Ocena jakości wyszukiwania informacji w bazach specjalistycznych za pomocą zapytania głosowego przetworzonego na tekst (speech-to-text) z wykorzystaniem uczenia

Dyplom magisterski: studenci:
Krystian Chmielewski (s172070@student.pg.edu.pl)
Tymoteusz Paliński (s188764@student.pg.edu.pl)

Praca analizuje możliwości nowoczesnych modeli w dziedzinie automatycznego rozpoznawania mowy (ASR) w zakresie uczenia się semantycznych reprezentacji danych w wielu językach oraz w ramach słownictwa specjalistycznego.
W założeniach należy przeprowadzić analizę reprezentacji przestrzeni ukrytej w różnych modelach ASR, dostarczając wyczerpującą ocenę semantyczności tych reprezentacji na podstawie osadzeń ich transkrypcji (przestrzeni ukrytych) wygenerowanych przez trzy różne modele osadzania tekstu. Następnie będzie zaproponowane przedstawiane kompleksowe podejście do wielomodalnego wyszukiwania dokumentów oparte na istniejących modelach ASR, którego jakość oceniana jest na różnych zbiorach danych.