Repositorio
Institucional

Molina, Carlos

Becerra Yoma, Nestor

Huenupan, Fernando

Garreton, Claudio

Unsupervised re-scoring of observation probability based on maximum entropy criterion by using confidence measure with telephone speech

ISCA-INT SPEECH COMMUNICATION ASSOC

INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5

en

Este artículo describe una decodificación de Viterbi en dos pasos basada en aprendizaje por refuerzo y teoría de la información con habla telefónica. 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 de Viterbi priorizará la búsqueda en modelos vecinos según sus distancias a los N mejores HMM. El mecanismo de aprendizaje por refuerzo actual se modela como la combinación lineal de dos métricas o fuentes de información. Además, se presenta un criterio basado en la maximización incremental de la entropía condicional para optimizar una combinación lineal de métricas o fuentes de información. Como se muestra aquí, el método requiere solo una locución adaptativa y puede conducir a una reducción en la tasa de error de palabras (WER) de hasta un 10,9 %.#This paper describes a two-step Viterbi decoding based on reinforcement learning and information theory with telephone speech. 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. The current reinforcement learning mechanism is modeled as the linear combination of two metrics or information sources. Moreover, a criterion based on incremental conditional entropy maximization to optimize a linear combination of metrics or information sources is also presented. As shown here, the method requires only one adapting utterance and can lead to a reduction in WER as high as 10.9%.

Artículo de conferencia

pdf

speech recognition

reinforcement learning

confidence metrics

conditional entropy and telephone speech

reconocimiento de voz

aprendizaje por refuerzo

métricas de confianza

entropía condicional y habla telefónica

speech recognition

reinforcement learning

confidence metrics

conditional entropy and telephone speech

reconocimiento de voz

aprendizaje por refuerzo

métricas de confianza

entropía condicional y habla telefónica

Unsupervised re-scoring of observation probability based on maximum entropy criterion by using confidence measure with telephone speech

INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5

acceso abierto

acceso abierto

en

Artículo de conferencia

versión publicada

9th Annual Conference of the International-Speech-Communication-Association (INTERSPEECH 2008)

SEP 22-26, 2008

SEP 22-26, 2008

ISCA-INT SPEECH COMMUNICATION ASSOC

978-1-61567-378-0

1016

1019

Informática, Inteligencia Artificial

Ingeniería Eléctrica y Electrónica

Computer Science, Artificial Intelligence

Engineering, Electrical & Electronic

pdf

WOS:000277026100273