請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/67875完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 李琳山 | |
| dc.contributor.author | Yang-de Chen | en |
| dc.contributor.author | 陳仰德 | zh_TW |
| dc.date.accessioned | 2021-06-17T01:55:24Z | - |
| dc.date.available | 2017-07-27 | |
| dc.date.copyright | 2017-07-27 | |
| dc.date.issued | 2017 | |
| dc.date.submitted | 2017-07-21 | |
| dc.identifier.citation | [1] Carolina Parada, Abhinav Sethy, and Bhuvana Ramabhadran,“Query-by-example spoken term detection for oov terms,”in Automatic Speech Recognition & Understanding, 2009. ASRU 2009. IEEE Workshop on. IEEE, 2009, pp. 404–409.
[2] Atta Norouzian, Aren Jansen, Richard C Rose, and Samuel Thomas, “Exploiting discriminative point process models for spoken term detection.,” in INTERSPEECH, 2012. [3] Hung-yi Lee, Po-wei Chou, and Lin-shan Lee, “Open-vocabulary retrieval of spoken content with shorter/longer queries considering word/subword-based acoustic feature similarity.,” in INTERSPEECH, 2012. [4] Hung-Yi Lee, Yun-Nung Chen, and Lin-Shan Lee, “Improved speech summarization and spoken term detection with graphical analysis of utterance similarities,” Proc. APSIPA, 2011. [5] Hung-yi Lee, Chia-ping Chen, and Lin-shan Lee,“Integrating recognition and retrieval with relevance feedback for spoken term detection,” Audio, Speech, and Language Processing, IEEE Transactions on, vol. 20, no. 7, pp. 2095–2110, 2012. [6] Tsung-Hsien Wen, Hung yi Lee, and Lin-Shan Lee, “Interactive spoken content retrieval with different types of actions optimized by a markov decision process.,” in INTERSPEECH. 2012, pp. 2458–2461, ISCA. [7] Tsung-Hsien Wen, Hung-Yi Lee, Pei hao Su, and Lin shan Lee, “Interactive spoken content retrieval by extended query model and continuous state space markov decision process,” in Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference on, May 2013, pp. 8510–8514. [8] Yen-Chen Wu, Tzu-Hsiang Lin, Yang-De Chen, Hung-yi Lee, and Lin-Shan Lee,“Interactive spoken content retrieval by deep reinforcement learning,” in INTERSPEECH. 2016, pp. 943–947, ISCA. [9] David M Blei, Andrew Y Ng, and Michael I Jordan, “Latent dirichlet allocation,”Journal of machine Learning research, vol. 3, no. Jan, pp. 993–1022, 2003. | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/67875 | - |
| dc.description.abstract | 本論文主題在以模擬方式分析互動式語音數位內容檢索系統之設計及效能，透過模擬不同類型的使用者了解學習演算法的表現。由於> 使用者檢索多媒體數位內容的需求大幅增加，而多媒體的檢索並不像傳統文字檢索有非常豐富的研究，使得相關研究日益受到重視。由於語音數位內容會先經過語音辨識，將其辨識成文字，因為語音辨識錯誤和語音數位內容不易瀏覽，互動式的檢索就成為這種情況下一個自然的選擇。
前人針對此一問題使用馬可夫決策模型及強化學習 已獲取若干成果。由於強化學習需要系統與使用者互動的資料，前人藉由大量的模擬使用者來解決真實互動資料難以取得的困難，並得到強化學習有利於互動式檢索的結論。 但是，前人的模擬使用者只能基於規則作出制式反應，不能顯示真實使用者彼此存在各種行為差異的現象，導致模擬未必真實。本論文則為模擬使用者建立機率模型，並改進模擬使用者回覆給檢索系統的形式，使得整體模擬更接近真實。在這些改變下，得到強化學習需要在特定條件下才能有效發揮的初步結論。 另外，本論文提出一種基於檢索結果彼此間關係的多樣性特徵，可以幫助強化學習在檢索過程中更有效地進行學習。 | zh_TW |
| dc.description.provenance | Made available in DSpace on 2021-06-17T01:55:24Z (GMT). No. of bitstreams: 1 ntu-106-R04942038-1.pdf: 1394091 bytes, checksum: 4e0a743da3fe140d83b3bd19ce6f80fb (MD5) Previous issue date: 2017 | en |
| dc.description.tableofcontents | 一、 導論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 背 景 介 紹 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 研究 動 機與 目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 相關 研究 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.4 主要 貢獻 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.5 章 節大 綱 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 二、背 景知識 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1 語音文 件 檢索(spoken document retrieval) . . . . . . . . . . . . . . . . 6 2.1.1 語音文 件最佳 序 列反 向索 引 (one-best inverted index) . . . . . . 6 2.1.2 語言模型檢索法 . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.3 檢索評 估 方 式 . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2 互動式 檢索 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.2.1 相關 性回 饋 (Relevance feedback) . . . . . . . . . . . . . . . . . 10 2.2.2 馬可夫 決 策 模型(Markov Decision Process, MDP) . . . . . . . . 11 2.3 本 章總結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 三、互動式 搜尋 系 統與 強化學 習 . . . . . . . . . . . . . . . . . . . . . . . . . . 14 3.1 簡介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 3.2 系 統 架 構 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 3.3 強化學 習 簡介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 3.4 搜尋結 果彼此的多 樣性 . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.5 系 統行 動 細 節 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.5.1 關鍵 詞 列 表 的產生 . . . . . . . . . . . . . . . . . . . . . . . . 24 3.5.2 主題列 表 產生 . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.6 本 章總結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 四 、 模擬 使用者 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.1 模擬 使用者 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.1.1 模擬 使用者參 數 . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.1.2 互動 方 式的 模擬 . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.2 系 統評 估 方 式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.3 本 章總結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 五、實 驗與 分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 5.1 實 驗設 定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 5.2 實 驗結 果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 5.2.1 比較不 同 耐心 . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 5.2.2 比較不 同滿足函數 的 模擬 使用者 . . . . . . . . . . . . . . . . 35 5.2.3 比較多 樣性 特徵的有 無 . . . . . . . . . . . . . . . . . . . . . . 36 5.2.4 強化學 習 的強 健性 . . . . . . . . . . . . . . . . . . . . . . . . 36 5.3 章 節 總結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 六 、 結論與 未來 展 望 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 6.1 結論與 未來 展 望 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 參考 文獻 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 | |
| dc.language.iso | zh-TW | |
| dc.subject | 模擬 | zh_TW |
| dc.subject | 互動式檢索 | zh_TW |
| dc.subject | 強化學習 | zh_TW |
| dc.subject | Reinforcement Learning | en |
| dc.subject | Simulation | en |
| dc.subject | Interactive Retrieval | en |
| dc.title | 使用機率式模擬使用者分析互動式語音數位內容檢索系統 | zh_TW |
| dc.title | Analysis of Interactive Spoken Content Retrieval Using Probabilistic Simulated Users | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 105-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 王小川,鄭秋豫,陳信宏,李宏毅 | |
| dc.subject.keyword | 強化學習,互動式檢索,模擬, | zh_TW |
| dc.subject.keyword | Reinforcement Learning,Interactive Retrieval,Simulation, | en |
| dc.relation.page | 41 | |
| dc.identifier.doi | 10.6342/NTU201701820 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2017-07-24 | |
| dc.contributor.author-college | 電機資訊學院 | zh_TW |
| dc.contributor.author-dept | 電信工程學研究所 | zh_TW |
| 顯示於系所單位： | 電信工程學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-106-1.pdf 未授權公開取用 | 1.36 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。