Unsupervised re-scoring of observation probability in Viterbi based on reinforcement learning by using confidence measure and HMM neighborhood

Primer Autor
Molina, Carlos
Co-autores
Becerra Yoma, Nestor
Huenupan, Fernando
Garreton, Claudio
Título
Unsupervised re-scoring of observation probability in Viterbi based on reinforcement learning by using confidence measure and HMM neighborhood
Editorial
ISCA-INT SPEECH COMMUNICATION ASSOC
Revista
INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4
Lenguaje
en
Resumen
Este artículo propone un nuevo paradigma para compensar la condición de desajuste en el reconocimiento de voz. Se describe una decodificación Viterbi en dos pasos basada en aprendizaje por refuerzo. La idea es fortalecer o debilitar los HMM mediante la medida de confianza basada en Bayes (BBCM) y las distancias entre modelos. Si los HMM en la lista de los N mejores muestran una BBCM baja, la segunda decodificación Viterbi priorizará la búsqueda en modelos vecinos según sus distancias a los N mejores HMM. Como se muestra aquí, se logra una reducción del 6 % en la tasa de error de palabras (WER) en una tarea que resulta difícil para la adaptación estándar de MAP y MLLR.#This paper proposes a new paradigm to compensate for mismatch condition in speech recognition, A two-step Viterbi decoding based on reinforcement learning is described. The idea is to strength or weaken HMM's by using Bayes-based confidence measure (BBCM) and distances between models. If HMM's in the N-best list show a low BBCM, the second Viterbi decoding will prioritize the search on neighboring models according to their distances to the N-best HMM's. As shown here, a reduction of 6% in WER is achieved in a task which results difficult for standard MAP and MLLR adaptation.
Tipo de Recurso
Artículo de conferencia
doi
10.21437/Interspeech.2007-486
Formato Recurso
pdf
Palabras Claves
speech recognition
reinforcement learning
confidence metrics and telephone speech
REGRESSION
reconocimiento de voz
aprendizaje por refuerzo
métricas de confianza y habla telefónica
REGRESIÓN
Ubicación del archivo
http://dx.doi.org/10.21437/Interspeech.2007-486
Materias
speech recognition
reinforcement learning
confidence metrics and telephone speech
REGRESSION
reconocimiento de voz
aprendizaje por refuerzo
métricas de confianza y habla telefónica
REGRESIÓN
Título de la cita (Recomendado-único)
Unsupervised re-scoring of observation probability in Viterbi based on reinforcement learning by using confidence measure and HMM neighborhood
Revista/Libro
INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4
Access Rights
acceso abierto
Derechos de acceso
acceso abierto
Idioma
en
Identificador del recurso (Mandatado-único)
Artículo de conferencia
Versión del recurso (Recomendado-único)
versión publicada
Lugar de la conferencia(Recomendado-repetible)
Interspeech Conference 2007
Fecha de la conferencia(Recomendado-repetible)
AUG 27-31, 2007
AUG 27-31, 2007
Editorial
ISCA-INT SPEECH COMMUNICATION ASSOC
ISBN
978-1-60560-316-2
Página de inicio (Recomendado-único)
877
Página final (Recomendado-único)
880
Categoría WOS
Informática, Inteligencia Artificial
Informática, Aplicaciones Interdisciplinarias
Computer Science, Artificial Intelligence
Computer Science, Interdisciplinary Applications
Formato
pdf
Id de Web of Science
WOS:000269998600220
Colecciones
Colección Publicaciones Científicas
Estadísticas del documento
0 visitas
Métricas externas
Altmetric
Dimensions