Um sistema híbrido de reconhecimento contínuo de fala utilizando redes neurais segmentais com modelos ocultos de Markov

Os autores apresentam o conceito de uma 'rede neural segmental' (SNN) para modelagem fonética em reconhecimento contínuo de fala (CSR) e demonstram como isso pode ser usado com um paradigma de múltiplas hipóteses (ou N-Best) para combinar diferentes sistemas de CSR. Em particular, desenvolveram um sistema que combina a SNN com um sistema de modelo oculto de Markov (HMM). Acreditam que este é o primeiro sistema que incorpora uma rede neural cujo desempenho excedeu o estado da arte em reconhecimento contínuo de fala com grande vocabulário. Para tirar vantagem da velocidade de treinamento e decodificação dos HMMs, os autores desenvolveram um novo sistema híbrido SNN/HMM que combina as vantagens de ambos os tipos de abordagens. Neste sistema híbrido, utiliza-se o paradigma N-best para gerar segmentações fonéticas prováveis, que são então avaliadas pela SNN. As pontuações do HMM e da SNN são então combinadas para otimizar o desempenho.