Reconocimiento de entidades en audios para la configuración de un Sistema de Comunicaciones de Voz de un Centro de Control de Área
El procesamiento de lenguaje natural (Natural Language Processing, NLP ) cada vez llega a más dominios, ya sean profesionales o domésticos. Dentro del NLP, tareas como el reconocimiento de voz (Automatic Speech Recognition, ASR) y la identificación de entidades nombradas (Named Entity Recognition, N...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Data de publicação: | 2025 |
| País: | España |
| Recursos: | Universidad Nacional de Educación a Distancia |
| Repositório: | e-spacio. Repositorio Institucional de la UNED |
| Idioma: | espanhol |
| OAI Identifier: | oai:e-spacio.uned.es:20.500.14468/30309 |
| Acesso em linha: | https://hdl.handle.net/20.500.14468/30309 |
| Access Level: | Acceso aberto |
| Palavra-chave: | 1203.17 Informática Control de Tráfico Aéreo Sistema de Comunicaciones de Voz Procesamiento de Lenguaje Natural Reconocimiento Automático de Voz Reconocimiento de Entidades Nombradas Air Traffic Control Voice Communication System Natural Language Processing Automatic Speech Recognition Named Entity Recognition |
| Resumo: | El procesamiento de lenguaje natural (Natural Language Processing, NLP ) cada vez llega a más dominios, ya sean profesionales o domésticos. Dentro del NLP, tareas como el reconocimiento de voz (Automatic Speech Recognition, ASR) y la identificación de entidades nombradas (Named Entity Recognition, NER) constituyen un reto dentro del dominio de las comunicaciones del tráfico aéreo. En este trabajo proponemos ampliar el reto en las comunicaciones del tráfico aéreo, lle- vando el NLP al ámbito de los Sistemas de Comunicaciones de Voz (SCV ). A diferencia de otros trabajos centrados en la comunicación entre pilotos y controladores, este proyecto se enfoca en las tareas técnicas asociadas al sistema de configuración y monitorización técnica (Technical Monitoring and Control System, TMCS ), con el fin de automatizar órdenes verbales mediante su conversión a texto y posterior interpretación a través de la identificación de entidades nombradas. Para ello, se ha construido un corpus específico formado por 1.582 grabaciones, que constituye más de 3 horas de audio de voz realizadas por 11 personas, tanto en silencio como con ligero ruido de fondo. Las grabaciones fueron transcritas manualmente, añadiendo comandos y entidades, lo que permitió la construcción de un conjunto de datos adaptado al dominio de los SCV. La primera fase (ASR) evalúa dos modelos preentrenados: Whisper, basado en encoder-decoder Transformer, y el modelo de Jonatas Grosman basado en Wav2Vec2. Los resultados muestran que Whisper presenta una menor tasa de error de palabra (Word Error Rate, WER), especialmente en condiciones ruidosas. En la segunda fase (NER), se comparan modelos clásicos (CRF, SVM, spaCy) con otros de aprendizaje profundo (BERT, XLNet). El modelo basado en BERT destaca por su precisión, mientras que spaCy sobresale por sus métricas de sensibilidad. El análisis conjunto del pipeline ASR+NER muestra una pérdida de precisión respecto a los datos manuales, aunque los resultados siguen siendo válidos para usos operativos. Este trabajo demuestra que la aplicación de técnicas de procesamiento del lenguaje natural en el ámbito de los técnicos de los SCV es factible y efectiva, especialmente cuando se dispone de un corpus robusto. En este sentido, se plantean diversas líneas de mejora que pasan por ampliar el conjunto de datos o completar el sistema con la interpretación de comandos y entidades para conformar una configuración válida en la base de datos del TMCS. |
|---|