| LEADER |
02905nam a22002297a 4500 |
| 001 |
2077750 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 698892
|a صلاح الدين، وفاء أشرف
|e مؤلف
|
| 245 |
|
|
|a التعرف على الكلام بتقنيات الذكاء الاصطناعي
|
| 260 |
|
|
|b مجمع اللغة العربية
|c 2021
|g مايو
|m 1442
|
| 300 |
|
|
|a 185 - 203
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|e سعى البحث للتعرف على الكلام بتقنيات الذكاء الاصطناعي. يعد التعرف على الكلام هو تمكين الآلة من معالجة الكلام البشري وفهمه، وتحويلة إلى نص مكتوب أو أوامر. تعددت تطبيقات التعرف على الكلام منها ميكنة مهام العمل، المساعدون الافتراضيون. كما تصنف أنظمة التعرف على الكلام إلى فئتين هما نصوص قليلة المفردات تدعم عدد كبير من المستخدمين، ونصوص عديدة المفردات تدعم عدد محدود من المستخدمين. حيث تتم عملية تحويل الكلام إلى بيانات بعدة مراحل متصلة تضمن توظيف مجالات هندسية متنوعة. تكمن نقاط ضعف أنظمة التعرف على الكلام في الكلام المتداخل، الكلمات المتجانسة. كما اعتمد الذكاء الاصطناعي على أنظمة النمذجة الإحصائية، مشيرا إلى التقنيات المتوافرة للتعرف على الكلام منها مستندات جوجل، محول الصوت إلى نصوص. استخدم لتقييم الأداء باستخدام مقاطع حقائق مرجعية، وباستخدام مقياسين مختلفين هما معدل دقة الكلمات، دقة الحروف. خلص البحث إلى عدة نتائج منها أن التقنية (Sonix) أعلى دقة الكلمات والحروف يليه تقنية (IBM Waston) وهما المستخدمتان في الشبكات العصبية. كما أوصى بضرورة محاولة تخمين الكلمة التي لم يستطع النموذج التعرف السليم عليها. كُتب هذا المستخلص من قِبل المنظومة 2022
|
| 653 |
|
|
|a الذكاء الاصطناعي
|a الكلام العربي
|a المعالجة الآلية
|a اللغة العربية
|
| 700 |
|
|
|9 698850
|a الزاهي، آية فتوح
|e م. مشارك
|
| 700 |
|
|
|a عبية، صلاح
|e مشرف
|9 698854
|
| 773 |
|
|
|4 اللغة واللغويات
|6 Language & Linguistics
|c 011
|l 145
|m ج145
|o 0692
|s مجلة مجمع اللغة العربية بالقاهرة
|t Journal of the Arabic Language Academy in Cairo
|v 000
|
| 856 |
|
|
|u 0692-000-145-011.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a AraBase
|
| 999 |
|
|
|c 1318261
|d 1318261
|
