MARC

 008250123s2024        us                              c    eng  d
■001000017163913
■00520250211152809
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384094975
■035    ▼a(MiAaPQ)AAI31557585
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a401
■1001  ▼aNg,  Sara  B.
■24510▼aProsody  in  Human  Communication  and  Machine  Understanding
■260    ▼a[Sl]▼bUniversity  of  Washington▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a91  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Wright,  Richard  A.;Ostendorf,  Mari.
■5021  ▼aThesis  (Ph.D.)--University  of  Washington,  2024.
■520    ▼aSpeech  technology  is  a  ubiquitous  part  of  the  modern  world,  from  the  voice-enabled  assistants  in  smartphones  to  bespoke  tools  used  by  language  researchers.  Technological  advances  and  the  curation  of  large  speech  datasets  have  enabled  these  systems  to  identify  words  with  remarkable  quality.  However,  the  black-box  nature  of  large  commercial  speech  understanding  systems  brings  into  question  the  extent  to  which  they  can  take  advantage  of  cues  from  prosody.Prosody  has  great  potential  as  an  untapped  source  of  linguistic  information  for  speech  understanding  that  is  not  surfaced  in  other  aspects  of  language.  Previous  work  has  shown  that  prosodic  information  can  be  exploited  computationally  to  resolve  ambiguity  for  linguistic  structures  in  computational  models,  and  to  perform  tasks  which  are  considered  prosodically  significant,  such  as  sarcasm  detection.  However,  computational  systems  do  not  benefit  from  the  same  social  and  conversational  context  that  humans  have  in  processing  this  kind  of  communication,  making  such  tasks  more  challenging  and  further  motivating  the  careful  study  of  prosodic  input.This  work  investigates  the  hypothesis  that  explicit  encoding  of  acoustic-prosodic  features  is  a  benefit  to  speech  understanding  technology.  From  the  domain  of  punctuation  prediction  in  automatic  speech  recognition,  I  show  that  adding  acoustic-prosodic  measures  can  improve  the  performance  of  punctuation  prediction  models  for  speech  transcripts  compared  to  a  system  that  uses  only  the  word  sequence.  I  provide  a  potential  use  case  for  prosodic  modeling  in  the  domain  of  speech  entrainment.  Finally,  I  show  how  computational  methods  can  be  used  to  understand  human  behavior  in  prosodically  marked  speech  within  the  domains  of  speech  timing  and  regions  of  presumed  hyper-articulation.This  work  bridges  the  gap  between  linguistic  questions  about  prosody,  and  computational  questions  about  the  use  of  or  need  for  linguistically-motivated  acoustic  features.  Understanding  how  prosody  influences  the  quality  of  speech  understanding  systems  is  vital  in  enhancing  their  utility  across  various  domains  and  for  diverse  speakers.  The  synthesis  of  the  these  research  strands  provides  a  bird's  eye  view  of  the  methodologies  and  challenges  that  can  be  involved  in  computational  processing  of  prosody.
■590    ▼aSchool  code:  0250.
■650  4▼aLinguistics
■650  4▼aCommunication
■650  4▼aSpeech  therapy
■653    ▼aEntrainment
■653    ▼aHyperarticulation
■653    ▼aProsody
■653    ▼aPunctuation
■653    ▼aSpeech  recognition
■653    ▼aStance
■690    ▼a0290
■690    ▼a0800
■690    ▼a0459
■690    ▼a0460
■71020▼aUniversity  of  Washington▼bLinguistics.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0250
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163913▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서