: Балакшин, Павел Валерьевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Санкт-Петербург
• Количество страниц: 127 с. : ил.

Оглавление
Введение
1 Анализ алгоритмов и программных средств распознавания речи
1.1 Развитие методов и алгоритмов распознавания
1.2 Наблюдаемый марковский процесс
1.3 Скрытая марковская модель (СММ)
1.4 Типы скрытых марковских моделей, применяемые в системах
распознавания речи
1.5 Общая структура системы распознавания речи
1.6 Анализ существующих программных средств
1.6.1 Средства речевого ввода текста
1.6.2 Средства разработки систем распознавания речи
1.7 Три основные задачи при использовании СММ в распознавании

1.8 Основные показатели эффективности систем распознавания речи
и современные научные проблемы
1.9 Выводы
2 Применение скрытых марковских моделей в системах распознавания речи
2.1 Алгоритмы точного вычисления вероятности появления
последовательности наблюдений
2.2 Алгоритмы поиска оптимальной последовательности состояний
2.3 Алгоритмы подстройки параметров модели

2.4 Сравнение трудоёмкости алгоритмов
2.5 Моделирование длительности состояний
2.6 Модифицированный алгоритм Витерби
2.7 Сравнения алгоритмов и критерии эффективности распознавания

2.8 Выводы
3 Использование особенностей речевого словаря
3.1 Классификация речевых словарей
3.2 Предметная область и размер её словаря
3.3 Особенности использования речевого словаря в работе
телефонных служб поддержки клиентов
3.4 Построение системы распознавания речи
3.5 Особенности вычисления и применения перплексии
3.6 Выводы
4 Результаты экспериментальных исследований
4.1 Реализованные программные модули
4.2 Экспериментальные оценки
4.3 Определение причины звонка
4.4 Основные метрики для оценки эффективности распознавания
речи в телефонных службах поддержки
4.5 Особенности внедрения и тестирования
4.6 Выводы
Заключение
Список литературы

Введение
В связи с бурным ростом вычислительной техники и информационных технологий на первый план стали выходить вопросы повышения эффективности процессов обработки данных и знаний в вычислительных машинах и вопросы взаимодействия человека с компьютерами и компьютеризированными устройствами. Сегодня использование речевых технологий в прикладных программах в качестве дополнительного или даже отдельного средства взаимодействия человека с вычислительным устройством становится всё более частым. Данный процесс имеет достаточно обоснованный и объективный характер, обусловленный тремя причинами [36].
1. Мировая тенденция «очеловечивания» компьютера находит своё отражение и в развитии речевых средств взаимодействия. В результате ученые и специалисты стремятся создавать интерфейсы наиболее естественные и удобные для конечного пользователя.
2. Стремительное уменьшение размеров современных средств управления и связи требует принципиально новых методов и средств взаимодействия пользователя с устройствами данного типа. Например, для современных технологий довольно легко создать небольшой мобильный телефон размером с авторучку, но стандартный механический набор номера на таком устройстве будет вызывать значительные неудобства. Голосовой набор номера и авторизация в этом случае являются очевидным и оптимальным решением.
3. Для большого круга пользователей речевой способ взаимодействия с вычислительными устройствами является единственно возможным в силу

Таблица 1.3 - Характеристики ASR-систем, 1998 год
Название продукта Стандартный словарь Точность распо- знавания Скорость набора, слов/мин Системные требования
Dragon Power Edition 60000, позволяет заменить любое слово стандартного словаря 70%, 95% ДО 95 Windows 95, NT; 16 Мб ОЗУ, 40 Мб
IBM Voice Type 1.32 23000, 2000 90%, 97% До 125 Windows 95, OS/2; 24 Мб ОЗУ, 33 Мб; звуковая карта IBM Proprietary (в комплекте)
Office Talk 3.0 Windows 95; 24 Мб ОЗУ, 32 Мб; звуковая карта Megaphone (285$)
KVWin 2.0 30000, - 90%, 97% — Windows 95; 24 Мб ОЗУ, 35 Мб
Speech Processing Magic 64000, позволяет добавлять новые слова 95% после обучения i486; Windows 95; 16 Мб ОЗУ, 50 Мб; плата Speech Board LFN5
Таблица 1.4 - Характеристики ASR-систем, 2007 год
Название продукта Стандартный словарь Точность распо- знавания Скорость набора, слов/мин Системные требования
Dragon Naturally Speaking Preferred 9.0 120000, 230000 + 95%, 99% Более 160 Pentium 1 GHz; Windows 2000, ХР; 512 Мб ОЗУ, 1 Гб
ViaVoice Standard 10 Более 95% Более 140 Pentium 266 MHz; Windows 95, ХР; 192 Мб ОЗУ, 500 Мб
Research Lab Inc. Dictation 2005 Около