مقاله فراتر از محیط های کنترل شده ارزیابی قابلیت انتقال مدل های ASROBUST NLU به کاربردهای دنیای واقعی

چکیده

This research investigates the transferability of Automatic Speech Recognition (ASR)-robust Natural Language Understanding (NLU) models from controlled experimental conditions to practical, real-world applications. Focused on smart home automation commands in Urdu, the study assesses model performance under diverse noise profiles, linguistic variations, and ASR error scenarios. Leveraging the UrduBERT model, the research employs a systematic methodology involving real-world data collection, cross-validation, transfer learning, noise variation studies, and domain adaptation. Evaluation metrics encompass task-specific accuracy, latency, user satisfaction, and robustness to ASR errors. The findings contribute insights into the challenges and adaptability of ASR-robust NLU models in transcending controlled environments.

چکیده به فارسی (ترجمه ماشینی)

این تحقیق به بررسی قابلیت انتقال خودکار شناخت گفتار خودکار (ASR)-درک زبان طبیعی (NLU) از شرایط آزمایشی کنترل شده تا برنامه های عملی و در دنیای واقعی می پردازد.با تمرکز بر دستورات اتوماسیون خانه هوشمند در اردو ، این مطالعه عملکرد مدل را تحت پروفایل های مختلف نویز ، تغییرات زبانی و سناریوهای خطای ASR ارزیابی می کند.با استفاده از مدل Urdubert ، این تحقیق از یک روش سیستماتیک که شامل جمع آوری داده های دنیای واقعی ، اعتبارسنجی متقابل ، یادگیری انتقال ، مطالعات تغییر نویز و سازگاری دامنه است ، استفاده می کند.معیارهای ارزیابی شامل دقت خاص کار ، تأخیر ، رضایت کاربر و استحکام در خطاهای ASR است.این یافته ها بینش در مورد چالش ها و سازگاری مدل های ASR-Robust NLU در فراتر از محیط های کنترل شده کمک می کند.