Gizli Markov Modellerini Kullanarak Nefret Söylemi Tespiti
Yükleniyor...
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Konuşma tanıma, teknolojinin ilerlemesiyle birlikte araştırmalara konu olmuş ve çok farklı
alanlarda kullanılır hale gelmiştir. Hayatımızın birçok alanında çeşitli etkileşimli konuşmaya dayalı
uygulamalar mevcuttur. Konuşma tanıma sistemleri, yazmanın zorlaştığı durumlarda oldukça
kullanışlıdır. Bu tez çalışmasında, kütüphaneler üzerinde izole kelime konuşma tanıma uygulamak için
Gizli Markov modelinin uygulanması üzerine yapılan çalışmaları sunmaktadır. Ayrıca kelime tanıma
sisteminde maksimum verim elde etmek için belirli bir kullanıcı için (kullanıcıya bağlı) kendi kendini
seçen kelimeler kümesi kullanılarak sistemi geliştirmek ve eğitmek için Gizli Markov modelinin
uygulanması üzerine yapılan çalışmaları sunmaktadır. Her bir kelime ile 15 varyasyon ile eğitim için
kullanmak üzere toplam 105 kelime veren 15 farklı şekilde kaydedilen 7 alfabe örneği kullanılmıştır. Bu
sistem gerçek dünyada sesli güvenlik sistemi kullanılarak sistem güvenliğinde ve özellikle çocuklar ve
engelliler için kullanılabilir.
Speech recognition has been the subject of research with the advancement of technology and has become used in many different fields. There are various interactive speech-based applications in many areas of our lives. Speech recognition systems are very useful in situations where typing becomes difficult. In this thesis, we present the studies on the implementation of the Hidden Markov model to implement isolated word speech recognition on libraries. It also presents the studies on the implementation of the Hidden Markov model to develop and train the system using a set of self-selecting words for a given user (user dependent) to achieve maximum efficiency in the word recognition system. 7 alphabet samples recorded in 15 different ways were used, giving a total of 105 words to use for education, with 15 variations for each word. This system can be used in system security, especially for children and disabled people, by using a voice security system in the real world.
Speech recognition has been the subject of research with the advancement of technology and has become used in many different fields. There are various interactive speech-based applications in many areas of our lives. Speech recognition systems are very useful in situations where typing becomes difficult. In this thesis, we present the studies on the implementation of the Hidden Markov model to implement isolated word speech recognition on libraries. It also presents the studies on the implementation of the Hidden Markov model to develop and train the system using a set of self-selecting words for a given user (user dependent) to achieve maximum efficiency in the word recognition system. 7 alphabet samples recorded in 15 different ways were used, giving a total of 105 words to use for education, with 15 variations for each word. This system can be used in system security, especially for children and disabled people, by using a voice security system in the real world.
Açıklama
Anahtar Kelimeler
Baum-Welch algoritması, Gizli markov modelleri, Konuşmadan metne dönüştürme, N-gram, Nefret söylemi tespiti, Otomatik ses tanıma, Baum-Welch algorithm, Hidden markov models, Speech to text conversion, Hate speech detection, Automatic voice recognition
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Mousa, M. Q. A., (2021). Gizli Markov Modellerini Kullanarak Nefret Söylemi Tespiti. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
