Detekce sémantických entit – Martin BULÍN

Anotace:

Předkládaná bakalářská práce je věnována automatickému porozumění mluvené řeči na lokální úrovni. Cílem práce je navrhnout bezkontextové gramatiky, které umožňují detekci vybraných sémantických entit z~mřížky nejlepších (N-best) hypotéz automatického rozpoznávače řeči. Na vstupu detekce byly postupně použity kromě ASR mřížek také nejlepší (1-best) hypotézy rozpoznávače a ruční přepisy promluv, což umožnilo paralelně testovat metodu detekce založenou na regulárních výrazech. Testovací data poskytla komunikace mezi operátory řízení letového provozu a piloty. Použité skripty byly vypracovány v~programovacím jazyku Python a linuxovém prostředí Bash Shell. Výstup detekce sémantických entit nabízí základ pro globální strojové porozumění vstupní informaci. Výsledky této práce potvrzují možnost použití metody založené na gramatikách i v~dalších úlohách. …víceméně

Abstract:

The presented thesis is devoted to the local-level spoken language understanding task. The thesis aims to design context-free grammars enabling a detection of chosen semantic entity from the N-best hypotheses lattice of an automatic speech recognizer. Besides the ASR lattices also the ASR 1-best hypotheses and hand-made speeches transcriptions have been used gradually as a detection input, which allowed a parallel testing of the detection method based on regular expressions. The testing data has been provided by communications between flight traffic operators and pilots. Used scripts have been developed in programming language Python and linux Bash Shell developing environment. The outcome of the semantic entity detection provides a basis for an automatic global-level understanding task. The results gained by this thesis confirm a possibility of using the method based on grammars in other various tasks. …víceméně