تشخیص موضوع از روی گفتار مبتنی بر شبکه عصبی کوتاه مدت ماندگار

جستجو در منابع صوتی و تصویری برای دسترسی به موضوعی خاص (و یا دسته‌بندی پیام‌های صوتی مرتبط و یا حذف پیام‌های صوتی نامناسب)، توسط نیروی انسانی، فرایندی زمان‌بر، هزینه‌بر و خسته‌کننده است (حتی ممکن است به‌دلیل حجم زیاد اطلاعات، دقت کافی وجود نداشته باشد). هدف از این تحقیق ارائه‌ی یک سیستم دو مرحله‌ایِ یکپارچه‌ی تشخیص موضوع از روی سیگنال گفتار است. در مرحله‌ی اول از ابزار کلدی و دادگان فارس‌دات بزرگ برای بازشناسی گفتار و تبدیل آن به متن استفاده شده است. نرخ خطای کلمه برروی دادگان آزمایش از فارس‌دات بزرگ 2 درصد و برروی دادگان آزمایش از روی دادگان جمع‌آوری شده از برنامه‌های اجتماعی رادیو و تلویزیون در حدود 25 درصد به‌دست آمده است. در مرحله‌ی دوم از روی متن به‌دست آمده، پس از پیش‌پردازش‌ها، کلیدواژه‌ها با استفاده از شبکه عصبی کوتاه مدت ماندگار تشخیص داده شده و در نهایت با استفاده از روش دیکشنری موضوع اجتماعی با دقت 56.17 درصد استخراج شده است.