Details

Данная диссертационная работа посвящена разработке методов повышения быстродействия и точности распознавания ключевых слов для сквозных систем автоматического распознавания речи. Научная новизна работы состоит в разработке новой архитектуры глубокой нейронной сети с прогрессивным сжатием и последующим восстановлением временной последовательности, что снижает вычислительные затраты энкодера при сохранении точности. Также в работе были разработаны методы смещения контекста для заранее известных ключевых слов с использованием акустического детектора слов на основе графа контекста с альтернативными транскрипциями; и для внесловарных слов с использованием модифицированного графа декодирования и дообучением энкодера по критерию максимальной взаимной информации. Экспериментальные исследования показали ускорение работы модели более чем в 1,8 раза, снижение пословной ошибки распознавания на 0,6–1,8%, рост F-меры для ключевых слов до 0,88 и уменьшение ошибки распознавания внесловарных слов на 39,6%. Полученные результаты подтверждают эффективность предложенных решений для их практического применения в системах на основе голосовых интерфейсов и речевой аналитики.