Automatizovaný výběr dat pro trénování modelu porozumění mluvené řeči

Abstract

Tato diplomová práce představuje návrh několika strategií pro automatizovaný výběr trénovacích dat modelu porozumění mluvené řeči. Nejprve jsou obecně popsány hlasové dialogové systémy a jejich souvislost s oblastí výběru dat pro trénování modelu. Dále je popsán hierarchický diskriminativní model používaný v této práci k ověření navržených metod. Následuje přehled nově vyvinutých strategií zabývajících se náhodným výběrem dat a výběrem dle hodnoty posteriorní pravděpodobnosti, F-skóre a míry Vu. Pro tyto metody je provedeno experimentální ověření a jsou po natrénování modelu vyhodnoceny za pomoci konceptové přesnosti. Závěrečná kapitola shrnuje přínos navržených strategií pro výběr trénovacích dat modelu porozumění mluvené řeči a jejich využití v praxi.