Full metadata record
| DC pole | Hodnota | Jazyk |
|---|---|---|
| dc.contributor.author | Švec, Jan | |
| dc.contributor.author | Frémund, Adam | |
| dc.contributor.author | Bulín, Martin | |
| dc.contributor.author | Lehečka, Jan | |
| dc.date.accessioned | 2023-01-16T11:00:16Z | - |
| dc.date.available | 2023-01-16T11:00:16Z | - |
| dc.date.issued | 2022 | |
| dc.identifier.citation | ŠVEC, J. FRÉMUND, A. BULÍN, M. LEHEČKA, J. Transfer Learning of Transformers for Spoken Language Understanding. In Text, Speech, and Dialogue 25th International Conference, TSD 2022, Brno, Czech Republic, September 6–9, 2022, Proceedings. Cham: Springer International Publishing, 2022. s. 489-500. ISBN: 978-3-031-16269-5 , ISSN: 0302-9743 | cs |
| dc.identifier.isbn | 978-3-031-16269-5 | |
| dc.identifier.issn | 0302-9743 | |
| dc.identifier.uri | 2-s2.0-85139041956 | |
| dc.identifier.uri | http://hdl.handle.net/11025/50928 | |
| dc.format | 12 s. | cs |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | en | en |
| dc.publisher | Springer International Publishing | en |
| dc.relation.ispartofseries | Text, Speech, and Dialogue 25th International Conference, TSD 2022, Brno, Czech Republic, September 6–9, 2022, Proceedings | en |
| dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
| dc.rights | © Springer Nature Switzerland AG | en |
| dc.title | Transfer Learning of Transformers for Spoken Language Understanding | en |
| dc.type | konferenční příspěvek | cs |
| dc.type | ConferenceObject | en |
| dc.rights.access | restrictedAccess | en |
| dc.type.version | publishedVersion | en |
| dc.description.abstract-translated | Pre-trained models used in the transfer-learning scenario are recently becoming very popular. Such models benefit from the availability of large sets of unlabeled data. Two kinds of such models include the Wav2Vec 2.0 speech recognizer and T5 text-to-text transformer. In this paper, we describe a novel application of such models for dialog systems, where both the speech recognizer and the spoken language understanding modules are represented as Transformer models. Such composition outperforms the baseline based on the DNN-HMM speech recognizer and CNN understanding. | en |
| dc.subject.translated | Wav2Vec model | en |
| dc.subject.translated | Speech recognition | en |
| dc.subject.translated | T5 model | en |
| dc.subject.translated | Spoken language understanding | en |
| dc.identifier.doi | 10.1007/978-3-031-16270-1_40 | |
| dc.type.status | Peer-reviewed | en |
| dc.identifier.obd | 43936700 | |
| dc.project.ID | GA22-27800S/Využití vícemodálních Transformerů pro přirozenější hlasový dialog | cs |
| dc.project.ID | SGS-2022-017/Inteligentní metody strojového vnímání a porozumění 5 | cs |
| dc.project.ID | 90140/Velká výzkumná infrastruktura_(J) - e-INFRA CZ | cs |
| Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference papers (NTIS) Konferenční příspěvky / Conference Papers (KKY) OBD | |
Soubory připojené k záznamu:
| Soubor | Velikost | Formát | |
|---|---|---|---|
| Svec_Fremund_Bulin_Lehecka-Transfer_Learning_of_Transformers_TSD_2022.pdf | 286,91 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/50928Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.