Detección automática de segmentos acústicos e inferencia de unidades lingüísticas

Abstract

[EN] In this project different tasks related to natural language processing are stud- ied. Specifically, the work is based on spoken language tasks where the amount of resources is limited or inexistent for the language. These tasks are “Query-by-Example”, which consists in finding within an audio repository similar segments to the query; and “Spoken Term Discovery” which consists in identifying common audio segments, with or without linguistic meaning. This is a new approach in this kind of tasks, where it is usual to use a great amount of data in the appropiate language. The tasks presented in this work are part of some competitions, like MediaEval BenchMark

[ES] En este proyecto se estudian diferentes tareas relacionadas con el procesamiento de lenguaje natural. En concreto, el trabajo consiste en tareas basadas en lenguaje hablado en casos donde la cantidad de recursos es limitada o inexistente para el idioma a tratar. Los problemas que se abordan son Query-by-Example , que consiste en encontrar en un repositorio de audio, segmentos de semejantes al query, que también es audio; o Spoken Term Discovery que consiste en identificar en un audio segmentos comunes, con o sin significado lingüístico. Esto supone un nuevo enfoque en este tipo de tareas, donde es habitual disponer de una gran cantidad de recursos en el idioma correspondiente. Las tareas presentadas en este trabajo forman parte de concursos de evaluación, como el MediaEval BenchMark.