최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회언어공학연구회 2015년도 제27회 한글 및 한국어 정보처리 학술대회, 2015 Oct. 17, 2015년, pp.240 - 245
정의석 (음성처리연구실, 한국전자통신연구소) , 전형배 (음성처리연구실, 한국전자통신연구소) , 정호영 (음성처리연구실, 한국전자통신연구소) , 박전규 (음성처리연구실, 한국전자통신연구소)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
분산 언어모델은 어떤 형태로 처음 제시되었나? | 분산 언어모델은 분산된 서버에서 서비스 되는 분산 n-gram 빈도수 서버형태로 처음 제시되었다[1]. 여기서 학습 코퍼스를 서픽스 배열(suffix array) 기술을 이용하여 분리하고, 클라이언트/서버 프레임워크로 접근하였다. | |
일반영역 음성인식 기술의 한계는 무엇인가? | 일반영역 음성인식 기술은 이미 상용화에 성공한 기술이라 볼 수 있다. 그러나 모든 영역의 어휘들을 인식할 수 있어야 하고, 해당 어휘 수는 문장 형태의 음성인식을 위해 필요한 n-gram의 수를 가중시킨다. 최근 활발히 연구되고 있는 심층 신경망 (deep neural network) 기술은 n-gram 희소성 문제에 대한 대안이 될 수 있으나, 일반 영역 어휘수를 학습하기에는 아직 미흡하다는 판단이다. | |
일반영역 음성인식에서 대용량의 언어모델이 필요한 이유는 무엇인가? | 일반영역 음성인식은 n-gram 희소성 문제로 인해 대용량의 언어모델이 필요하다. 대용량 언어모델은 분산형 모델로 구현될 수 있고, 사용자 입력에 대한 동적 언어모델 보간 기술을 통해 음성인식 성능을 개선할 수 있다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.