Functional requirements

Nuestro segundo objetivo consistía en construir un sistema de búsqueda de documentos de audio a partir de consultas también en forma de audio. En el capítulo 5 se ha presentado un sistema capaz de realizar esta tarea, tras realizar diferentes experimentaciones con el objetivo de mejorar este sistema. En esta tarea, la aproximación planteada es utilizar el algoritmo Subse-

quence DTW para detectar si en un determinado documento de audio existe

un patrón similar a la consulta. Esta aproximación se va refinando a partir de las experimentaciones.

Además, utilizamos una técnica de fusión de sistemas que permite que los resultados finales estén basados en modelos de tres idiomas diferentes.

6.2.

Trabajo futuro

A partir de las conclusiones extraídas en el apartado anterior, vemos como determinados aspectos del trabajo desarrollado pueden ser mejorados o tam- bién existen otras aproximaciones que se pueden explorar. A continuación, se enumeran posibles trabajos a futuro en estos puntos:

Seguir trabajando en el algoritmo planteado para la tarea de Spoken

Term Detection.

Aplicar en la tarea de Spoken Term Detection técnicas aplicadas pos- teriormente en Query by Example, como la fusión de sistemas.

Ampliar el sistema presentado de Query by Example para tratar las consultas complejas. En el sistema planteado no se tratan, por ejemplo, consultas formadas por varias palabras cuyo orden sea diferente.

Apéndice A

Publicaciones relacionadas

A continuación se enumeran las diferentes publicaciones relacionadas con el trabajo presentado:

Sergio Laguna, Marcos Calvo, Lluís-F. Hurtado, and Emilio Sanchis. ELiRF at Mediaeval 2015: Query by Example Search on Speech Task (QUESST). In Working Notes Proceedings of the MediaEval 2015 Works-

hop, Sept. 14-15, 2015, Wurzen, Germany, 2015.

Además, actualmente se está trabajando en otras tareas:

Zero Cost Speech Recognition Task (MediaEval 2016)

El objetivo de esta tarea es desarrollar un sistema de reconocimiento del habla partiendo de un conjunto de datos públicos, es decir, sin que sea necesario comprar conjuntos de datos.

ALBAYZIN 2016 Search on Speech Evaluation (IberSpeech 2016)

Esta tarea presenta dos subtareas similares a las presentadas en esta memoria: Spoken Term Detection y Query by Example.

Bibliografía

[1] Dredze, Mark, Aren Jansen, Glen Coppersmith y Ken Church: NLP on

Spoken Documents without ASR. En Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing, páginas 460–470.

Association for Computational Linguistics, 2010.

[2] Zhu, Xiaodan, Gerald Penn y Frank Rudzicz: Summarizing multiple spo-

ken documents: finding evidence from untranscribed audio. En Procee- dings of the Joint Conference of the 47th Annual Meeting of the ACL and the 4th International Joint Conference on Natural Language Proces- sing of the AFNLP: Volume 2-Volume 2, páginas 549–557. Association

for Computational Linguistics, 2009.

[3] Park, Alex y James R Glass: Towards unsupervised pattern discovery

in speech. En Automatic Speech Recognition and Understanding, 2005 IEEE Workshop on, páginas 53–58. IEEE, 2005.

[4] Lin, Yaw Ling, Tao Jiang y Kun Mao Chao: Efficient algorithms for lo-

cating the length-constrained heaviest segments with applications to bio- molecular sequence analysis. Journal of Computer and System Sciences,

65(3):570–586, 2002.

[5] Zhang, Yaodong y James R Glass: Towards multi-speaker unsupervised

speech pattern discovery. En Acoustics Speech and Signal Processing (ICASSP), 2010 IEEE International Conference on, páginas 4366–4369.

IEEE, 2010.

[6] Muscariello, Armando, Guillaume Gravier y Frédéric Bimbot: Unsuper-

vised Motif Acquisition in Speech via Seeded Discovery and Template Matching Combination. Audio, Speech, and Language Processing, IEEE

Transactions on, 20(7):2031–2044, 2012.

[7] Jansen, Aren y Benjamin Van Durme: Efficient Spoken Term Disco-

Bibliografía Bibliografía

and Understanding (ASRU), 2011 IEEE Workshop on, páginas 401–406.

IEEE, 2011.

[8] Versteegh, Maarten, Roland Thiolliere, Thomas Schatz, Xuan Nga Cao, Xavier Anguera, Aren Jansen y Emmanuel Dupoux: The Zero Resource

Speech Challenge 2015. En Proc. of INTERSPEECH, 2015.

[9] Pitt, Mark A., Laura Dilley, Keith Johnson, Scott Kiesling, William Ray- mond, Elizabeth Hume y Eric Fosler-Lussier: Buckeye corpus of conver-

sational speech (2nd release). Columbus, OH: Department of Psychology,

Ohio State University, 2007. http://www.buckeyecorpus.osu.edu/. [10] De Vries, Nic J., Marelie H. Davel, Jaco Badenhorst, Willem D. Basson,

Febe De Wet, Etienne Barnard y Alta De Waal: A smartphone-based

ASR data collection tool for under-resourced languages. Speech commu-

nication, 56:119–131, 2014.

[11] Schwarz, P.: Phoneme Recognition based on Long Temporal Context,

PhD Thesis. Brno University of Technology, 2009.

[12] Garofolo, John S, Lori F Lamel, William M Fisher, Jonathan G Fis- cus, David S Pallett, Nancy L Dahlgren y Victor Zue: TIMIT acoustic-

phonetic continuous speech corpus. Linguistic data consortium, Phila-

delphia, 33, 1993.

[13] Heuvel, Henk van den, Valery Galounov y Herbert Tropf: The SpeechDat

(E) project: Creating speech databases for Eastern European languages.

1998.

[14] Apache Software Foundation: Apache Lucene. http://lucene.apache. org/.

[15] Johnson, Mark, Thomas L Griffiths y Sharon Goldwater: Adaptor gram-

mars: A framework for specifying compositional nonparametric Bayesian models. En Advances in neural information processing systems, páginas

641–648, 2006.

[16] Räsänen, Okko, Gabriel Doyle y Michael C Frank: Unsupervised word

discovery from speech using automatic segmentation into syllable-like units. En Proc. Interspeech, 2015.

[17] Lyzinski, Vince, Gregory Sell y Aren Jansen: An evaluation of graph

clustering methods for unsupervised term discovery. En Proceedings of Interspeech, 2015.

Bibliografía Bibliografía

[18] Information Retrieval for Music and Motion, capítulo Dynamic Time Warping, páginas 69–84. Springer Berlin Heidelberg, Berlin, Heidelberg, 2007, ISBN 978-3-540-74048-3.

[19] Anguera, Xavier y Miquel Ferrarons: Memory efficient subsequence

DTW for Query-by-Example spoken term detection. En 2013 IEEE In- ternational Conference on Multimedia and Expo (ICME). IEEE, 2013.

[20] Muscariello, Armando, Guillaume Gravier y Frédéric Bimbot: Audio key-

word extraction by unsupervised word discovery. En INTERSPEECH 2009: 10th Annual Conference of the International Speech Communica- tion Association, 2009.

[21] Muscariello, Armando, Guillaume Gravier y Frédéric Bimbot: Zero-

resource audio-only spoken term detection based on a combination of template matching techniques. En INTERSPEECH 2011: 12th An-

nual Conference of the International Speech Communication Associa- tion, 2011.

[22] Hazen, Timothy J, Wade Shen y Christopher White: Query-by-Example

Spoken Term Detection Using Phonetic Posteriorgram Templates. En IEEE Workshop on Automatic Speech Recognition & Understanding, 2009. ASRU 2009., páginas 421–426. IEEE, 2009.

[23] Zhang, Yaodong y James R Glass: Unsupervised Spoken Keyword Spot-

ting via Segmental DTW on Gaussian Posteriorgrams. En IEEE Works- hop on Automatic Speech Recognition & Understanding, 2009. ASRU 2009., páginas 398–403. IEEE, 2009.

[24] Abad, Alberto, Luis Javier Rodriguez-Fuentes, Mikel Penagarikano, Amparo Varona y Germán Bordel: On the Calibration and Fusion of

Heterogeneous Spoken Term Detection Systems. En INTERSPEECH,

páginas 20–24, 2013.

[25] Szoke, Igor, Luis J. Rodriguez-Fuentes, Andi Buzo, Xavier Anguera, Flo- rian Metze, Jorge Proenca, Martin Lojka y X. Xiao: Query by Example

Search on Speech at Mediaeval 2015. En Working Notes Proceedings of the MediaEval 2015 Workshop, Sept. 14-15, 2015, Wurzen, Germany,

2015.

[26] Rodriguez-Fuentes, Luis J. y Mikel Penagarikano: MediaEval 2013 Spo-

ken Web Search Task: System Performance Measures. n. TR-2013-1,

Department of Electricity and Electronics, University of the Basque Country, 2013.

Bibliografía Bibliografía

[27] Anguera, Xavier, Luis Javier Rodriguez-Fuentes, Igor Szöke, Andi Buzo y Florian Metze: Query by Example Search on Speech at Mediaeval 2014. En MediaEval, 2014.

[28] Laguna, Sergio, Marcos Calvo, Lluís F. Hurtado y Emilio Sanchis:

ELiRF at MediaEval 2015: Query by Example Search on Speech Task (QUESST). En Working Notes Proceedings of the MediaEval 2015

Workshop, Sept. 14-15, 2015, Wurzen, Germany, 2015.

[29] The Elements of Complex Analysis, capítulo Metric Spaces, página 20. New Age International, 1992, ISBN 978-81-224-0399-2.

[30] Hou, Jingyong, Cheung Chi Leung Van Tung Pham, Lei Wang, Haihua Xu, Hang Lv, Lei Xie, Zhonghua Fu, Chongjia Ni, Xiong Xiao, Hongjie Chen y cols.: The NNI Query-by-Example System for MediaEval 2015. 2015.

[31] Proença, Jorge, Luis Castela y Fernando Perdigão: The SPL-IT-UC

Query by Example Search on Speech system for MediaEval 2015. 2015.

[32] Skácel, Miroslav y Igor Szöke: BUT QUESST 2015 System Description. 2015.