ハイナン方言認識における最適なディープラーニングモデリングに関する研究

科学分野:

• コンピュータ言語学
• 人工知能
• 音声処理

背景:

• ハイナン方言の音声認識は,音声学,音調,および文法的な大きな違いによって困難に直面しています.
• 現在の研究は,特に複数の方言の認識のための十分なコーパスリソースによって制限されています.
• 伝統的なモデルはデータ不足と 多様な方言の特徴に 苦しんでいます

研究 の 目的:

• ハイナン方言からマンダリン語への変換のためのディープラーニングモデルを探求する.
• ハイナンの方言認識のための最適のディープラーニングモデルを特定する.
• 多言語の認識のための効果的な融合モデルを提案する.

主な方法:

• 複数のディープラーニングモデルの適用
• 広範囲にわたる実験的比較分析
• コンボリューションニューラルネットワーク (CNN) とマルチヘッド自己注意メカニズム (MHAN) を組み合わせた融合モデルの開発.

主要な成果:

• 提案された融合モデルであるConvMHANetは,異なる方言のシーンで優れたパフォーマンスを示しています.
• ConvMHANetは,複雑な方言の音声と文脈的な依存関係に効果的に取り組んでいます.
• マルチ分類ミックスタスクで97.58%の精度と0.0163の文字エラー率を達成しました.

結論:

• ConvMHANetはハイナン方言の音声認識に強い汎用性を示しています.
• 融合モデルは,方言からマンダリン語への変換の課題に有望な解決策を提供します.
• この研究は,低リソースの方言の音声認識の進歩に寄与しています.