Xreferat.com » Рефераты по кибернетике » Машины, которые говорят и слушают

Машины, которые говорят и слушают

определяется нали­чием сходных эталонных поверхностных форы U^ выходного словаря W и частотой встречаемости зтих поверхностных форм р (w). Основная проблема При построении матрицы ошибок для каждого словаря заключается в формировании эталонов поверхностных форм г^ е w, для реализация каждого слова и получения квазй-фонвтического графа /Т г^), учитывающего все поверхностные формы в вероятностями их появления. Все множество квазифоиетических по­верхностных форм слова w, записать в виде эталонного графа трудно, так как ори аппаратурно-програмыном методе распознавания появляются не только поверхностные формы слова, обусловленные

В4

особенностями произношения, но и формы, включающие случайные сег­менты, маркированные квазифонетическими метками, появление кото­рых связано с неидеальностью автоматической фонетической сегмен­тации и маркировки нашим алпаратурно-програмыным методом, выз­ванной, например, изменением интенсивности речевого сигнала.

В дальнейшем будем рассматривать влияние двух обстоя­тельств на формирование эталонных поверхностных форм слов ра­бочего словаря, учитывая, что поверхностные формы, связанные о особенностями произношения и матрицей ошибок квазифонемной классификации, можно построить вручную (или автоматически,исполь-ауя таблицу акустико-фонодогических правил, хранящуюся в памяти, и прилагаемых к базовой квазифонетической цепочке), а поверх­ностные формы w . , обусловленные особенностями аппаратуры вы­деления информативных признаков, можно получить, анализируя ста­тистику реализации квазифояетических цепочек слов рабочего сло­варя, полученных с помощью ЭВМ. Получение этой статистики не всегда обязательно, особенно если рассматриваются слова,контраст-ные по своим акустическим свойствам. Предварительную оценку сложности распознавания слов можно сделать аналогично оценке сложности фонетического алфавита - по фонетической структуре слов, вычисляя апостериорную словесную неопределенность и не исследуя статистики реализации.

Все эталоны слов и^у б W рабочих словарей должны быть пред­ставлены последовательностью маркированных фонетическими метками отрезков, где квазифонемы должны делиться на опорные, обяза­тельные для данного слова (определяющие базовую форму и, как Правило, присутствующие во всех поверхностях), и "вспомогатель­ные", трудноклассифицируемые. Трудноклаосифицируемые сегменты должны быть расчленены (хотя бы грубо) на несколько квазифонети­ческих элементов, если длина этих сегментов выше пороговой (это делает на первом этапе человек на основании знаний фонетической структуры возможных форм каждого слова). Опорными сегментами сло­ва следует считать маркированные отрезки которые при их марки­ровке квазифонетичаскими метками допускают суммарную ошибку ниже ввристически определенного порога.

При автоматическом распознавании выбор эталонов (из словаря эталонов) должен быть в первую очередь обусловлен наличием в Поступившей на вход реализации опорных, обязательных маркирован­ных сегментов о. с учетом того, что за счет иеидеадьности сегментации общее число сегментов входной реализации может не совпадать с возможным числом сегментов эталонного графа,за счет Неопорных сегментов, образующихся или выпадающих случайно.

У5

Сшибки классификации дают появление "путающихся" поверхност­ных форм (представленных последовательностью квазифонеы) дяя раз­личных слов словаря. Будем считать, что матрица ошибок при рас­познавании слов априори формируется таким образом, что (при сход­стве поверхностных форм различных слов словаря) более часто встре­чающиеся поверхностные формы слов одного класса (при заданном ал­фавите квазифонем) считаются относящимися к словам только этого класса, а редко встречающиеся сходные поверхностные формы для других слов словаря дают ошибки распознавания. Впрочем, используя синонимию или семантико-синтаксические ограничения при распоз­навании пословно произносимых фраз. Всегда следует добиваться то­го, чтобы подобные случаи не происходили (трудности представ­ляют слова, входящие в одну семантико-сиитаксическую группу,ко­торые нельзя заменить синонимами, например, названия цифр).

Следует отметить, что принятые решения о принадлежности поступившей на вход реализации к тому или иному классу следует делать но эталонам с одинаковым числом опорных сегментов и с учетом верификации сяова, всякий раз используя эвристически выб­ранные пороги достоверности, в общем случае разные для различ­ных слов. Так, для принятия окончательного решения о принадлеж­ности входной реализации Уд. к классу Wy необходимо выбрать

и w, , который ооответ-

два наиболее вероятных кандидата

— —— - . ^ ствуют вероятности p(v,/u7y] и ^(i^/г^ ), и проверить,удовлет­воряются ли условия:

WM,)>^,;

Р^/^-Р^/^,)^^

где А^ - пороговое значение вероятности того, что входная реа­лизация соответствует олову у/, ; Ay, - пороговые значения разности условных вероятностей принадлежности входной реализации

г1д. классам и vf. , при которых принимается решение о клас-

сификации у^ .

Пороговые значения /Зд,/!,, выбираются экспериментально по заданной системе используемых фонетических признаков,а также требуемых точности распознавания и вероятности отказов от рас­познавания. В случае, если подбором порогов заданные требования к системе распознавания не удается выполнить, следует провести более детальный анализ неопорных сегментов, иди попытаться улуч­шить систему признаков. В ряде случаев дяя удовлетворения задан­ных в системе требований следует использовать синонимию.

66

Рассмотрим далее более конкретно, как оценить лексическую неопределенность словаря V языка речевого общения неадаптивной системы автоматического распознавания. Аналогично тому, как оце­нивалась неопределенность алфавита фонем, можно определить слож­ность распознавания входного словаря V , состоящего из R слов, и вычислить эквивалентный размер входного словаря. При этом необ­ходимо получить вероятности p(v^/w,) одиэости областей призна-хового описания слов i^, « V, ur, б W, г= /7Д. 3s /75. которые пред­ставляются в виде последовательности фонетических единиц (фоне­тической транскрипции слов). Далее оценим вероятности p(ff^/v7y).

Как уже отмечалось, на основе лингвистических знаний, эта-жоны слов Wy (. W представляются в вида фонетических ( вер­нее, квазифонетических) цепочек,совокупность которых описывается графом с конечным числом состояния, а каждая фонема - признака­ми способа и места образования. Слову VT, соответствует одна или несколько траекторий (цепочек поверхностных форм) на графе (количество траекторий зависит от метода произношения и харак­теристики диктора). Направленный граф f (W,) представляет все фонемы этахона сяова иг, б W , который имеет uf, поверхностных форм, k= !, 2, . . ., А-з ; uly = U'1Л ; каждая поверхностная форма

^ e w, содержит

,.^,-...^ Пусть р ( иГу)

ur, e 1= l(3.k) опорных квааифонем, т.е. иг,

), } I-- /,2,..., 1(з, k).

априорная вероятность появления слова u^eW на выходе блока лексического распознавания, а априорная вероят-

р (vfs„ ) • При


ность иГу поверхностной формы этого же оаова этом выполняются условия

л, « Р(Щ,)= Z: Р(^) ; Ј/?(ur,)=/.

Необходимо отметить, что количество опорных сегментов в поверхностных формах слов выходного словаря различно, т.е. предел изменения индекса I зависит как от номера слова, так и от его поверхностной формы I = I (.з, k}.

Для того,чтобы осуществить оценку неверной классификации слов словаря на стадии лексического распознавания по фонетичес­кой структуре этих слов, выполним операцию разбиения всех по­верхностных форм эталонов слов на М фонетических групп с одина­ковым количеством опорных сегментов 1= I (з) . При этом слова, поверхностные формы которых принадлежат разным группам, не будут Путаться между собой, поскольку их легко классифицировать по числу "опорных" фонем, составляющих слова.

8?

Вообще говоря, можно представить себе фонетические группы эталонных поверхностных форм, отличающиеся не только числом опор­ных фонем, но и их характером, а также порядком следования.Если учесть все три фактора, позволяющие разбить эталоны на существен­но большее число фонетических групп, то дальнейшие рассуждения можно отнести к каждой из этих групп. Для простоты,однако, бу­дем считать, что мы имеем М фонетических групп, в каждой из которых одинаковое число опорных сегментов. В практических за­дачах при разбиении на группы следует учитывать все эти факторы, однако необходимо строго ограничивать число различных опорных сегментов, выбирая лишь те, которые не путаются между собой и ха­рактеризуются групповыми признаками места образования - ударные гласные, смычные, фрикативные [81,60] .

Итак, допустим, что существует М фонетических групп слов W, , W^, . . . , W^ , . .., W^ , в каждой из которых^ одинаковое число опорных квазифонем. Общее число эталонов И/= U W^ , а ко­личество фонем, составляющих: слова (длина фонетической цепочки) каждой группы, об означим через I ; т= /,/И.

Представляя таким образом слова словаря на входе СРР и ис­пользуя матрицы ошибочной классификации фонем, составляющих слова

/Кй/&)-[Ру], (2.5) можно оценить вероятности p^(v /Wy) спутывания поверхностных

форм слов внутри каждой группы слов следующим образом:

где

t = t, 2, . . . , t^ - длина фонетической цепочки группы слов ^ , а^ е ^ , Ь„ е иг,.

В общем случае одно и ъо же слово Wy может иметь К, поверхностных форм, имеющих разное число фонетических элементов и попадающих в разные группы слов W^, . Поэтому общую услов­ную вероятность "спутывания" слов словаря определим

(2.8)


P(v^/w,l= Г P(w^) р^ ( ^ /г^-) .

Для определения потери информации в СРР, которая рассматрива­ется как канал перэдачи информации, в случае распознавания слов используем выражение

86

(2.9)


KV/W)-- -Z p(w,)i p(v^/ w^ locj^ p( v^ /v/,).

/ (V/W)


Тогда 2 определяет эквивалентный размер словаря —

число альтернативных слов на входе системы распознавания, а

2й v) - фактический объем входного словаря, где

R

Х

г'1


(2.10)



Эти выражения, аналогичные формулам (2.4), (2.5), оцениваю­щим фонетическую неопределенность, являются критерием оценки лексической неопределенности. Они определяют сложность распознава­ния словаря и позволяют судить о качестве СРР. При автоматичес­кой маркировке, наряду с ошибками неверной кдассификации фонем, существуют, как уже отмечалось, ошибки неверной сегментации, при­водящие к слиянию отрезков, соответствующих смежным фонемам, в один сегмент или расчленению отрезка, соответсвувщего одной фонеме, на несколько смежных фонем разных классов. При выборе альтернативных слов словаря надо следить за тем, чтобы неприят­ности такого рода не вызывали подобия последовательностей фоне­тических единиц, соответствующих разным словам. Для этого необ­ходимо использовать матрицы, отражающие возможные варианты сег­ментации слов словаря и частоты встречаемости тех или иных вари­антов сегментации, соответствующих различит поверхностным фориам слов. Так как информация о словах, содержащихся в фонемах,избы­точна, то часто при оценке различимости слов словаря вполне достаточно использовать опорные фонемы, допускающие минимум оши­бок расчленения и слияния. Поэтому в формуле (

§ 2.3. О языке описания данных в системе автоматического речевого запроса информации

2.3.1. Понятийный язык и двухступенчатое иерархическое пос­троение его грамматического представления. Информационные сис­темы, стояь распространившиеся в настоящее время, требувФ обще­ния с ними с помощью устной речи на языяв, близком к естествен­ному. Необходимая нам информация должна быть выдана по запросу

Зак.480


89



последовательности понятийных дескрипторов, которую человек может произнести, не используя жесткого порядка следования этих дес­крипторов. Такое представление совокупности дескрипторов - поня­тийного поля не только обеспечивает естественность запроса ин­формации из базы данных, но и фактически не увеличивает времени поиска релевантной информации, так как при этом учитываются от­ношения между понятиями и используется иерархический принцип с ыниыой иерархией, обеспечиваемой перестраиваемой структурой дори­ческого дерева. В связи с этим можно представить общую грам­матику 6 формирования понятийного поля, включающего посведо-вательность предложений, которые дают информацию о структуре дег.криптов, в виде иерархически связанных граыиатик верхнего и нижнего уровней. (Процесс формирования свободных от ошибок словесных цепочек, полученных в результате автоматического рас­познавания слов и устного редактирования, рассматривать здесь не будем .) Грамматика верхнего уровня G" определяет общую струк­туру понятийного поля, а языки, обусловленные грамматиками ниж­них уровней б[ , конкретизируют порождение предложений на уров­не формирования понятийных фраз. Грамматика G" допускает по­явление понятий (они выражены запросными фразами S^ ), форми­рующих смысл запроса, в произвольном чередовании. Иными словами, порождающая грамматика последовательности понятий - есть простей-вая грамматика типа 0 (по Хомскому), в которой нетерминальными символами vh являются обобщенный дескриптор понятийного поля (поисковый образ запроса) и понятийный уровень, а терминальными V - конкретное наименование понятий (названия уровней) ^ . Не­терминальный символ { обобщенный дескриптор понятийного поля j является начальным символом S в грамматике в", а правила вы­вода р сводятся к допустимости перестановок терминальных сим­волов s.—^s-.такчто для понятий s,,Sg,...,5^ язык, обус­ловленный этой грамматикой, допускает К ' предложений длины К , в каждом из которых все понятия различны:

S, , S, , . . . , S„ ; ^ , s, , • • • , ^ ; 5,. S,, S, ,. .., 5^ .

Вообще говоря, грамматики типа 0 допускают бесконечное количество словесных цепочек (предложений) различной длины, состав­ленных из терминальных символов. Если считать, что нас интере­суют словесные цепочки с неповторяющимися терминальными симво­лами, и представлять обобщенный дескриптор понятийного поля цепочками переменной длины J = f -L К , то число N возможных пред­ложений, используемых для работы и допускаемых языком этой гр^матикм, ^^., ^^

90

Каждый из терминальных символов грамматики в° в свою очередь является начальным (и нетерминальным) символом порож­дающей грамматики второго уровня (7, , накладывающей или не нак-

ограничения на формирование предложений в t'-ru понятийного уровня (рис.2.3).

ладывающей ограничения на формирование предложений в рамках каждого t-ru понятийного ур

Рис. 2.3. Порождения тийных полей

Отметим, что в зависимо­сти от особенностей терми­нального словаря каждого уров­ня и привычки пользователей к произношению фраз этого уровня на естественном языке порождающая грамматика с на­чальным (нетерминальным) сим­волом, полученным на преды­дущем уровне, может быть нуле­вого, первого, второго иди третьего типа, определяемого соответствующими правилами вывода.

Далее мы рассмотрим оценку грамматической сложности языка (с точки зрения автоматического распознавания речи) на уровне

формирования предложений с учетом произношения слов, являющихся

Go терминальными символами грамматики , и покажем, что означает

"подстройка под словарь и язык" в неадаптивных системах авто­матического распознавания слов. Языки, определяемые грамматиками б", (7/, G',...,(?/,..., G^ (рис. 2.3), будем называть языками системы распознавания речи, подразумевая, что с точки зрения автоматичес­кого распознавания слова, являющиеся терминальньгми символами грам­матики высшего уровня, также конкурируют между собой и определяют начальный символ сети (графа), которой представляется языком СРР.

2.2.2. Оценка сложности языка с точки зрения автоматичес-кого распознавания пословно произносимых предложений. Синтаксис и семантика языка СРР, определяемых грамматилаки {G^} , наклады­вают ограничения на порядок следования слов в предложении в характер возможных словосочетаний. Эти ограничения существенно об­легчают задачу распознавания речи вследствие сокращения общего по­искового пространства признаков.

Для приближенной оценки грамматической сложности языка СРР рассмотрим грамматику автоматического языка как наиболее прос­того и наиболее поддающегося количественному анализу.Грамматики Нулевого, первого и второго типов, как было указано ранее, также можно использовать для формирования предложений в СРР, однако их количественные характеристики подучить сложнее. и тому же ряд за­кономерностей, характерных дяя языков, оаисываяицихся грамматиками

91

большей сложности, можно выявить и на самом простом языке, отно­сящееся к частным случаям языков нулевого, первого и второго типов и наиболее используемом при формировании предложений в сов­ременных системах распознавания речи.

Правила подстановки в грамматиках третьего типа (автоматных) имеют вид А = а В или А —- В , где А, В с 1^ и а, Ь (. 'i . Для языка СРР А и В характеризуют названия смысловых групп, а а , Ь - названия слов в смысловых группах - подсдоварях. Грам­матика автономного языка определяется множеством внутренних со­стояний s„3 ,. . .,s^,..., ss и правилом перехода в следующее сос­тояние .

Следовательно, после слова с номером i(n) из группы слов s с S может следовать слово из подсловаря s^, с s . Кроме того, заданы S и S - состояния, которыми соответствен­

KG)


но начинаются и кончаются фразы. Например, предложение имеет структуру

l.(G)=S„v, v. ,.

где veS,, v, e S,, . т = /, 2, . . . , I

Оценим синтаксическую сложность автоматного языка сред­ним коэффициентом ветвления К^р , который определяется средним числом возможных слов в каждой точке дерева ветвления:

К,


ср


i м -—Z К,

N l-i


(2.К)



количест-

^десь К^ - коэффициент ветвления в точке i ; N во точек ветвления.

Средний коэффициент ветвления удовлетворительно описывает синтаксическую сложность языка тогда, когда появления слов в предложении равновероятны.

Если средняя длина предложения /^д , то произведениями Z^„ «/<- можно оценивать грамматическую сложность рассматриваемых язы­ков речевого запроса и даже в какой-то мере (очень приближенно) сравнивать точность автоматического распознавания пословно произ­носимых фраз. Но эта оценка не учитывает фонетических особен­ностей подсловарей. К тому же в реальных условиях различные слов8 словаря речевого общения имеют разные вероятности при формиро­вании фраа. Для учета этих факторов будут использованы квазифоне­тическое представление поверхностных форм слов (см.п.2.2.2) и сто­хастическая порождающая грамматика, у которой задано вероятност­ное распредеаенме правил образований предложений рц из слов в

i/

92

»аждой точке ветвления 1= 1,п нкя выполняется условие


При этом для всех точек ветвле-

(2.13)

где К- - количество возможных слов в точке I (коэффициент вет­вления). Тогда вероятность получения фразы l(G)6i(G) в резуль­тате применения t правил подстановок равно произведению веро­ятностей примененных при этом выводе правил образования. Отметим, «то число слов, составляющих предложения, может быть различное И зависит от количества правил,примененных при формировании дан­ного предложения.

Определим энтропию Н(/-} языка /(0) .Для этого обозна­чим через L^ множество всех фраз длины п слов, допускаемых грамматикой G:

через

ЮЛИЯ

р(^)

/ -и1^

^п-Ч '•••'

f(n)

Лп) '-г '• • •

- вероятность

•s • • • • ' получения

фразы /(0)

HU

)

языка речевого общения

(2.14)

if/)) f(n) •} ^ • • • • • '-г ' • • •)•

Тогда эн-

г(л)

н^-^, ^ ^О^/^О, (2.15) где Т - максимальная длина предложения. Естественно, что

(2.16)


г z pa^)=f.

/,., iyki, г

В случае, когда различные предложения, порождаемые граммати­кой G , имеют разные смысловые интерпретации, тогда энтропия Языка характеризует его возможность передавать информации. В соответствии с теорией кодирования информации число возможных фраз языка с энтропией H(Z) будет 2н(t), и это значение определяет размер входного языка.

Для определения сложности (неопределенности) распознавания языка речевого обшения рассмотрим процесс распознавания предложе­ния в виде последовательности распознавания слов из подсловарей данного уровня, размеры которых определяются коэффициентами вет­вления К^ . Тогда для оценки сложности распознавания языка необходимо оценить сложность распознавания всех N подсловарей

93

этого уровня, где

вероятностью P(Vf, } применения'

в подсловаре i- определяется /с.-го правила подстановки в

каждом узле дерева стохастической автоматной грамматики. Имея условные вероятности р. (v^/Шс) ошибочного распознава­ния слов каждого из подсловарей и рассматривая CPF как ка­нал передачи информации, определяем потери информации /„ду в слу­чае распознавания предложений, произносимых пословно, следующим образом:

к к;

Ј

с?

Обычно интересуются, как распределены потери информации по различным понятийным уровням S^ и различным узлам графа, представлякщего автоматную грамматику уровня. Важно знать,в каком узле языка общения "тонкое место" и как его устранить.

Для общей оценки сложности распознавания предложений, кото­рые произносятся пословно в соответствии с заданной грамма­тикой G , можно пользоваться выражением 2 "" , которое опре­деляет среднее число возможных альтернативных фраз на входе в СРР. В случае, если СРР работает баз ошибок, при пословном произ­ношении фразы на выходе системы всегда одно предложение.

Формула (2.17) оценивает сложность распознавания фраз языка речевого общения СРР. При этом отметим, что эта мера зависит как от фонетической структуры слов словаря, так и от граммати­ческих правил образования предложений. В практических СРР при

распознавании языка необходимо, чтобы /„ была близка к нулю

^пот < ] порог • (РВД11118 ошибки при распознавании слов можно устра­нить словами устного автоматического редактирования .) Если

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: