Luận án Tiến sĩ Toán học: Nghiên cứu mô hình thanh điệu trong nhận dạng tiếng Việt từ vựng lớn phát âm liên tục

BỘ GIÁO DỤC VÀO ĐÀO TẠO<br /> <br /> VIỆN HÀN LÂM<br /> KHOA HỌC VÀ CÔNG NGHỆ VN<br /> <br /> HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ<br /> <br /> Họ và tên tác giả luận án<br /> NGUYỄN VĂN HUY<br /> <br /> TÊN ĐỀ TÀI LUẬN ÁN<br /> Nghiên cứu mô hình thanh điệu trong nhận dạng tiếng Việt<br /> từ vựng lớn phát âm liên tục<br /> <br /> LUẬN ÁN TIẾN SĨ: TOÁN HỌC<br /> <br /> HÀ NỘI – 2016<br /> <br /> BỘ GIÁO DỤC VÀO ĐÀO TẠO<br /> <br /> VIỆN HÀN LÂM<br /> KHOA HỌC VÀ CÔNG NGHỆ VN<br /> <br /> HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ<br /> <br /> Họ và tên tác giả luận án<br /> NGUYỄN VĂN HUY<br /> <br /> TÊN ĐỀ TÀI LUẬN ÁN<br /> Nghiên cứu mô hình thanh điệu trong nhận dạng tiếng Việt<br /> từ vựng lớn phát âm liên tục<br /> Chuyên ngành:<br /> <br /> Cơ sở toán học cho tin học<br /> <br /> Mã số:<br /> <br /> 62460110<br /> <br /> LUẬN ÁN TIẾN SĨ: TOÁN HỌC<br /> NGƢỜI HƢỚNG DẪN KHOA HỌC:<br /> 1. PGS. TS. LƢƠNG CHI MAI<br /> 2. TS. VŨ TẤT THẮNG<br /> <br /> HÀ NỘI – 2016<br /> <br /> Lời nói đầu<br /> Các kỹ thuật nhận dạng tiếng nói đã đang rất phát triển, đặc biệt với một số<br /> ngôn ngữ phổ dụng như Anh, Pháp, Trung Quốc,… Những yếu tố chính ảnh hưởng<br /> đến chất lượng của một hệ thống nhận dạng tiếng nói như: Người nói, tốc độ nói, hoàn<br /> cảnh nói, nhiễu, kích thước từ điển, cách thức phát âm,… tuy nhiên hiện nay vẫn chưa<br /> có một giải pháp nào hoàn thiện giải quyết tất cả các yếu tố đó. Các phương pháp cơ<br /> bản thường được sử dụng cho nhận dạng tiếng nói là: Kỹ thuật so khớp mẫu, mạng<br /> nơron, phương pháp dựa trên tri thức và mô hình Markov ẩn. Trong đó phương pháp<br /> sử dụng mô hình Markov ẩn (Hidden Markov Model HMM) được sử dụng phổ biến<br /> nhất.<br /> Đối với tiếng Việt hiện nay vẫn chưa có nhiều nghiên cứu về nhận dạng. Các<br /> công việc nghiên cứu mới đang ở những bài toán cơ bản. Tiếng Việt là một ngôn ngữ<br /> có thanh điệu, vì thế ngoài những khó khăn gặp phải tương tự như việc nhận dạng các<br /> ngôn ngữ không có thanh điệu khác (Anh, pháp,…), nhận dạng tiếng Việt còn phải<br /> nghiên cứu vấn đề nhận dạng thanh điệu. Tiếng Việt có sáu thanh điệu, một cách tổng<br /> quát có thể coi như mỗi âm tiết sẽ có thể có sáu ý nghĩa khác nhau khi ghép tương ứng<br /> với sáu thanh điệu đó. Việc nhận dạng thanh điệu là một công việc khó do thanh điệu<br /> chỉ tồn tại ở vùng âm hữu thanh. Vì thế đường đặc tính của nó không liên tục khi<br /> chuyển tiếp giữa hai vùng hữu thanh và vô thanh. Các đặc trưng được sử dụng phổ<br /> biến trong nhận dạng tiếng nói như MFCC (Mel Frequency Cepstral Coefficient) và<br /> PLP (Perceptual Linear Prediction) lại không mô tả được các đặc tính của thanh điệu,<br /> do vậy trước khi nhận dạng được thanh điệu ta phải áp dụng các kỹ thuật tính toán đặc<br /> trưng thanh điệu trong tín hiệu tiếng nói.<br /> Các nghiên cứu hiện nay về nhận dạng thanh điệu tiếng Việt cũng mới chỉ ở<br /> những bước đầu tiên và chủ yếu áp dụng cho tiếng nói rời rạc, có lượng từ vựng nhỏ<br /> cỡ vài trăm từ. Các giải pháp chủ yếu là phát triển từ các nghiên cứu trên các ngôn ngữ<br /> có thanh điệu khác như Mandarin, Thái,…, vì vậy việc nghiên cứu một giải pháp nhận<br /> dạng tiếng Việt từ vựng lớn phát âm liên tục thực sự là một vấn đề cấp thiết cả về tính<br /> khoa học và kinh tế.<br /> Từ các lý do cấp thiết này tôi đã chọn đề tài “Nghiên cứu mô hình thanh điệu<br /> trong nhận dạng tiếng Việt từ vựng lớn phát âm liên tục”. Với mục tiêu chính là<br /> nghiên cứu các vấn đề trong nhận dạng tiếng Việt từ vựng lớn phát âm liên tục, và<br /> nghiên cứu các vấn đề về mô hình thanh điệu cho tiếng Việt.<br /> Nội dung chính của luận án được trình bày thành 5 chương với nội dung như<br /> sau:<br /> 1<br /> <br /> -<br /> <br /> Chương 1: Giới thiệu tổng quan về nhận dạng tiếng nói và ứng dụng. Cấu<br /> trúc tổng quan của một hệ thống nhận dạng tiếng nói cơ bản. Tình hình<br /> nghiên cứu tổng quan về nhận dạng tiếng nói chung và nhận dạng tiếng Việt<br /> nói riêng. Giới thiệu các mục tiêu và phạm vi nghiên cứu chính của luận án.<br /> <br /> -<br /> <br /> Chương 2: Trình bày tổng quan về cấu trúc ngữ âm tiếng Việt. Mô hình<br /> nhận dạng tiếng Việt từ vựng lớn phát âm liên tục có thanh điệu. Dữ liệu và<br /> <br /> -<br /> <br /> các công cụ sử dụng để cài đặt các thử nghiệm. Hệ thống nhận dạng cơ sở.<br /> Chương 3: Trình bày mô hình thanh điệu cho nhận dạng tiếng Việt từ vựng<br /> lớn phát âm liên tục sử dụng MSD-HMM. Bao gồm quy trình tính toán đặc<br /> trưng thanh điệu, cấu hình mô hình và huấn luyện.<br /> <br /> -<br /> <br /> Chương 4: Trình bày phương pháp tăng cường đặc trưng ngữ âm sử dụng<br /> mạng nơron cho nhận dạng tiếng Việt, bao gồm quy trình gán nhãn, huấn<br /> luyện mạng, tối ưu mạng, trích chọn đặc trưng Bottleneck và cài đặt thử<br /> <br /> -<br /> <br /> nghiệm.<br /> Chương 5: Trình bày phương pháp tăng cường đặc trưng thanh điệu với đặc<br /> trưng cải tiến Tonal-Bottleneck sử dụng mạng nơron. Bao gồm phương pháp<br /> gán nhãn thanh điệu, tối ưu mạng, tính toán đặc trưng và cài đặt thử nghiệm.<br /> <br /> Tôi xin được gửi lời cảm ơn chân thành đến Bộ Giáo dục và Đào tạo, Viện<br /> Công nghệ Thông tin – Viện Hàn lâm Khoa học và Công nghệ Việt Nam, trường ĐH<br /> Kỹ thuật Công nghiệp Thái Nguyên – ĐH Thái Nguyên đã tạo điều kiện thuận lợi cho<br /> tôi hoàn thành đề tài nghiên cứu sinh này. Xin được gửi lời cảm ơn chân thành đến<br /> Viện công nghệ Karlshuhe – Đức, Viện Công nghệ Thông tin quốc gia Nhật Bản đã<br /> tạo điều kiện và hỗ trợ cả về mặt khoa học lẫn thiết bị cho tôi để thực hiện các thử<br /> nghiệm và các nghiên cứu trong quá trình thực tập sinh tại Đức và Nhật Bản.<br /> Tôi xin được gửi lời cảm ơn đặc biệt đến PGS. TS. Lương Chi Mai, TS. Vũ Tất<br /> Thắng đã luôn chỉ bảo, định hướng, tạo điệu kiện thuận lợi nhất để tôi có thể hoàn<br /> thành luận án này.<br /> Thái Nguyên, ngày 16 tháng 08 năm 2016<br /> Nguyễn Văn Huy<br /> <br /> 2<br /> <br /> Lời cam đoan<br /> Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi và được sự hướng<br /> dẫn khoa học của PGS.TS. Lương Chi Mai và TS. Vũ Tất Thắng. Các nội dung nghiên<br /> cứu, kết quả trong đề tài này là trung thực và chưa từng được công bố trước đây bởi<br /> người khác. Những số liệu trong các bảng biểu phục vụ cho việc phân tích, nhận xét,<br /> đánh giá được chính tác giả thu thập từ các thử nghiệm.<br /> Nếu phát hiện có bất kỳ sự gian lận nào tôi xin hoàn toàn chịu trách nhiệm về nội<br /> dung luận án của mình.<br /> Tác giả<br /> Nguyễn Văn Huy<br /> <br /> 3<br /> <br />