Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

OOV detection in LVCSR using neural networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F08%3APU82717" target="_blank" >RIV/00216305:26230/08:PU82717 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    OOV detection in LVCSR using neural networks

  • Popis výsledku v původním jazyce

    Confidence measures and classifying techniques are widely used for the recognition error detection task in LVCSR (Large Vocabulary Continuous Speech Recognition). But in many recognition scenarios the amount of words not included in the dictionary (e.g.real names, neologisms) lead to so-called OOV (Out Of Vocabulary) errors which increase the WER (Word Error Rate) even more. The hereby described work acknowledges and investigates further improvements of an OOV detection task performed by combining strong and weak phone posterior features using neural networks based on [ICASSP08] and the use of phone context.

  • Název v anglickém jazyce

    OOV detection in LVCSR using neural networks

  • Popis výsledku anglicky

    Confidence measures and classifying techniques are widely used for the recognition error detection task in LVCSR (Large Vocabulary Continuous Speech Recognition). But in many recognition scenarios the amount of words not included in the dictionary (e.g.real names, neologisms) lead to so-called OOV (Out Of Vocabulary) errors which increase the WER (Word Error Rate) even more. The hereby described work acknowledges and investigates further improvements of an OOV detection task performed by combining strong and weak phone posterior features using neural networks based on [ICASSP08] and the use of phone context.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2008

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proc. STUDENT EEICT 2008

  • ISBN

    978-80-214-3617-6

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    3

  • Strana od-do

  • Název nakladatele

    Faculty of Electrical Engineering and Communication BUT

  • Místo vydání

    Brno

  • Místo konání akce

    FEKT VUT v Brně

  • Datum konání akce

    24. 4. 2008

  • Typ akce podle státní příslušnosti

    CST - Celostátní akce

  • Kód UT WoS článku