Slerosis multiplex felismerése spontán beszédből wav2vec 2.0 modellekből kinyert jellemzőkkel
A slerosis multiplex (SM) a központi idegrendszer krónikus gyulladásos megbetegedése. Mivel az SM többek között az alanyok beszédét is befolyásolja, az automatikus beszédelemzés egyszer¶, relatíve ol só és találkozásmentes (távoli) módot kínálhat a beszédproduk ió változásainak detektálására. Egy il...
Elmentve itt :
| Szerzők: | |
|---|---|
| Testületi szerző: | |
| Dokumentumtípus: | Könyv része |
| Megjelent: |
2023
|
| Sorozat: | Magyar Számítógépes Nyelvészeti Konferencia
19 |
| Kulcsszavak: | Nyelvészet - számítógép alkalmazása - egészségügy, Slerosis multiplex |
| Tárgyszavak: | |
| Online Access: | http://acta.bibl.u-szeged.hu/78402 |
| LEADER | 02793naa a2200301 i 4500 | ||
|---|---|---|---|
| 001 | acta78402 | ||
| 005 | 20230314145414.0 | ||
| 008 | 230314s2023 hu o 1|| hun d | ||
| 020 | |a 978-963-306-912-7 | ||
| 040 | |a SZTE Egyetemi Kiadványok Repozitórium |b hun | ||
| 041 | |a hun | ||
| 100 | 1 | |a Gosztolya Gábor | |
| 245 | 1 | 0 | |a Slerosis multiplex felismerése spontán beszédből wav2vec 2.0 modellekből kinyert jellemzőkkel |h [elektronikus dokumentum] / |c Gosztolya Gábor |
| 260 | |c 2023 | ||
| 300 | |a 33-43 | ||
| 490 | 0 | |a Magyar Számítógépes Nyelvészeti Konferencia |v 19 | |
| 520 | 3 | |a A slerosis multiplex (SM) a központi idegrendszer krónikus gyulladásos megbetegedése. Mivel az SM többek között az alanyok beszédét is befolyásolja, az automatikus beszédelemzés egyszer¶, relatíve ol só és találkozásmentes (távoli) módot kínálhat a beszédproduk ió változásainak detektálására. Egy ilyen automatikus elemz® eljárás fejlesztésének során azonban kritikusnak bizonyulhat, hogy milyen jellemz®ket nyerünk ki a beszédproduktumból. Cikkünkben tíz wav2ve 2.0 modell segítségével számítunk jellemz®ket, az így kapott osztályozási eredményeket pedig nagymennyiség¶ adaton tanított publikus, valamint kevesebb, de magyar nyelv¶ adaton magunk által tanított x-vektor neurális hálók használatával kapott eredményekkel is összevetjük. Kísérleteinkben a többnyelv¶ fonetikus készletre tanított wav2ve 2.0 modellek hatékonyabbnak bizonyultak, mint az alap (�base�) modellek. A legfontosabb attribútumnak ugyanakkor a modell paraméterszáma t¶nik: a legjobb eredményt az egymilliárd tanítható paraméterrel bíró modell adta. Emellett azt találtuk, hogy a modell �nomhangolása a élnyelvre (esetünkben a magyarra) javít az eredményeken, ugyanakkor (legalábbis kísérleti eredményeink alap ján) más nyelvre �nomhangolni nem érdemes. Meglep® módon nem sikerült viszont túlszárnyalnunk az x-vektorok teljesítményét, mely véleményünk szerint valószín¶leg a keretszint¶ beágyazások bevett, de talán túlságosan egyszer¶ felvételszint¶ aggregá ió jának tudható be. | |
| 650 | 4 | |a Természettudományok | |
| 650 | 4 | |a Számítás- és információtudomány | |
| 650 | 4 | |a Orvos- és egészségtudomány | |
| 650 | 4 | |a Általános orvostudomány | |
| 695 | |a Nyelvészet - számítógép alkalmazása - egészségügy, Slerosis multiplex | ||
| 700 | 0 | 2 | |a Egas-López José Vicente |e aut |
| 700 | 0 | 2 | |a Svindt Veronika |e aut |
| 700 | 0 | 2 | |a Bóna Judit |e aut |
| 700 | 0 | 2 | |a Hoffmann Ildikó |e aut |
| 711 | |a Magyar számítógépes nyelvészeti konferencia (19.) |c Szeged |d 2023. január 26-27. | ||
| 856 | 4 | 0 | |u http://acta.bibl.u-szeged.hu/78402/1/msznykonf_019_033-043..pdf |z Dokumentum-elérés |