Hierarchical discriminative model for spoken language understanding

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F13%3A43919661" target="_blank" >RIV/49777513:23520/13:43919661 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICASSP.2013.6639288" target="_blank" >http://dx.doi.org/10.1109/ICASSP.2013.6639288</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICASSP.2013.6639288" target="_blank" >10.1109/ICASSP.2013.6639288</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Hierarchical discriminative model for spoken language understanding

Popis výsledku v původním jazyce

The paper presents a new discriminative model for statistical spoken language understanding designed for use in spoken dialog systems. The parsing algorithm uses lexicalized grammar derived from unaligned training data with probability estimates generated by multiclass classifiers. The generated semantic trees are partially aligned with the input sentence to provide lexical realisation of semantic concepts. The model was evaluated on two semantically annotated corpora and in both tasks it outperforms the baseline Hidden Vector State parser and Semantic Tuple Classifiers model. The experiments were performed using both transcribed data and recognized lattices. The innovative aspect of using phoneme lattices in the understanding process instead of word lattices is examined and described.

Název v anglickém jazyce

Hierarchical discriminative model for spoken language understanding

Popis výsledku anglicky

The paper presents a new discriminative model for statistical spoken language understanding designed for use in spoken dialog systems. The parsing algorithm uses lexicalized grammar derived from unaligned training data with probability estimates generated by multiclass classifiers. The generated semantic trees are partially aligned with the input sentence to provide lexical realisation of semantic concepts. The model was evaluated on two semantically annotated corpora and in both tasks it outperforms the baseline Hidden Vector State parser and Semantic Tuple Classifiers model. The experiments were performed using both transcribed data and recognized lattices. The innovative aspect of using phoneme lattices in the understanding process instead of word lattices is examined and described.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference on

ISBN

978-1-4799-0356-6

ISSN

1520-6149

e-ISSN

—

Počet stran výsledku

5

Strana od-do

8322-8326

Název nakladatele

IEEE

Místo vydání

New York

Místo konání akce

Vancouver, BC, Canada

Datum konání akce

26. 5. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—