Параметризація типів речень предметної області для системи усного фразника-перекладача

У статті розглядаються підходи побудови системи перекладу усномовного сигналу в межах предметних областей. Блок інтерпретації отримує вимовлене речення у вигляді розпізнаної декодером послідовності слів. На виході системи приймається рішення про належність розпізнаної послідовності слів до типу рече...

Повний опис

Збережено в:

Бібліографічні деталі
Опубліковано в: :	Штучний інтелект
Дата:	2011
Автор:	Яценко, В.В.
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2011
Теми:	Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
Онлайн доступ:	https://nasplib.isofts.kiev.ua/handle/123456789/60252
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Параметризація типів речень предметної області для системи усного фразника-перекладача / В.В. Яценко // Штучний інтелект. — 2011. — № 4. — С. 134-142. — Бібліогр.: 4 назв. — укр.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-60252
record_format	dspace
spelling	Яценко, В.В. 2014-04-13T07:40:59Z 2014-04-13T07:40:59Z 2011 Параметризація типів речень предметної області для системи усного фразника-перекладача / В.В. Яценко // Штучний інтелект. — 2011. — № 4. — С. 134-142. — Бібліогр.: 4 назв. — укр. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/60252 004.934 У статті розглядаються підходи побудови системи перекладу усномовного сигналу в межах предметних областей. Блок інтерпретації отримує вимовлене речення у вигляді розпізнаної декодером послідовності слів. На виході системи приймається рішення про належність розпізнаної послідовності слів до типу речення, що задає тип смислу. Розпізнавання виконується з урахуванням параметрів, що описують множину можливих варіантів висловів у фразах при спілкуванні. Проаналізовані альтернативні підходи, щодо моделювання обмежень на допустимі послідовності слів у фразах. Описано ймовірнісне оцінювання належності розпізнаної послідовності слів до певного типу речення. В статье рассматриваются подходы построения системы перевода устного сигнала в рамках предметных областей. Блок интерпретации получает произнесенное предложение в виде распознанной декодером последовательности слов. На выходе системы принимается решение о принадлежности распознанной последовательности слов типу предложения, которое задает тип смысла. Распознавание выполняется с учетом параметров, которые описывают множество возможных вариантов высказываний во фразах при общении. Проанализированы альтернативные подходы моделирования ограничений на допустимые последовательности слов во фразах. In this paper we describe the approaches for building of the spoken translation system within subject areas. The decoded sequence of words enters to the interpretation subsystem, which finally makes decision concerning to the sentence type and the respective meaning type for the pronounced utterance. Possible variations of date, time, place etc. that may occur in sentences are parameterized and integrated to the language model. Strict, free and phonetic words based on word grammars for speech decoder are analyzed. uk Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск Параметризація типів речень предметної області для системи усного фразника-перекладача Параметризация типов предложений предметной области для системы устного фразаря-переводчика Parameterization of Sentence Types in a Subject Area for the Spoken Interpreter System Article published earlier
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
title	Параметризація типів речень предметної області для системи усного фразника-перекладача
spellingShingle	Параметризація типів речень предметної області для системи усного фразника-перекладача Яценко, В.В. Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
title_short	Параметризація типів речень предметної області для системи усного фразника-перекладача
title_full	Параметризація типів речень предметної області для системи усного фразника-перекладача
title_fullStr	Параметризація типів речень предметної області для системи усного фразника-перекладача
title_full_unstemmed	Параметризація типів речень предметної області для системи усного фразника-перекладача
title_sort	параметризація типів речень предметної області для системи усного фразника-перекладача
author	Яценко, В.В.
author_facet	Яценко, В.В.
topic	Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
topic_facet	Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
publishDate	2011
language	Ukrainian
container_title	Штучний інтелект
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
format	Article
title_alt	Параметризация типов предложений предметной области для системы устного фразаря-переводчика Parameterization of Sentence Types in a Subject Area for the Spoken Interpreter System
description	У статті розглядаються підходи побудови системи перекладу усномовного сигналу в межах предметних областей. Блок інтерпретації отримує вимовлене речення у вигляді розпізнаної декодером послідовності слів. На виході системи приймається рішення про належність розпізнаної послідовності слів до типу речення, що задає тип смислу. Розпізнавання виконується з урахуванням параметрів, що описують множину можливих варіантів висловів у фразах при спілкуванні. Проаналізовані альтернативні підходи, щодо моделювання обмежень на допустимі послідовності слів у фразах. Описано ймовірнісне оцінювання належності розпізнаної послідовності слів до певного типу речення. В статье рассматриваются подходы построения системы перевода устного сигнала в рамках предметных областей. Блок интерпретации получает произнесенное предложение в виде распознанной декодером последовательности слов. На выходе системы принимается решение о принадлежности распознанной последовательности слов типу предложения, которое задает тип смысла. Распознавание выполняется с учетом параметров, которые описывают множество возможных вариантов высказываний во фразах при общении. Проанализированы альтернативные подходы моделирования ограничений на допустимые последовательности слов во фразах. In this paper we describe the approaches for building of the spoken translation system within subject areas. The decoded sequence of words enters to the interpretation subsystem, which finally makes decision concerning to the sentence type and the respective meaning type for the pronounced utterance. Possible variations of date, time, place etc. that may occur in sentences are parameterized and integrated to the language model. Strict, free and phonetic words based on word grammars for speech decoder are analyzed.
issn	1561-5359
url	https://nasplib.isofts.kiev.ua/handle/123456789/60252
citation_txt	Параметризація типів речень предметної області для системи усного фразника-перекладача / В.В. Яценко // Штучний інтелект. — 2011. — № 4. — С. 134-142. — Бібліогр.: 4 назв. — укр.
work_keys_str_mv	AT âcenkovv parametrizacíâtipívrečenʹpredmetnoíoblastídlâsistemiusnogofraznikaperekladača AT âcenkovv parametrizaciâtipovpredloženiipredmetnoioblastidlâsistemyustnogofrazarâperevodčika AT âcenkovv parameterizationofsentencetypesinasubjectareaforthespokeninterpretersystem
first_indexed	2025-11-26T22:34:27Z
last_indexed	2025-11-26T22:34:27Z
_version_	1850778529388560384
fulltext	«Искусственный интеллект» 4’2011 134 3Я УДК 004.934 В.В. Яценко Міжнародний науково-навчальний центр інформаційних технологій та систем, м. Київ, Україна val-yatsenko@uasoiro.org.ua Параметризація типів речень предметної області для системи усного фразника-перекладача У статті розглядаються підходи побудови системи перекладу усномовного сигналу в межах предметних областей. Блок інтерпретації отримує вимовлене речення у вигляді розпізнаної декодером послідовності слів. На виході системи приймається рішення про належність розпізнаної послідовності слів до типу речення, що задає тип смислу. Розпізнавання виконується з урахуванням параметрів, що описують множину можливих варіантів висловів у фразах при спілкуванні. Проаналізовані альтернативні підходи, щодо моделювання обмежень на допустимі послідовності слів у фразах. Описано ймовірнісне оцінювання належності розпізнаної послідовності слів до певного типу речення. Вступ Задача розпізнавання усномовного сигналу мови передбачає не лише автома- тичне відновлення текстів, що вимовляються людиною у вигляді слів, фраз, речень природною мовою. Не менш важливо розуміти, що сказано диктором. З одного боку, це дає змогу формувати більш адекватну відповідь розпізнавання. З іншого боку, маючи змогу оперувати смислами, легко перейти до того самого смислу, але вже іншою мовою, отримуючи таким чином систему усного перекладу. Серед важливих практичних задач, пов’язаних з розпізнаванням мови, до яких від- носяться система диктування текстів, довідкова система, система мовленнєвого керування різними пристроями, системи мовленнєвого діалогу (наприклад, по телефону) тощо, ми виокремимо систему усного перекладу. Її актуальність полягає, зокрема, в автома- тизації розмовника, відомого всім у вигляді паперової книжки. Ця книжка розбита на теми, має безліч сторінок. Користувач вимушений шукати потрібну фразу та ще й «озву- чувати» переклад іншою мовою своїм голосом. Натомість пропонується користувачеві лише вимовити фразу рідною мовою з обраної теми. Далі система все робить сама. Додаткової уваги тут потребує питання моделювання параметрів у реченнях. Тобто необхідно передбачити всі можливі варіанти значень для певного речення. Наприклад, у питанні щодо подорожі до певного міста параметром є назва міста, оскільки існує деяка скінченна множина міст, куди можна поїхати. Такі системи є актуальними з огляду на використання їх при розмові з іншо- мовною особою. Користувач отримує переклад фрази іншою мовою у візуальній або звуковій формі, що має спростити спілкування в іншомовному середовищі. При побудові систем усного перекладу в межах предметних областей виникає ряд проблем, спільних з проблемами задачі розуміння мовленнєвого сигналу. Необхідно побудувати моделі всіх можливих речень мови діалогу, що виражають один і той самий зміст, змоделювати параметри слів у типах речень, згенерувати та відшукати найбільш правдоподібні еталонні сигнали, враховуючи параметри. Хоч і не так явно, але у слов’янських мовах все ж існують обмеження на порядок слідування слів, які слід враховувати, використовуючи лінгвістичні знання. Параметризація типів речень предметної області... «Штучний інтелект» 4’2011 135 3Я Для дослідження та специфікації обмежень на допустимі послідовності слів у фразах використовувалися LISP-структури [1], [2]. На основі цих структур генерується величезна кількість речень, що мають один і той самий зміст з точністю до параметрів. Втім, існує ряд обмежень на застосування цієї технології, пов’язаних як з суб’єктивним чинником при побудові LISP-структур, так і зі збільшенням обчислень, викликаних значним ускладненням графа розпізнавання. Як альтернатива до LISP-структур пропонувався спосіб оцінювання належності послідовності слів типам речень, що характеризують смисл [3]. Цей підхід потребує роз- винення, зокрема, з метою аналізу можливих помилок розпізнавання в процесі смислової інтерпретації. Для моделювання обмежень на порядок слідування слів застосовувалися граматичні знання [2], що і надалі використовуються в дослідженнях. Для моделювання параметрів у типах речень використовувалися бази даних та бази знань. Була сформульована лінгвістична модель інтерпретації розпізнаного сигналу з врахуванням параметрів. Спочатку розглянуто загальну структуру системи усного перекладу, наступний роз- діл присвячено опису моделювання типів речень з урахуванням параметрів, далі пропо- нується розглянути спосіб оцінювання належності послідовності слів до типу речень, насамкінець описуються експериментальні дослідження. Загальна структура системи усного перекладу в межах предметних областей Розпізнавання та змістовна інтерпретація злитого мовлення виконується в єдиному взаємопов’язаному процесі. Кінцевою метою цього процесу є зміст повідомлення, який передається послідовністю слів, та його переклад іншою мовою. Розглянемо, в чому полягають і як взаємопов’язані задачі розпізнавання та інтер- претації злитого мовлення [1], [2]. Розпізнавання мови – це процес автоматичної обробки сигналу з метою визначення послідовності слів, які передаються цим сигналом. Зміс- товна інтерпретація мови – це процес автоматичної обробки мовленнєвого сигналу з ме- тою виявлення змісту, що передається сигналом, та представлення цього змісту в певній канонічній формі, зручній для подальшого використання в системі усного перекладу. Очевидно, що змістовна інтерпретація мови є більш високим ступенем узагаль- нення інформації, ніж розпізнавання. Оскільки кожну думку можна висловити різними реченнями в мові діалогу, але при цьому зміст не зміниться, то слід визначити певні об- меження на допустимі послідовності слідування слів у реченнях. Тому, при інтерпретації змісту мови різні речення, що передають одну і ту саму думку, повинні відображатися в один і той же результат, тобто відповідь розпізнавання (послідовність слів) не повинна суперечити синтаксису, семантиці та прагматиці предметної області. Зважаючи на це, пропонується розглянути структуру системи усного перекладу в межах предметних областей (рис. 1). Задача змістовної інтерпретації злитого мовлення з метою подальшого перекладу ґрунтується на тому, що спочатку користувач має задати предметну область (ПО), з якою він бажає працювати. Для цього потрібно назвати цю ПО. Взагалі розглядається 15 ПО, з якими може працювати користувач. Активатор вибирає названу з 15 ПО і завантажує підсловник ПО з відповідними до цієї області ТР та граматику, за якою моделюються допустимі обмеження на послідовності слів у реченнях. Яценко В.В. «Искусственный интеллект» 4’2011 136 3Я АМ мови1 LM Словник Граматика ПО2 ПО15ПО1 ВР n-Best зміст мовою 2 зміст мови1 Активатор ПО текст мовою2 Система озвучення текстів мовою 2 мова2 Інтерпретатор … мова1 моделі речень Рисунок 1 – Структура системи усного перекладу в межах предметних областей Диктор вимовляє мовою 1 деяке речення, що розпізнається з урахуванням акустич- ної моделі та побудованої згідно зі словником відповідної ПО та граматики, лінгвістич- ної моделі (LM). Потім обирається n кращих послідовностей слів і порівнюється зі згенерованими моделями речень, які можуть задавати відповідний ТР. Використовуючи імовірнісне оцінювання, приймається рішення про належність розпізнаної послідовності слів до ТР. За цим ТР визначається ТЗ і інтерпретатор знаходить відповідний ТЗ іншою мовою. На виході ми маємо отримати текст мовою 2, який може бути озвученим від- повідною системою озвучення текстів мовою 2. В описаній структурі перекладу залишається досить складною задача інтерпре- тації відповіді розпізнавання. Шляхи розв’язку цієї задачі, описані в [2], ґрунтуються на економному задаванні всіх можливих допустимих речень у мові діалогу. Таким чином, автоматичний переклад фрази вимовленої мовою 1 на мову 2 з оз- вученням результату, за допомогою пропонованої структури усного перекладу в рамках предметних областей буде полягати в тому, щоб спочатку для сигналу, що подається (вимовляється диктором), знайти найбільш правдоподібний, можливо, параметризований, тип речення серед всіх типів речень, які задають тип змісту, а потім визначити сам тип змісту того змістовного висловлювання, що було вимовлене, та знайти для нього відповідний тип змісту в мові 2 з урахуванням параметрів. Насамкінець, речення, отри- мане мовою 2, озвучується. Далі буде розглянуто способи генерування речень мови діалогу, що виражають один і той самий зміст, але набувають певної деталізації, яка передається парамет- рами, та пошуку найбільш правдоподібних типів речень та розроблення обмежень на допустимі послідовності слів згідно зі структурами, якими можна представити речення. Моделювання типів речень з урахуванням параметрів Оскільки структура перекладу повинна працювати в межах предметних облас- тей, то пропонується розглянути певну ієрархію мовленнєвих образів [2]. Мається на увазі, що вся діяльність людини розбивається на предметні області (ПО) за типом тем паперового розмовника. Кожна ПО складається зі скінченної множини типів змістів (ТЗ). В кожен ТЗ входить множина еквівалентно змістовних типів речень Параметризація типів речень предметної області... «Штучний інтелект» 4’2011 137 3Я (ТР). Тип речення – це конструкція, що економно задає множину речень, отриманих з одного речення незалежними допустимою заміною та допустимою перестановкою чи випадінням слів та словосполучень. В межах задачі розпізнавання, інтерпретації та перекладу мовленнєвого сигналу надзвичайно важливим є питання опису параметрів слів у фразах, де можуть бути різні варіанти власних назв, часу, адрес тощо. Значення терміна «параметр» може мати різну інтерпретацію в залежності від того, в якому контексті він вживається. Загалом пара- метром називають величину, значення якої служить для розрізнення елементів деякої множини між собою. У даній статті пропонується розглянути параметри, що описують множину мож- ливих варіантів висловів у фразах при спілкуванні. Розглянемо приклад ТР прохання розбудити людину в певний час з ПО «Готель». Базова структура матиме вигляд (рис. 2): Рисунок 2 – Базова структура ТР В дужках () вказані підсловники, які можна переставляти місцями, а в [] – які не можна переставляти. Переставляти підсловники можна лише всередині старших дужок. Символ * означає порожнє слово. Цією структурою можна згенерувати досить багато речень з урахуванням параметрів. Серед них можуть бути, наприклад, такі: Розбудіть мене, будь ласка о сьомій годині. Будь ласка, нас розбудіть о п’ятій ранку. О сьомій тридцять розбудіть мене. Розбудіть мене через шість годин. Розбудіть нас у шість. У наведених прикладах останнє речення є розмовним, а не літературним, на практиці так висловлюються, і ми маємо це врахувати. У прикладі типу речення параметром є «часові призначення»: $time:app, $time. Розглянемо перший параметр $time:app. Він описує будь-який час з точністю до, на- приклад, хвилин, в контексті призначення деякої події. Цей параметр є дуже складним, оскільки людина може висловити час багатьма способами: вказувати або на одиницю виміру часу (години, хвилини), період доби. Щоб передбачити всі варіанти та значення цих параметрів вводиться спеціально розроблена і описана параметрична граматика словника на основі форми Бекуса-Наура (BNF). Таку граматику можна подати у розгор- нутому вигляді (табл. 1 і 2). В наведеному прикладі базова структура задає 4!·1·3·2·4=576 параметризованих речень, допустимих у мові усного діалогу. Якщо врахувати, що кожен параметр містить величезну кількість варіантів, кількість речень значно зросте. Всі речення мови діалогу можна задавати за допомогою ТС і відповідних їм ТР, використовуючи структуру, наведену у прикладі. За допомогою LISP-структур генерується величезна кількість речень, що мають один і той самий зміст. Оскільки побудова LISP-структур є досить громіздкою, потребує багато ручної роботи, то було розроблено автоматизований специфікатор предметних областей.                                                         $time через у в app:$timeо * ласкабудь * нас мене розбудіть Яценко В.В. «Искусственный интеллект» 4’2011 138 3Я Таблиця 1 – Базові структури параметрів часового призначення позначення приклад параметризація для української мови $time:app о шостій $hour:nadj-at о шостій тридцять $hour:nadj-at [$teen:n \| $dec:5max] о шостій годині $hour:nadj-at $hour-i о шостій годині ранку $hour:nadj-at $hour-i $time:post о шостій тридцять ранку $hour:nadj-at [$teen:n \| $dec:6max] $time:post о шостій годині тридцять хвилин $hour:nadj-at $hour-i $min:n-u о шостій годині тридцять хвилин ранку $hour:nadj-at $hour-i $min:n-u $time:post $min:n-u одна хвилина $min:n1 $min1 дві хвилини; 53 хвилини $min:n2 $min2 5 хвилин; 37 хвилин $min:n5 $min5 $min:n5 20; 45 $dec:5max [$digit5] 5; 7 $digit5 12; 15 $teen:n Таблиця 2 – Опис значень параметрів для часового призначення позначення укр. мова англ. мова $hour:nadj-at перший one другий two … двадцять третій twenty three $hour-i годині o'clock $min:n1 одна one … п’ятдесят одна fifty one $min:n2 дві two три three … п’ятдесят три fifty three $teen:n десять ten … ... дев’ятнадцять nineteen $dec:50max двадцять twenty тридцять thirty сорок forty п’ядесят fifty $digit5 п’ять five … дев’ять nine $min1 хвилина minute $min2 хвилини minute $min5 хвилин minute $time:post ранку a.m. дня p.m. вечора p.m. ночі a.m. Параметризація типів речень предметної області... «Штучний інтелект» 4’2011 139 3Я Для побудови всіх можливих речень мови усного діалогу можна використовувати так звану орієнтовану семантичну мережу (ОСМ) [1], [2]. Ця мережа одночасно задає об- межену граматику порядку слідування слів, яку можна використовувати при розпіз- наванні. Альтернативною до цієї граматики є граматика вільного поряду слідування слів. Між цими протилежними за суттю граматиками може бути побудовано безліч інших відносно вільних або відносно обмежених граматик. Ми пропонуємо дещо обмежити вільну граматику за рахунок лінгвістичного поняття про фонетичне слово. Під фонетичним словом розуміємо слово з невіддільними від нього супутніми словами. Наприклад, невіддільними є прийменник від іменника або прикметника, частка «не» спереду дієслова і частка «б» позаду нього. Пропонована нами відносно вільна граматика подається у вигляді графа (рис. 3), де pau – слово-пауза на початку та в кінці фрази, pcl – проклітик, prep – прийменник, w – нейтральне слово, ecl – енклітик. Рисунок 3 – Граф відносно вільної граматики на основі поняття про лінгвістичне слово Втім, за такої граматики прийняття рішення щодо смислу речення не є оче- видним. Цьому питанню присвячено наступний розділ. Статистичне оцінювання належності послідовності слів до типу речень При розпізнаванні в умовах граматики, що не задає строгих обмежень на послі- довності слів, очевидно можуть бути отримані відповіді розпізнавання, що не вхо- дять у множину речень, які згенеровані певним типом речень. Це може бути зумовлено як помилками при розпізнаванні, так і при формуванні типів речень експертом. Крім того, сам користувач може вимовити речення з різного роду відхиленнями або агра- матизмами, наприклад, повторити деяке слово двічі. Яценко В.В. «Искусственный интеллект» 4’2011 140 3Я Тому пропонується оцінювати ймовірність типу речення ST з ОСМ за умови розпізнаної послідовності слів  nwww ,...,, 21 та оголошувати відповіддю інтерпретації той тип речень – ST, для якого ця ймовірність є найбільшою: ),...,,/(argmax 21 n ST wwwSTPST  , (1) Імовірність у лівій частині (1) може бути переписана за формулою Байєса в наступному вигляді: )/,...,,( ),...,,( )( ),...,,/( 21 21 21 STwwwP wwwP STP wwwSTP n n n  , (2) Розглядаючи послідовність  nwww ,...,, 21 як марківський процес, подаємо кожний із множників умовної імовірності у правій частині (2) у вигляді:    n k kmkkn wwSTwPSTwwwP 1 121 )...,,,/()/,...,,( , (3)    n k kmkkn wwwPwwwP 1 121 )...,,/(),...,,( , (4) де m ≥ 0 – порядок процесу. Оцінювання кожного з множників з правої частини виразів (3) і (4) може викону- ватися різними способами в залежності від обраного порядку процесу. Ми розглядали найпростіший випадок, коли m = 0. Тоді, враховуючи формулою Байєса, вираз (2) подаємо у вигляді:     n k kn wSTPSTPwwwSTP 1 21 )/(),...,,/( , (5) Тут логічно зробити припущення щодо рівноімовірності всіх типів речень. Хоч насправді, деякі смисли трапляються частіше за інші, і це залежить від попереднього змісту. Залишається обчислити вираз вигляду )/( wSTP k . Для цього розглянемо  kwST – множину типів речень, в яких зустрічається слово kw . Тоді        випадку.іншомув,, ,)(якщо,)( )( 1 k kk k wST wSTwST wSTP  (6) Вираз  kwST , має зміст імовірності того, що слово kw розпізнано помилково замість деякого слова w : )(wST . Цю ймовірність можна оцінити на основі деякої міри мінімальної редакторської правки ),( wwd k , наприклад, відстані Левенштейна. При обчисленні цієї міри штрафуються вставки, видалення та заміни символів фонемного тексту порівнюваних слів. Отже, вираз  kwST , пропонується оцінювати таким чином:                            wwdST wL wwd wST k wST k wST k ,minarg , min1, 1 , (7) де )(wL – кількість фонем у слові w. Рішення щодо приналежності розпізнаної послідовності слів певному типу речень приймається на основі (1) – (7). Для апробації цього способу було проведено серію експериментальних досліджень. Експериментальні результати Запропоновані в роботі методи оцінювання належності послідовності слів до типу речень були експериментально перевірені на фразах, взятих із звичайного роз- мовника. В роботі для прикладу розглядалися три ПО: «Повсякденні фрази», «По- Параметризація типів речень предметної області... «Штучний інтелект» 4’2011 141 3Я дорож», «Готель». Ці ПО містять 47 + 102 + 68 = 217 типів змісту. В середньому на тип змісту припадає 4,17 базових речення. Акустичні моделі для декодера створено на основі мовленнєвого корпусу окремо вимовлених слів, в якій брало участь 60 дикторів [2]. Засобами [3] проведено навчан- ня 55 прихованих марківських моделей фонем. Максимальна кількість нормальних законів у суміші – 20. Для експерименту довільним чином було вибрано 500 фраз. Смислова інтерпре- тація проводилася на основі відповіді пофонемного розпізнавача [4] за умов вільної та відносно вільної (на основі фонетичних слів) послівних граматик [2]. З результатів проведеного експерименту, наведених у табл. 3, випливає, що для двох типів граматик похибка змістовної інтерпретації не перевищує 5%, що є прийнятним для прикладної системи. За умов обмеженої граматики швидкість розпізнавання в 10 разів перевищувала реальний час, а за умов вільної та відносно вільної граматик розпізнавання відбувалося швидше реального часу на ресурсах нетбука. Таблиця 3 – Результати розпізнавання та смислової інтерпретації 500 речень з двох предметних областей Тип граматики Надійність розпізнавання (%) Обмежена 96,7 94,1 98,3 Вільна послівна 53,4 4,2 86,1 Відносно вільна 79,1 20,8 96,2 На основі проведених досліджень розроблено демонстраційну програмну модель перекладу речень, вимовлених українською мовою, на англійську мову (рис. 3). При цьому, слідування слів в українському реченні може бути будь-яким із допустимих, допускаються елементи спонтанності. Реченню, вимовленому українською мовою, ставиться у відповідність англомовний тип змісту або речення, а перше речення цього типу змісту оголошується результатом перекладу. Рисунок 4 – Демонстраційне програмне забезпечення моделі усного фразника-перекладача Висновки Представлена в роботі система усного перекладу є електронним аналогом папе- рового розмовника, взаємодія з яким відбувається найбільш природними способом – голосом. При розпізнаванні вимовленої користувачем фрази використовуються лінгвістичні та семантичні знання щодо обраної предметної області. Введені при цьому «м’які» обмеження на порядок слідування слів дають змогу підвищити надійність розпізнавання, не підвищуючи вимог до обчислювальних ресурсів. Розроблені програмні засоби дають змогу формувати граматики слідування слів для розпізнавання злитого мовлення як на основі типів речень, так і на основі лінгвістичного поняття про фоне- тичне слово. Яценко В.В. «Искусственный интеллект» 4’2011 142 3Я Використання параметричних моделей типів речень надає можливість користуваче- ві більш вільно та розмаїто спілкуватися, що розширює коло використання системи. Припущення, що спостережувані послідовності слів є марківським процесом, дало змогу сформулювати більш гнучкий спосіб формування відповіді смислової інтерпретації. На основі експериментальної моделі розроблено програмну модель усного слов- ника-перекладача для перекладу з української мови на англійську в межах предметної області, що працює в межах реального часу на обмежених обчислювальних ресурсах. Одні і ті ж самі фрази з різною інтонацією можуть виражати як питальне речен- ня, так і розповідне. Отже, в подальшій роботі слід дослідити можливість розпізна- вання інтонації та ритму (просодики) з метою автоматичного розставляння розділових знаків у розпізнаних фразах. Надалі також планується ставити у відповідність україномовній фразі більш точ- ний англомовний відповідник серед типів речень з типу змісту. Література 1. Vintsiuk T.K., Analysis, Recognition and Understanding of Speech Signals / T.K Vintsiuk. – Kyiv : Naukova Dumka, 1987. – 264 p (in Russian). 2. Sazhok M. Spoken translation system based on speech understanding in subject area / M. Sazhok, V. Yatsenko. // All-Ukrainian Int. Conference on Signal : Image Processing and Pattern Recognition UkrObraz’2010. – Кyiv, 2010. – P. 103-106 (in Ukrainian). 3. Lee T. Kawahara. Julius – an open source real-time large vocabulary recognition engine / Lee, T. Kawahara and K. Shikano // –In Proc. European Conference on Speech Communication and Technology (EUROSPEECH). – 2001. – Р. 1691-1694. 4. [Young S.J.] et al., HTK Book, Version 3.1, Cambridge University. – 2002. Literatura 1. Vintsiuk T.K. Analysis, Recognition and Understanding of Speech Signals. Kyiv: Naukova Dumka. 1987. 264 p. 2. Sazhok M. All-Ukrainian Int. Conference on Signal/Image Processing and Pattern Recognition Ukr Obraz’2010. Кyiv. 2010. P. 103-106 3. Lee T. Proc. European Conference on Speech Communication and Technology (EUROSPEECH). 2001. P 1691-1694 4. Young S.J. HTK Book, version 3.1. Cambridge University. 2002. В.В. Яценко Параметризация типов предложений предметной области для системы устного фразаря-переводчика В статье рассматриваются подходы построения системы перевода устного сигнала в рамках предметных областей. Блок интерпретации получает произнесенное предложение в виде распознанной декодером последовательности слов. На выходе системы принимается решение о принадлежности распознанной последовательности слов типу предложения, которое задает тип смысла. Распознавание выполняется с учетом параметров, которые описывают множество возможных вариантов высказываний во фразах при общении. Проанализированы альтернативные подходы моделирования ограничений на допустимые последовательности слов во фразах. V. Yatsenko Parameterization of Sentence Types in a Subject Area for the Spoken Interpreter System In this paper we describe the approaches for building of the spoken translation system within subject areas. The decoded sequence of words enters to the interpretation subsystem, which finally makes decision concerning to the sentence type and the respective meaning type for the pronounced utterance. Possible variations of date, time, place etc. that may occur in sentences are parameterized and integrated to the language model. Strict, free and phonetic words based on word grammars for speech decoder are analyzed. Стаття надійшла до редакції 22.06.2011.

Параметризація типів речень предметної області для системи усного фразника-перекладача

Репозитарії

Схожі ресурси