Алгоритм розпізнавання природного мовного сигналу

Бічна панель сторінки статті

Результат спектрального аналізу (вісь X - частота, вісь Y - потужність сигналу
Fig. 1 Fig. 2 PDF
Опубліковано: вер 30, 2021
DOI: https://doi.org/10.20535/2617-0965.eae.228077
Ключові слова:
намір користувача, алгоритм розпізнавання, обробка природної мови, нейронна мережа, розуміння природної мови, підтримка користувачів

Основний зміст сторінки статті

Олександр Русланович Осадчук
Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського",National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”
https://orcid.org/0000-0003-4934-2565

Анотація

В роботі наведено алгоритм розпізнавання і обробки Запитів користувача за допомогою нейронної мережі побудованої на принципі розуміння природної мови та обробки відеоряду для використання в системі підтримки користувачів.

Блок інформації про статтю

Як цитувати
Осадчук, О. Р. (2021). Алгоритм розпізнавання природного мовного сигналу. Електронна та Акустична Інженерія, 4(3), 228077–1 . https://doi.org/10.20535/2617-0965.eae.228077
Номер
Том 4 № 3 (2021)
Розділ
Акустичні прилади та системи
Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).

Посилання

1. Tekhnolohiya syntezu movlennya URL: https://www.understood.org/en/school-learning/assistive-technology/assistive-technologies-basics/text-to-speech-technology-what-it-is-and-how-it-works

Dialogflow URL: https://cloud.google.com/dialogflow/cx/docs

“8 Leading Language Models For NLP In 2020.” URL: https://www.topbots.com/leading-nlp-language-models-2020/.

J.-H. Lee, J.-H. Lee, S.-G. Sohn, J.-H. Ryu, and T.-M. Chung, “Effective Value of Decision Tree with KDD 99 Intrusion Detection Datasets for Intrusion Detection System,” in 2008 10th International Conference on Advanced Communication Technology, 2008, pp. 1170–1175, DOI: 10.1109/ICACT.2008.4493974.

“What is Natural Language Processing (NLP)? - Twilio.” URL: https://www.twilio.com/docs/glossary/what-natural-language-processing-nlp#what-about-semantic-analysis.

S. Peddabachigari, A. Abraham, C. Grosan, and J. Thomas, “Modeling intrusion detection system using hybrid intelligent systems,” J. Netw. Comput. Appl., vol. 30, no. 1, pp. 114–132, Jan. 2007, DOI: 10.1016/j.jnca.2005.06.003.

“Speech recognition - Wikipedia.” URL: https://en.wikipedia.org/wiki/Speech_recognition.

“Natural Language Understanding - IBM Cloud API Docs.” URL: https://cloud.ibm.com/apidocs/natural-language-understanding.

“Benchmarking Natural Language Understanding Systems: Google, Facebook, Microsoft, Amazon, and Snips | by Alice Coucke | Snips Blog | Medium.” URL: https://medium.com/snips-ai/benchmarking-natural-language-understanding-systems-google-facebook-microsoft-and-snips-2b8ddcf9fb19.

L. N. Yasnitskiy, Vvedenie v Iskusstvennyiy Intellekt: Uchebnoe Posobie. Akademiya, 2010, ISBN: 978-5-7695-7042-1.

“Les concepts de base de Dialogflow pour écrire votre Chatbot | SoftFluent.” URL: https://www.softfluent.fr/blog/concepts-de-base-dialogflow-ecrire-chatbot/.

Statcounter Global Stats 2020 URL: https://gs.statcounter.com/

Primeneniye golosovykh assistentov i chat-botov dlya biznesa URL: https://vc.ru/services/60540-primenenie-golosovyh-assistentovi-chat-botov-dlya-biznesa.

Marr, Bernard. How Artificial Intelligence IS Making Chatbots Better For Business. URL: https://www.forbes.com/sites/bernardmarr/2018/05/18/how-artificialintelligence-ismaking-chatbots-better-for-businesses/#69638bae4e72.

Informatsionnyye potoki: ponyatiye, vidy i sushchnost' URL: https://studwood.ru/1987457/informatika/informatsionnye_potoki_ponyatie_vidy_suschnost.

M. Mutiwokuziva, M. Chanda, P. Kadebu, A. Mukwazvure, T. Gotora “A neural-network based chat bot” 2017 2nd International Conference on Communication and Electronics Systems (ICCES), 19-20 Oct 2017. – P. 212217. DOI: 10.1109/CESYS.2017.8321268