Экспертная оценка программных продуктов для голосового ввода текста

Размещено на http://www.allbest.ru/

Волжский политехнический институт (филиал) Волгоградский государственный технический университет

Экспертная оценка программных продуктов для голосового ввода текста

Технические науки

№58-1

Пекшев Юрий Андреевич, студент

Короткова Неля Николаевна, кандидат наук, доцент

11.01.2017

Аннотация

В статье рассмотрено описание функциональных возможностей Web-ресурсов, направленных на голосовой ввод текста. Представлены результаты сравнительного анализа выбранных Web-ресурсов, с позиции решения задачи распознавания голосовых сообщения.

Голосовой ввод текста, Саати, распознавание голоса

Распознавание речи - это определение речи говорящего с последующей оцифровкой и записью в виде текста. На данный момент существует множество систем, направленных на распознавание голосовых сообщений и вывода распознанного текста на экран. Такие системы используются для ускоренного ввода текста в строке поискового запроса, примером может послужить Google.ru. Также подобные системы используются как интернет-дневники, например -- Web-ресурс August4u.net/?speech2text. Подобный интернет-дневник после распознавания записывает и сохраняет текст. Пользователь может, в случае необходимости, копировать сохраненный текст из дневника, например, с целью заполнения отчетности, написания рефератов и т.д [10].

Распознавание речевых сообщений может широко использоваться и значительно упростить работу офисных сотрудников. Также голосовой ввод текста может использоваться в таких сферах как робототехника, связь и ранее упомянутый поиск информации в сети [9]. Благодаря уровню современных аппаратных и программных средств распознавание голосовых сообщений и голосовой ввод текста могут быть реализованы и использоваться на обычном компьютере. В этой работе будут рассмотрены Web-ресурсы, предоставляющие возможность голосового ввода текста [9,10].

Цель данной работы заключается в исследовании Web-ресурсов, предоставляющих возможность голосового ввода текста и их экспертной оценке по некоторым критериям качества [6,7].

В основу количественной оценки программ положены иерархическая аналитическая процедура Саати, используемая для определения весовых коэффициентов критериев качества [1,4], а также метод экспертных оценок, задачей которого является получение количественных значений критериев качества [2,4,5].

Для исследования идентификации голосовых сообщений используем следующие Web-ресурсы: Google.ru, Speechpad.ru, Speech-to-text-online.com, August4u.net/?speech2text, Vorabota.ru/voice.html. Проведем сравнительный анализ данных Web-ресурсов с точки зрения их применения для решения задачи распознавания речи [3].

Основываясь на потребностях пользователей по отношению к программным средствам [9], обеспечивающих распознавание голосовых сообщений выберем следующие показатели в качестве критериев для сравнительного анализа Web-ресурсов:

1. A1 - Точность идентификации звуков

2. A1 - Количество неправильно распознанных звуков при вводе длинных сообщений

3. A3 - Скорость выполнения идентификации

4. A4 - Возможность добавления новых слов в словарь

5. A5 - Сохранение истории

Используем аналитическую иерархическую процедуру Саати для определения веса каждого критерия качества [3,4,6].

Правила заполнения матрицы парных сравнений представлены в таблице 1.

Таблица 1. Значения коэффициентов матрицы парных сравнений

Матрица парных сравнений, средние геометрические и веса критериев представлены в таблице 2.

Таблица 2. Матрица парных сравнений, средние геометрические и веса критериев.

Диаграмма весовых коэффициентов для критериев A₁, A₂, A₃, A₄, A₅ представлена на рисунке 1.

Рисунок 1. Весовые коэффициенты критериев качества

Проведем проверку матрицы парных сравнений на непротиворечивость. голосовой текст программа саати

Суммы столбцов матрицы парных сравнений:

R₁=2.68; R₂=2.87; R₃=21; R₄=7.48; R₅=14.33.

Рассчитаем вспомогательную величину L, просуммировав произведения сумм столбцов матрицы и весовые коэффициенты: L = 4.36.

Индекс согласованности ИС = (L-N)/(N-1) = 0.13.

Величина случайной согласованности для размерности матрицы парных сравнений: СлС = 1.12.

Отношение согласованности ОС=ИС/СлС = 0.11. не превышает 0.2, поэтому уточнение матрицы парных сравнений не требуется.

Используя полученные коэффициенты, определим интегральный показатель качества для следующих Web-ресурсов, направленных на идентификацию голосовых сообщений:

1. Google.ru;

2. Speechpad.ru;

3. Speech-to-text-online.com;

4. August4u.net/?speech2text;

5. Vorabota.ru/voice.html.

Выберем категориальную шкалу от 0 до 7 (где 0 - качество не удовлетворительно, 7 - предельно достижимый уровень качества) для функциональных возможностей выбранных Web-ресурсов.[3,4,8]

Значения весовых коэффициентов a_i , соответствующие функциональным возможностям Web-ресурсов:

1. Точность идентификации звуков: a₁ = 0.38;

2. Количество неправильно распознанных звуков при вводе длинных сообщений: a₂ = 0.32;

3. Скорость выполнения идентификации: a₃ = 0.04;

4. Возможность добавления новых слов в словарь: a₄ = 0.18;

5. Сохранение истории: a₅ = 0.08;

где ?a_i = 1.

По выбранной шкале определим количественные значения функциональных возможностей X_ij (таблица 3) и вычислим интегральные показатели качества для выбранных Web-ресурсов.

Таблица 3. Интегральные показатели качества.

где Q_j=?a_i*X_ij - интегральный показатель качества для j-го Web-ресурса.

Построим лепестковую диаграмму интегрального показателя качества каждого Web-ресурса (рисунок 2).

Рисунок 2. Лепестковая диаграмма интегральных показателей качества Web-ресурсов

Значения характеристик функциональных возможностей (критериев) представлена в виде лепестковой диаграммы на рисунке 3.

Рисунок 3. Лепестковая диаграмма значений функциональных характеристик

Сравнительный анализ Web-ресурсов для идентификации голосовых сообщений показал, что из всех программных аналогов только Google.ru имеет значение интегрального показателя качества, превышающий базовое значение, а у остальных программных аналогов оно оказалось ниже. Предлагаемая методика экспертной оценки Web-ресурсов позволила количественно оценить их качество с точки зрения уровня реализуемых функций и показала, что во всех Web-ресурсах отсутствует возможность добавления новых слов в словарь.

Список литературы

1. Богушенков А.С., Рыбанов А.А. Разработка и исследование алгоритмов автоматизированной системы учета и поиска информации по пакетам труб на основе технологии QR-кода // Молодой ученый. 2015. № 4 (84). С. 47-52.

2. Кондрацкий Д.Е., Рыбанов А.А. Исследование методов и алгоритмов автоматизированной системы оценки альтернативных вариантов методом Т. Саати // NovaInfo.Ru. 2016. Т. 3. № 46. С. 107-116.

3. Рыбанов А. Определение весовых коэффициентов сложности тем учебного курса на основе алгоритма Cаати // Педагогические измерения. 2014. № 4. С. 21-28.

4. Рыбанов А.А., Макушкина Л.А. Технология определения весовых коэффициентов сложности тем дистанционного курса на основе алгоритма Саати // Открытое и дистанционное образование. 2016. № 1 (61). С. 69-79.

5. Сова Е. В., Рыбанов А. А. Сравнительный анализ библиотек генерации отчётов в веб-ориентированных информационных системах // Международный журнал прикладных и фундаментальных исследований. -2012. -№ 7. -C. 167.

6. Моисеев Ю.И., Рыбанов А.А. Подходы к автоматизации деятельности автошкол и количественной оценке навыков вождения // NovaInfo.Ru. 2016. Т. 2. № 43. С. 17-21.

7. Рыбанов А.А., Усмонов М.С.О., Попов Ф.А., Ануфриева Н.Ю., Бубарева О.А. Информационные системы и технологии // Научный редактор: И. А. Рудакова; Редакционная коллегия: Рудакова И.А., Гребенщиков Г.Ф., Акутина С.П., Краснолуцкий В.П. / Центр научной мысли (г. Таганрог). Москва, 2013. Том Часть 4 Информационные системы и технологии.

8. Морозов А.О., Рыбанов А.А. Экспертная оценка программных продуктов для расчета метрических характеристик физической схемы базы данных // Современные научные исследования и инновации. 2015. № 1-1 (45). С. 97-102.

9. Грачев, А.М. Адаптивные алгоритмы распознавания речевого сигнала / Грачев, А.М. // Вестник Нижегородского государственного лингвистического университета им. Н.А. Добролюбова. 2013. № 22. С. 32-39.

10. Деркач, С.В. Фонетические свойства гласных в спонтанной речи / Деркач, С.В. // экспериментально-фонетическое исследование на материале американского варианта английского языка. Благовещенск, 2014. С. 70-50.

Размещено на Allbest.ru