OAK

GIST Library
Search

GIST Scholar College of Artificial Intelligence Department of Electrical Engineering and Computer Science 2. Conference Papers

긴 발화 콜센터 데이터에 적합한 한국어 음성 인식 모델 연구

Metadata Downloads
Author(s)
Ma, Seung Hee; Kwon, Oh Hyeon; Na, Hyeong Ju; Jeong, Seung Hun; Lee, Jung Jyuk; Park, Hyun Ju; Kim, Hong Kook
Type
Conference Paper
Citation
2022년 한국통신학회 하계종합학술발표회, pp.1821 - 1822
Issued Date
2022-06-23
Abstract
최근 AICC(AI Contact Center) 등에서 콜센터 음성인식 기술이 중요해짐에 따라 높은 인식률의 콜센터 데이터 음성 인식 모델을 필요로 한다. 보통 상담 유형기반의 콜센터 데이터들은 2 분 이상의 긴 대화들로 구성되어 있다. 일반적으로 사용되는 음성 인식 모델을 사용하여 학습할 경우 짧은 발화(Mobile Device, 가전에서의 연속어/명령어) 기반의 음성 인식은 비교적 준수한 성능을 얻을 수 있다. 하지만 긴 발화로 구성된 콜센터 데이터들은 인식률이 떨어지는 현상을 보인다. 이 문제를 해결하고자 본 논문에서는 segmentation[1] 기법 바탕의 콜센터 데이터 분할과 TDNN-OPGRU[2] 구조를 적용한 음성 인식 모델을 통해 콜센터 데이터에 대한 음성 인식률 개선을 확인하였다.
Publisher
한국통신학회
Conference Place
KO
제주도
URI
https://scholar.gist.ac.kr/handle/local/21879
공개 및 라이선스
  • 공개 구분공개
파일 목록

  • 관련 파일이 존재하지 않습니다.

qrcode

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.

GIST Scholar는 국립중앙도서관 OAK Repository 보급사업으로 구축되었습니다.