دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Oliver Lemon (auth.), Oliver Lemon, Olivier Pietquin (eds.) سری: ISBN (شابک) : 9781461448020, 9781461448037 ناشر: Springer-Verlag New York سال نشر: 2012 تعداد صفحات: 183 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب روشهای دادهمحور برای سیستمهای گفتگوی گفتاری تطبیقی: یادگیری محاسباتی برای رابطهای مکالمه: رابط های کاربر و تعامل انسان با کامپیوتر، زبان شناسی محاسباتی، سیگنال، پردازش تصویر و گفتار، شبیه سازی و مدل سازی، ساختارهای حسابی و منطقی
در صورت تبدیل فایل کتاب Data-Driven Methods for Adaptive Spoken Dialogue Systems: Computational Learning for Conversational Interfaces به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب روشهای دادهمحور برای سیستمهای گفتگوی گفتاری تطبیقی: یادگیری محاسباتی برای رابطهای مکالمه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
روشهای مبتنی بر داده مدتهاست که در تشخیص خودکار گفتار (ASR) و ترکیب متن به گفتار (TTS) استفاده میشوند و اخیراً برای مدیریت گفتگو، درک زبان گفتاری و تولید زبان طبیعی معرفی شدهاند. یادگیری ماشینی اکنون در سیستمهای گفت و گوی گفتاری (SDS) "انتخاب به انتها" وجود دارد. با این حال، این تکنیکها به کمپینهای جمعآوری داده و حاشیهنویسی نیاز دارند، که میتواند زمانبر و پرهزینه باشد، همچنین به گسترش مجموعه دادهها توسط شبیهسازی. در این کتاب، ما یک نمای کلی از وضعیت فعلی این رشته و پیشرفتهای اخیر با تمرکز ویژه بر سازگاری ارائه میکنیم.
Data driven methods have long been used in Automatic Speech Recognition (ASR) and Text-To-Speech (TTS) synthesis and have more recently been introduced for dialogue management, spoken language understanding, and Natural Language Generation. Machine learning is now present “end-to-end” in Spoken Dialogue Systems (SDS). However, these techniques require data collection and annotation campaigns, which can be time-consuming and expensive, as well as dataset expansion by simulation. In this book, we provide an overview of the current state of the field and of recent advances, with a specific focus on adaptivity.
Front Matter....Pages i-ix
Conversational Interfaces....Pages 1-4
Developing Dialogue Managers from Limited Amounts of Data....Pages 5-17
Data-Driven Methods for Spoken Language Understanding....Pages 19-38
User Simulation in the Development of Statistical Spoken Dialogue Systems....Pages 39-73
Optimisation for POMDP-Based Spoken Dialogue Systems....Pages 75-101
Statistical Approaches to Adaptive Natural Language Generation....Pages 103-130
Metrics and Evaluation of Spoken Dialogue Systems....Pages 131-150
Data-Driven Methods in Industrial Spoken Dialog Systems....Pages 151-171
Conclusion and Future Research Directions....Pages 173-177