評估尺度相關最佳化方法於華語錯誤發音檢測之研究

許 曜麒(Yao-Chi Hsu), 楊 明翰(Ming-Han Yang), 洪 孝宗(Hsiao-Tsung Hung), 林 奕儒(Yi-Ju Lin), 陳 冠宇(Kuan-Yu Chen), 陳 柏琳(Berlin Chen)

Research output: Contribution to journalArticle

Abstract

錯誤發音檢測(Mispronunciation Detection)與錯誤發音診斷(Mispronunciation Diagnosis)為電腦輔助發音訓練系統的一部分,它們能輔助第二外語學習者準確地找出語句中錯誤發音的部位以增進學習者的口說熟練度。本論文延續過去學者的研究,大致可將貢獻分為三點:1) 比較不同的發音分數做為錯誤發音檢測的評估依據,並探討對於錯誤發音檢測效能的影響;2) 我們透過最佳化評估尺度相關訓練法則估測深層類神經網路聲學模型的參數以及發音檢測決策函數之參數;3) 使用F1 度量作為目標函數時,若將二類的F1 度量線性組合並調整權重,可有效處理資料類別不平衡的問題。一系列的實驗將建立在華語錯誤發音檢測與診斷任務,從實驗中可以觀察到我們提出的方法之優點。
Original languageChinese
Pages (from-to)55-70
Number of pages16
Journal中文計算語言學期刊
Volume21
Issue number2
Publication statusPublished - 2016

Cite this

許曜麒(Yao-Chi H, 楊明翰(Ming-Han Y, 洪孝宗(Hsiao-Tsung H, 林奕儒(Yi-Ju L, 陳冠宇(Kuan-Yu C, & 陳柏琳(Berlin C (2016). 評估尺度相關最佳化方法於華語錯誤發音檢測之研究. 中文計算語言學期刊, 21(2), 55-70.

評估尺度相關最佳化方法於華語錯誤發音檢測之研究. / 許曜麒(Yao-Chi Hsu); 楊明翰(Ming-Han Yang); 洪孝宗(Hsiao-Tsung Hung); 林奕儒(Yi-Ju Lin); 陳冠宇(Kuan-Yu Chen); 陳柏琳(Berlin Chen).

In: 中文計算語言學期刊, Vol. 21, No. 2, 2016, p. 55-70.

Research output: Contribution to journalArticle

許曜麒(Yao-ChiH, 楊明翰(Ming-HanY, 洪孝宗(Hsiao-TsungH, 林奕儒(Yi-JuL, 陳冠宇(Kuan-YuC & 陳柏琳(BerlinC 2016, '評估尺度相關最佳化方法於華語錯誤發音檢測之研究', 中文計算語言學期刊, vol. 21, no. 2, pp. 55-70.
許曜麒(Yao-ChiH, 楊明翰(Ming-HanY, 洪孝宗(Hsiao-TsungH, 林奕儒(Yi-JuL, 陳冠宇(Kuan-YuC, 陳柏琳(BerlinC. 評估尺度相關最佳化方法於華語錯誤發音檢測之研究. 中文計算語言學期刊. 2016;21(2):55-70.
許曜麒(Yao-Chi Hsu) ; 楊明翰(Ming-Han Yang) ; 洪孝宗(Hsiao-Tsung Hung) ; 林奕儒(Yi-Ju Lin) ; 陳冠宇(Kuan-Yu Chen) ; 陳柏琳(Berlin Chen). / 評估尺度相關最佳化方法於華語錯誤發音檢測之研究. In: 中文計算語言學期刊. 2016 ; Vol. 21, No. 2. pp. 55-70.
@article{a1fc187214614bcfad9b05f6e63bf108,
title = "評估尺度相關最佳化方法於華語錯誤發音檢測之研究",
abstract = "錯誤發音檢測(Mispronunciation Detection)與錯誤發音診斷(Mispronunciation Diagnosis)為電腦輔助發音訓練系統的一部分,它們能輔助第二外語學習者準確地找出語句中錯誤發音的部位以增進學習者的口說熟練度。本論文延續過去學者的研究,大致可將貢獻分為三點:1) 比較不同的發音分數做為錯誤發音檢測的評估依據,並探討對於錯誤發音檢測效能的影響;2) 我們透過最佳化評估尺度相關訓練法則估測深層類神經網路聲學模型的參數以及發音檢測決策函數之參數;3) 使用F1 度量作為目標函數時,若將二類的F1 度量線性組合並調整權重,可有效處理資料類別不平衡的問題。一系列的實驗將建立在華語錯誤發音檢測與診斷任務,從實驗中可以觀察到我們提出的方法之優點。",
keywords = "電腦輔助發音訓練, 錯誤發音檢測, 自動語音辨識, 鑑別式訓練與深層類神經網路, Computer Assisted Pronunciation Training, Mispronunciation Detection, Automatic Speech Recognition, Discrimetive Training, Deep Neural Networks",
author = "許, {曜麒(Yao-Chi Hsu)} and 楊, {明翰(Ming-Han Yang)} and 洪, {孝宗(Hsiao-Tsung Hung)} and 林, {奕儒(Yi-Ju Lin)} and 陳, {冠宇(Kuan-Yu Chen)} and 陳, {柏琳(Berlin Chen)}",
year = "2016",
language = "Chinese",
volume = "21",
pages = "55--70",
journal = "中文計算語言學期刊",
issn = "1027-376x",
publisher = "中華民國計算語言學學會",
number = "2",

}

TY - JOUR

T1 - 評估尺度相關最佳化方法於華語錯誤發音檢測之研究

AU - 許, 曜麒(Yao-Chi Hsu)

AU - 楊, 明翰(Ming-Han Yang)

AU - 洪, 孝宗(Hsiao-Tsung Hung)

AU - 林, 奕儒(Yi-Ju Lin)

AU - 陳, 冠宇(Kuan-Yu Chen)

AU - 陳, 柏琳(Berlin Chen)

PY - 2016

Y1 - 2016

N2 - 錯誤發音檢測(Mispronunciation Detection)與錯誤發音診斷(Mispronunciation Diagnosis)為電腦輔助發音訓練系統的一部分,它們能輔助第二外語學習者準確地找出語句中錯誤發音的部位以增進學習者的口說熟練度。本論文延續過去學者的研究,大致可將貢獻分為三點:1) 比較不同的發音分數做為錯誤發音檢測的評估依據,並探討對於錯誤發音檢測效能的影響;2) 我們透過最佳化評估尺度相關訓練法則估測深層類神經網路聲學模型的參數以及發音檢測決策函數之參數;3) 使用F1 度量作為目標函數時,若將二類的F1 度量線性組合並調整權重,可有效處理資料類別不平衡的問題。一系列的實驗將建立在華語錯誤發音檢測與診斷任務,從實驗中可以觀察到我們提出的方法之優點。

AB - 錯誤發音檢測(Mispronunciation Detection)與錯誤發音診斷(Mispronunciation Diagnosis)為電腦輔助發音訓練系統的一部分,它們能輔助第二外語學習者準確地找出語句中錯誤發音的部位以增進學習者的口說熟練度。本論文延續過去學者的研究,大致可將貢獻分為三點:1) 比較不同的發音分數做為錯誤發音檢測的評估依據,並探討對於錯誤發音檢測效能的影響;2) 我們透過最佳化評估尺度相關訓練法則估測深層類神經網路聲學模型的參數以及發音檢測決策函數之參數;3) 使用F1 度量作為目標函數時,若將二類的F1 度量線性組合並調整權重,可有效處理資料類別不平衡的問題。一系列的實驗將建立在華語錯誤發音檢測與診斷任務,從實驗中可以觀察到我們提出的方法之優點。

KW - 電腦輔助發音訓練

KW - 錯誤發音檢測

KW - 自動語音辨識

KW - 鑑別式訓練與深層類神經網路

KW - Computer Assisted Pronunciation Training

KW - Mispronunciation Detection

KW - Automatic Speech Recognition

KW - Discrimetive Training

KW - Deep Neural Networks

M3 - 文章

VL - 21

SP - 55

EP - 70

JO - 中文計算語言學期刊

JF - 中文計算語言學期刊

SN - 1027-376x

IS - 2

ER -