arXiv cs.CL· Md Asif Akram, Arif Faisal, Sakir Hossain Faruque, Sharun Akter Khushbu·· 2 天前AI 评分18
基于 Transformer 的孟加拉语语音早期识别系统实现句子自动补全
Automatic Sentence Completion Using Bengali Audio Speech with a Transformer-Based Early Speech Recognition System
AI 导读
一项研究提出集成系统，通过孟加拉语语音和文本分析检测痴呆症迹象，并在对话中提供句子自动补全支持。研究提取与认知衰退相关的声学特征，采用基于 Transformer 的模型将语音转写为文本，评估多种 ML 和 DL 模型，其中 LSTM 架构在建模语音和语言上下文模式方面表现突出。句子补全任务采用带注意力机制的 Bi-LSTM 序列学习模型，逐步补全对话中部分表达的孟加拉语句子。
正文 · AI 翻译
摘要：痴呆症严重损害沟通能力，使日常对话变成充满挑战的经历。受痴呆症影响的人常常难以表达自己的想法或完整说出句子，使家人和照护者难以理解他们的需求。本研究提出一种新方法，通过开发一个集成系统来帮助痴呆症患者，该系统通过孟加拉语语音和文本分析检测痴呆症迹象，并在对话过程中提供句子自动补全支持。为实现这一目标，研究人员分析了患有和未患痴呆症个体的录音，并提取关键声学特征以捕捉与认知衰退相关的语音模式。研究采用基于 transformer 的模型将语音信号转写为文本以进行语言分析。在分类任务中，研究使用声学和文本表示评估了多种机器学习（ML）和深度学习（DL）模型，其中 LSTM 模型架构在建模语音和语言数据中的上下文模式方面表现出强大能力。在句子自动补全任务中，研究开发了一种基于带注意力机制的双向 LSTM（Bi-LSTM）网络的序列学习模型，用于在对话中顺序补全部分表达的孟加拉语句子。本研究弥合了代表性不足语言中痴呆症分析的空白，并为认知障碍实现了一个句子自动补全框架。
| 评论： | 18 页，10 幅图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.21164 [cs.CL] |
| （或使用 arXiv:2610.21164v1 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.21164 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sakir Hossain Faruque [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 03:24:24 UTC（1,139 KB）
来源：arXiv cs.CL · arxiv.org