Semantic Entity Detection in the Spoken Air Traffic Control Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F14%3A43922931" target="_blank" >RIV/49777513:23520/14:43922931 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007%2F978-3-319-11581-8_49" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-11581-8_49</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-11581-8_49" target="_blank" >10.1007/978-3-319-11581-8_49</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Semantic Entity Detection in the Spoken Air Traffic Control Data

Popis výsledku v původním jazyce

The paper deals with the semantic entity detection (SED) in the ASR lattices obtained by recognizing the air traffic control dialogs. The presented method is intended for the use in an automatic training tool for air traffic controllers. The semantic entities are modeled using the expert-defined context-free grammars. We use a novel approach which allows processing of uncertain input in the form of weighted finite state transducer. The method was experimentally evaluated on the real data. We also compare two methods for utilization of the knowledge about the dialog environment in the SED process. The results show that the SED with the knowledge about target semantic entities improves the equal error rate from 24.7% to 17.1% in comparison to generic SED.

Název v anglickém jazyce

Semantic Entity Detection in the Spoken Air Traffic Control Data

Popis výsledku anglicky

The paper deals with the semantic entity detection (SED) in the ASR lattices obtained by recognizing the air traffic control dialogs. The presented method is intended for the use in an automatic training tool for air traffic controllers. The semantic entities are modeled using the expert-defined context-free grammars. We use a novel approach which allows processing of uncertain input in the form of weighted finite state transducer. The method was experimentally evaluated on the real data. We also compare two methods for utilization of the knowledge about the dialog environment in the SED process. The results show that the SED with the knowledge about target semantic entities improves the equal error rate from 24.7% to 17.1% in comparison to generic SED.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/TA01030476" target="_blank" >TA01030476: Inteligentní technologie pro zvýšení bezpečnosti letového provozu</a><br>

Návaznosti

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

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Speech and Computer, 16th International Conference, SPECOM 2014, Novi Sad, Serbia, October 5-9, 2014, Proceedings

ISBN

978-3-319-11580-1

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

394-401

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Novi Sad, Serbia

Datum konání akce

5. 10. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—