Semantic Entity Detection in the Spoken Air Traffic Control Data
Identifikátory výsledku
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>
Alternativní jazyky
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.
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/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)
Ostatní
Rok uplatnění
2014
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
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
—