دانلود کتاب Analysis and Application of Natural Language and Speech Processing – تحلیل و کاربرد زبان طبیعی و پردازش گفتار

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری
  • ویرایش
  • سال 2023
  • نویسنده (گان) Mourad Abbas
  • ناشر Springer
  • زبان English
  • تعداد صفحات
  • حجم فایل 5.98MB
  • فرمت فایل pdf
  • شابک 9783031110344, 9783031110351
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد

توضیحات

This book presents recent advances in Natural Language Processing (NLP) and speech technology, a topic attracting increasing interest in a variety of fields through its myriad applications, such as the demand for speech guided touchless technology. The authors present results of recent experimental research that provides contributions and solutions to different issues related to speech technology and speech in industry. Technologies include Natural Language Processing, automatic speech recognition (for under-resourced dialects) and speech synthesis that are useful for applications such as intelligent virtual assistants, among others. Applications cover areas such as sentiment analysis and opinion mining, and language modelling. This book is relevant for anyone interested in the latest in language and speech technology.

The increased access to powerful processors has made possible significant progress in Natural Language Processing (NLP). We find more research in NLP targeting diverse spectrum of major industries that use voice recognition, text-to-speech (TTS) solutions, speech translation, natural language understanding (NLU), and many other applications and techniques related to these areas.

This book presents the latest research related to Natural Language Processing and speech technology and sheds light on the main topics for readers interested in this field. For TTS and automatic speech recognition, it is demonstrated how to explore transfer learning in order to generate speech in other voices from TTS of a specific language, and to improve speech recognition for non-native English. Language resources are the cornerstone for building high-quality systems; however, some languages, are considered under-resourced compared to English. In addition, the readers of this book will discover conceptions and solutions for other NLP issues such as language modeling, question answering, dialog systems, and sentence embeddings.

Although non-native English speakers (L2) outnumber native English speakers (L1), major challenges contribute to a gap between performance of automatic speech recognition (ASR) systems on L2 speech. This is mainly due to influence of L1 pronunciation on the learned language and lack of annotated L2 speech data on which ASR systems can be trained. To meet these challenges, previous work has generally followed two distinct approaches. The first is to make L2 speech representations more closely match those of L1 speech. The second approach leverages L2 speech data to improve model robustness. Due to L2 data scarcity, this second approach necessitates employment of transfer learning or domain adaptation. State-of-the-art ASR models based on self-supervised pre-training such as wav2vec and wav2vec 2.0 offer a tantalizing starting point for applying the transfer learning approach we list above, especially due to their strong performance of self-trained wav2vec 2.0 models on ASR in low-resource settings even without a language model. However, challenges remain in identifying how best to apply models such as wav2vec 2.0 in L2 fine-tuning scenarios.

————————————————————–

ترجمه ماشینی :

این کتاب پیشرفت‌های اخیر در پردازش زبان طبیعی (NLP) و فن‌آوری گفتار را ارائه می‌کند، موضوعی که از طریق کاربردهای بی‌شمار آن، مانند تقاضا برای فناوری بدون لمس هدایت‌شده گفتار، علاقه فزاینده‌ای را در زمینه‌های مختلف به خود جلب می‌کند. نویسندگان نتایج تحقیقات تجربی اخیر را ارائه می‌کنند که کمک‌ها و راه‌حل‌هایی برای مسائل مختلف مربوط به فناوری گفتار و گفتار در صنعت ارائه می‌کند. فناوری‌ها شامل پردازش زبان طبیعی، تشخیص خودکار گفتار (برای گویش‌های کم منابع) و ترکیب گفتار است که برای برنامه‌هایی مانند دستیارهای مجازی هوشمند و سایر موارد مفید هستند. برنامه‌ها حوزه‌هایی مانند تحلیل احساسات و عقیده‌کاوی و مدل‌سازی زبان را پوشش می‌دهند. این کتاب برای هر کسی که به آخرین فن آوری زبان و گفتار علاقه مند است مرتبط است. افزایش دسترسی به پردازنده های قدرتمند پیشرفت قابل توجهی را در پردازش زبان طبیعی (NLP) ممکن کرده است. ما تحقیقات بیشتری را در NLP می‌یابیم که طیف متنوعی از صنایع اصلی را هدف قرار می‌دهد که از تشخیص صدا، راه‌حل‌های متن به گفتار (TTS)، ترجمه گفتار، درک زبان طبیعی (NLU) و بسیاری از کاربردها و تکنیک‌های دیگر مرتبط با این حوزه‌ها استفاده می‌کنند. این کتاب آخرین تحقیقات مربوط به پردازش زبان طبیعی و فناوری گفتار را ارائه می‌کند و موضوعات اصلی را برای خوانندگان علاقه‌مند به این حوزه روشن می‌کند. برای TTS و تشخیص خودکار گفتار، نشان داده شده است که چگونه می توان یادگیری انتقالی را به منظور تولید گفتار در صداهای دیگر از TTS یک زبان خاص، و برای بهبود تشخیص گفتار برای انگلیسی غیر بومی بررسی کرد. منابع زبان سنگ بنای ساخت سیستم های با کیفیت بالا هستند. با این حال، برخی از زبان ها، در مقایسه با انگلیسی، کم منابع در نظر گرفته می شوند. علاوه بر این، خوانندگان این کتاب مفاهیم و راه‌حل‌هایی را برای سایر مسائل NLP مانند مدل‌سازی زبان، پاسخ‌گویی به سؤال، سیستم‌های گفتگو و جاسازی جملات کشف خواهند کرد. \ اگرچه افراد غیر بومی انگلیسی (L2) از انگلیسی زبانان بومی (L1) بیشتر هستند، چالش های عمده به شکاف بین عملکرد سیستم های تشخیص خودکار گفتار (ASR) در گفتار L2 کمک می کند. این عمدتاً به دلیل تأثیر تلفظ L1 بر زبان آموخته شده و فقدان داده های گفتاری L2 مشروح شده است که سیستم های ASR را می توان در آن آموزش داد. برای رویارویی با این چالش ها، کارهای قبلی به طور کلی از دو رویکرد مجزا پیروی کرده است. اولین مورد این است که نمایش های گفتار L2 را بیشتر با گفتار L1 مطابقت دهیم. رویکرد دوم از داده‌های گفتاری L2 برای بهبود استحکام مدل استفاده می‌کند. با توجه به کمبود داده L2، این رویکرد دوم نیاز به استفاده از یادگیری انتقال یا انطباق دامنه را دارد. مدل‌های پیشرفته ASR مبتنی بر پیش‌آموزشی تحت نظارت خود مانند wav2vec و wav2vec 2.0 نقطه شروعی وسوسه‌انگیز برای استفاده از رویکرد یادگیری انتقالی است که در بالا فهرست کردیم، به‌ویژه به دلیل عملکرد قوی آنها در wav2vec 2.0 خودآموزش دیده. مدل‌های روی ASR در تنظیمات کم منبع حتی بدون مدل زبان. با این حال، چالش‌ها در شناسایی بهترین روش استفاده از مدل‌هایی مانند wav2vec 2.0 در سناریوهای تنظیم دقیق L2 باقی می‌ماند.


 

tag : دانلود کتاب تحلیل و کاربرد زبان طبیعی و پردازش گفتار , Download تحلیل و کاربرد زبان طبیعی و پردازش گفتار , دانلود تحلیل و کاربرد زبان طبیعی و پردازش گفتار , Download Analysis and Application of Natural Language and Speech Processing Book , تحلیل و کاربرد زبان طبیعی و پردازش گفتار دانلود , buy تحلیل و کاربرد زبان طبیعی و پردازش گفتار , خرید کتاب تحلیل و کاربرد زبان طبیعی و پردازش گفتار , دانلود کتاب Analysis and Application of Natural Language and Speech Processing , کتاب Analysis and Application of Natural Language and Speech Processing , دانلود Analysis and Application of Natural Language and Speech Processing , خرید Analysis and Application of Natural Language and Speech Processing , خرید کتاب Analysis and Application of Natural Language and Speech Processing ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Analysis and Application of Natural Language and Speech Processing – تحلیل و کاربرد زبان طبیعی و پردازش گفتار”