Semantic Entity Detection From Multiple ASR Hypotheses Within The WFST Framework
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F13%3A43920759" target="_blank" >RIV/49777513:23520/13:43920759 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ASRU.2013.6707710" target="_blank" >http://dx.doi.org/10.1109/ASRU.2013.6707710</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ASRU.2013.6707710" target="_blank" >10.1109/ASRU.2013.6707710</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Semantic Entity Detection From Multiple ASR Hypotheses Within The WFST Framework
Popis výsledku v původním jazyce
The paper presents a novel approach to named entity detection from ASR lattices. Since the described method not only detects the named entities but also assigns a detailed semantic interpretation to them, we call our approach the semantic entity detection. All the algorithms are designed to use automata operations defined within the framework of weighted finite state transducers (WFST) the ASR lattices are nowadays frequently represented as weighted acceptors. The expert knowledge about the semantics ofthe task at hand can be first expressed in the form of a context free grammar and then converted to the FST form. We use a WFST optimization to obtain compact representation of the ASR lattice. The WFST framework also allows to use the word confusion networks as another representation of multiple ASR hypotheses. That way we can use the full power of composition and optimization operations implemented in the OpenFST toolkit for our semantic entity detection algorithm. The devised method
Název v anglickém jazyce
Semantic Entity Detection From Multiple ASR Hypotheses Within The WFST Framework
Popis výsledku anglicky
The paper presents a novel approach to named entity detection from ASR lattices. Since the described method not only detects the named entities but also assigns a detailed semantic interpretation to them, we call our approach the semantic entity detection. All the algorithms are designed to use automata operations defined within the framework of weighted finite state transducers (WFST) the ASR lattices are nowadays frequently represented as weighted acceptors. The expert knowledge about the semantics ofthe task at hand can be first expressed in the form of a context free grammar and then converted to the FST form. We use a WFST optimization to obtain compact representation of the ASR lattice. The WFST framework also allows to use the word confusion networks as another representation of multiple ASR hypotheses. That way we can use the full power of composition and optimization operations implemented in the OpenFST toolkit for our semantic entity detection algorithm. The devised method
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/TE01020197" target="_blank" >TE01020197: Centrum aplikované kybernetiky 3</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2013
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
IEEE 2013 Workshop on Automatic Speech Recognition and Understanding
ISBN
978-1-4799-2756-2
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
84-89
Název nakladatele
IEEE Signal Processing Society
Místo vydání
Piscataway
Místo konání akce
Olomouc
Datum konání akce
8. 12. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—