Automatized data selection for training the spoken language understanding model

Tato diplomová práce představuje návrh několika strategií pro automatizovaný výběr trénovacích dat modelu porozumění mluvené řeči. Nejprve jsou obecně popsány hlasové dialogové systémy a jejich souvislost s oblastí výběru dat pro trénování modelu. Dále je popsán hierarchický diskriminativní model používaný v této práci k ověření navržených metod. Následuje přehled nově vyvinutých strategií zabývajících se náhodným výběrem dat a výběrem dle hodnoty posteriorní pravděpodobnosti, F-skóre a míry Vu. Pro tyto metody je provedeno experimentální ověření a jsou po natrénování modelu vyhodnoceny za pomoci konceptové přesnosti. Závěrečná kapitola shrnuje přínos navržených strategií pro výběr trénovacích dat modelu porozumění mluvené řeči a jejich využití v praxi.Katedra kybernetikyObhájenoThis master's thesis presents different methods for automated selection of training data for spoken language understanding. First, the spoken dialog systems are described in relation to area of training data selection. Then the hierarchical discriminative model is described. This model is used to verify the proposed methods. The following is an overview of newly developed strategies dealing with random data selection and data selection according to the value of the posterior probability, F-score and the rate of Vu. For these methods is performed experimental verification and their impact on the concepts accuracy. The final chapter summarizes the benefits of proposed strategies for the training data selection and its use in practice