دانلود کتاب به سوی سیستم های گفتگوی گفتاری تطبیقی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Towards Adaptive Spoken Dialog Systems
ویرایش : 1
عنوان ترجمه شده به فارسی : به سوی سیستم های گفتگوی گفتاری تطبیقی
سری :
نویسندگان : Alexander Schmitt, Wolfgang Minker (auth.)
ناشر : Springer-Verlag New York
سال نشر : 2013
تعداد صفحات : 258
ISBN (شابک) : 9781461445920 , 9781461445937
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
در نظارت سیستمهای گفتگوی گفتاری تطبیقی، نویسندگان الکساندر اشمیت و ولفگانگ مینکر رویکردهای آماری را بررسی میکنند که امکان تشخیص الگوهای گفتگوی منفی را در سیستمهای گفتگوی گفتاری (SDS) فراهم میکند. روش های تصادفی ارائه شده امکان استفاده انعطاف پذیر، قابل حمل و دقیق را می دهد.
با شروع پایههای یادگیری ماشینی و تشخیص الگو، این تکنگاره بررسی میکند که کاربران چگونه اغلب احساسات منفی را در سیستمهای گفتاری گفتاری نشان میدهند و رویکردهای جدیدی را برای تشخیص احساسات مبتنی بر گفتار با استفاده از رویکرد ترکیبی برای مدلسازی احساسات توسعه میدهند. نویسندگان از روشهای آماری مبتنی بر ویژگیهای صوتی، زبانی و زمینهای برای بررسی رابطه بین جریان تعامل و وقوع احساسات با استفاده از ضبطهای غیرعملی چند هزار کاربر واقعی از SDS تجاری و غیرتجاری استفاده میکنند.
In Monitoring Adaptive Spoken Dialog Systems, authors Alexander Schmitt and Wolfgang Minker investigate statistical approaches that allow for recognition of negative dialog patterns in Spoken Dialog Systems (SDS). The presented stochastic methods allow a flexible, portable and accurate use.
Beginning with the foundations of machine learning and pattern recognition, this monograph examines how frequently users show negative emotions in spoken dialog systems and develop novel approaches to speech-based emotion recognition using hybrid approach to model emotions. The authors make use of statistical methods based on acoustic, linguistic and contextual features to examine the relationship between the interaction flow and the occurrence of emotions using non-acted recordings several thousand real users from commercial and non-commercial SDS.
Additionally, the authors present novel statistical methods that spot problems within a dialog based on interaction patterns. The approaches enable future SDS to offer more natural and robust interactions. This work provides insights, lessons and inspiration for future research and development, not only for spoken dialog systems, but for data-driven approaches to human-machine interaction in general.