Adaptive language models for spoken dialogue systems

Solsona, Roger Argiles; Fosler‐Lussier, Eric; Kuo, Hong-Kwang Jeff; Potamianos, Alexandras; Zitouni, Imed

doi:10.1109/icassp.2002.5743648

Cited by 10 publications

(3 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In practice, we rather envision the selection of differerent subcomponents of the same LM as being dependent on the recognition of certain words. Such adaptive LMs have been used for quite some time by the speech and language technology community (Jelinek, Merialdo, Roukos, & Strauss, 1991;Solsona, Fosler-Lussier, Kuo, Potamianos, & Zitouni, 2002).…”

Section: Application Perspective: Language Technology Settingmentioning

confidence: 99%

Measuring Syntactic Complexity in Spontaneous Spoken Swedish

2007

View full text Add to dashboard Cite

Hesitation disfluencies after phonetically prominent stranded function words are thought to reflect the cognitive coding of complex structures. Speech fragments following the Swedish function word att 'that' were analyzed syntactically, and divided into two groups: one with att in disfluent contexts, and the other with att in fluent contexts. Complexity was calculated in terms of a number of measures related to syntactic tree structures produced by the analysis tool GRAMMAL. Results showed that disfluent att is in general associated with significantly higher mean complexity values than fluent att. This information can be used to predict whether the function word at the beginning of a fragment is likely to be disfluent or not. Two kinds of statistical classification algorithms (Bayesian and neural networks) were used to test this hypothesis. The best result was 71% correctly classified cases, which is significantly better than a system that is based on selecting the data's majority class.

show abstract

Section: Application Perspective: Language Technology Settingmentioning

confidence: 99%

Measuring Syntactic Complexity in Spontaneous Spoken Swedish

2007

View full text Add to dashboard Cite

show abstract

“…It plays an important role in many applications, e.g. automatic speech recognition (ASR) [2], [3], spoken dialog systems [4], and statistical machine translation [5] since it provides some apriori probabilities of word sequences.…”

Section: Introductionmentioning

confidence: 99%

Developing an Adaptive Language Model for Bahasa Indonesia

Hidayatullah¹,

Suyanto²

2019

ijacsa

View full text Add to dashboard Cite

A language model is one of the important components in a speech recognition system. It is commonly developed using a statistical method called n-gram. However, a standard n-gram cannot be used for general domains with so many ambiguous semantics of sentences. This paper focuses on developing an adaptive n-gram language model for Bahasa Indonesia. First, a text corpus of ten million distinct sentences is crawled from hundreds of websites of news, magazines, personal blogs, and writing forums. The text corpus is then used to construct an adaptive language model using Latent Dirichlet Allocation (LDA) with Collapsed Gibbs Sampling (CGS) training method. Compare to the standard n-gram, the adaptive language model gives a better performance in the word selection to produce the best sentence.

show abstract

“…In Spoken Dialogue Systems, in which each module performs a different task (speech recognition, language understanding, dialogue management, and so on), the number of potential information sources increases. We could take into account lexical and acoustic information (managed by the speech recognizer), but we could also use semantic information (the content of the recognized utterance, such as in Visweswariah and Printz (2001); Solsona et al (2002); Gruenstein et al (2005)), or discourse or pragmatic information (related to the intentions of the user). These dialogue-based approaches are usually defined as context-dependent adaptation (Fügen et al, 2004;López-Cózar and Griol, 2010), or state-dependent adaptation (Popovici and Baggia, 1997;Riccardi et al, 1998;Riccardi and Gorin, 2000).…”

Section: Lm Adaptation Methodologiesmentioning

confidence: 99%

Contributions to the contextualization of human-machine spoken interaction systems

Cuesta¹

View full text Add to dashboard Cite

como maestro, mostrarme las puertas para que yo las atravesase; en el ajedrez, en el Taijiquan, en el Qigong y, en definitiva, en la vida. Chi'en! Un agradecimiento muy especial a las tres princesitas que tuvieron a bien entablar amistad y dejarse querer por un bufón con el alma oxidada. Gracias, Vero, por haber hecho tan maravillosos los últimos años de esta Tesis. Por ese viajecito a Valencia, por tantas veces (aunque siempre con cariño) como te he acabado "agobiando" (¡jo! lo siento), por tu dulzura, por tu timidez (que en ocasiones creo que vence a la mía), y por tantos momentos que hemos disfrutado. Gracias, Bea, por haber soportado tantas pullas y tantos "conquensismos" como me has tenido que escuchar (¡y gracias por responder a cada uno de ellos!), por tantas buenas cervezas compartidas, por animarnos a sacarnos el bendito carnet, por todo lo bien que me lo paso contigo, y porque nos sigamos riendo. Gracias, Raquel, simplemente por ser tú. Por tantas conversaciones en las que nos quedábamos en silencio, por tantos "cinco minutillos" de varias horas, por haber querido ver en mí muchísimo más de lo que hay. Por tantas veces como me has dado las gracias, la mayor parte de ellas sin merecerlo. Gracias, en fin, por tu sonrisa. Vero, Bea, Raquel, mis ángeles: un abrazo y un beso muy, muy fuertes.Quién iba a decirnos, Idoia, que pasaríamos de conocernos en un autobús, de camino a una cena de gala de un congreso (a la postre inolvidable, con chino famélico, griegas y valencianos varios, caballeros con escasez de armas, y princesas con bolsitos de marca incluidos), a acabar callejeando por Roma, Burgos y Donosti, compartiendo, en la distancia y en la cercanía, nuestras aventuras y desventuras, nuestras alegrías y nuestras lágrimas, profesionales y personales. Y alguna que otra clase de euskera en la que me demostraste tu paciencia y tu buen hacer docente. Hacia ti guardo una gratitud inmensa, una amistad inmarcesible y todo el cariño de mi corazón. Mila esker, Idoiatxo! Muxu handi-handi bat eta besarkada asko! Prima, amiga, confidente, crítica... Pero, por encima de todo, simplemente, tú. Gracias, Maite, por todo. Por tantas y tan divertidas quedadas, por tantas charlas, por tantas broncas como me has tenido que echar (nunca sin razón), por todo lo que nos queremos, por las emociones que nos hemos provocado. Por nuestros caminos de Santiago. Por nuestras escapadas. Por estar ahí. Porque no se podría pensar en nadie que me comprendiese y me animase como tú. Gracias.Muchas gracias a mi familia, porque habéis hecho de mí lo que soy. Gracias a mis hermanos, Elvira y Paco, porque os debo más de lo que me atrevería a recordar, porque nunca habéis dejado de estar junto a mí, pendientes de cualquiera de mis historias, y porque no se podría soñar con unos hermanos mejores que vosotros. Gracias a mis padres, Francisco y Elvira, porque nadie podría tener tal confianza en mí, y tanta paciencia, como vosotros habéis tenido, y porque si tuviera que decir cualquier otra cosa, no podría caber en esta Tesis.Por último, gracias a do...

show abstract

Adaptive language models for spoken dialogue systems

Cited by 10 publications

References 13 publications

Measuring Syntactic Complexity in Spontaneous Spoken Swedish

Measuring Syntactic Complexity in Spontaneous Spoken Swedish

Developing an Adaptive Language Model for Bahasa Indonesia

Contributions to the contextualization of human-machine spoken interaction systems

Contact Info

Product

Resources

About