用于搜索词检测的卷积神经网络
信息检索
2017-11-08 v3 神经与进化计算
摘要
医院内的寻路对患者、访客甚至员工来说都是一项挑战。许多人由于缺乏明确的指引、医院占地面积大以及医院各翼布局混乱而经历过迷路。在本文中，我们提出了 Halo；这是一个基于语音用户交互的室内导航应用程序，旨在无需定位系统辅助的情况下为用户提供方向指引。主要挑战在于准确检测起点和终点搜索词。我们提出了一种定制的卷积神经网络（CNN），用于从提交的语音查询转录文本中检测起点和终点搜索词。该 CNN 基于专门针对医院和诊所环境定制的一组查询进行训练。我们研究了所提出模型的性能，并将其与基于 Levenshtein 距离的词匹配方法进行了比较。
引用
@article{arxiv.1708.02238,
title = {A Convolutional Neural Network for Search Term Detection},
author = {Hojjat Salehinejad and Joseph Barfett and Parham Aarabi and Shahrokh Valaee and Errol Colak and Bruce Gray and Tim Dowdell},
journal= {arXiv preprint arXiv:1708.02238},
year = {2017}
}
备注
This paper is accepted for presentation at 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications