キーフレーズ認識とその信頼度計算に基づく柔軟な音声対話理解

基于关键词识别的灵活语音对话理解及其可靠性计算

• 批准号: 09780328
• 负责人: 河原 達也
• 金额: $ 1.28万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1997
• 资助国家: 日本
• 起止时间: 1997 至 1998
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-09780328/
• 关键词: 音声認識; 音声理解; 単語スポッティング; 発話検証; キーフレーズ

キーフレーズの検出・検証の高精度化のために、ドメインに独立な語彙・言語モデルの構成方法について研究した。このフィラーモデルは、キーワードやキーフレーズ以外の区間を近似することにより、検出や検証のためのスコアの正規化を行うものである。そのためには、できるだけ小さいサイズで十分なカバレージを持つことが望ましい。また、話題やキーワード語彙の変化に対して頑健であることが望ましい。そこで、ドメインに依存した語彙やコーパスを前提とする代りに、会話スタイル(講演調、情報検索対話など)に依存したモデルを考える。例えば講演調スタイルモデルは、講演の内容に関わらず講演というスタイルに固有の話し言葉の特徴をとらえる。これにより、同一のスタイルからなる大規模なコーパスを利用して学習できる。話題(ドメイン)独立性の尺度として、単語wと話題集合T{t_1,...,t_n}との相互情報量I(T;w)を定義し、この値が小さい単語集合を抽出する。このモデルにより,従来の音節連接モデルに基づく手法に比べて、はるかに高い発話検証性能を得ることができ、講演をしながら音声で操作できるスライドプロジェクタを設計・実装できた。

为了提高关键短语检测和验证的准确性，我们研究了一种构建领域无关的词汇和语言模型的方法。该填充模型通过近似关键词和关键短语以外的部分来标准化检测和验证的分数。为此，希望以尽可能小的尺寸获得足够的覆盖范围。还希望能够对主题和关键词词汇的变化保持鲁棒性。因此，我们不考虑依赖于领域的词汇和语料库，而是考虑一个依赖于对话风格（讲座风格、信息搜索对话等）的模型。例如，讲座风格模型捕捉了讲座风格所特有的口语特征，无论讲座内容如何。这允许使用相同风格的大型语料库进行学习。作为主题（领域）独立性的度量，我们定义单词 w 和主题集 T{t_1,...,t_n} 之间的互信息 I(T;w)，并提取具有较小值的单词集。使用该模型，我们能够获得比基于音节串联模型的传统方法更高的语音验证性能，并且能够设计和实现可以在演讲时通过语音操作的幻灯片投影仪。

项目成果

T.Kawahara: "Combining Key-phrase Detection and Subword-based Verification for Flexible Speech Understanding" Proc.IEEE Int'l Conf.Acoust.,Speech & Signal Processing. 1. 1159-1162 (1997)

T.Kawahara：“结合关键短语检测和基于子字的验证以实现灵活的语音理解”Proc.IEEE Intl Conf.Acoust.，演讲

H.Masataki: "Task adaptation using MAP estimation in n-gram language modeling" Proc.IEEE Int'l Conf.Acoust.,Speech & Signal Processing. 1. 783-786 (1997)

H.Masataki：“在 n-gram 语言建模中使用 MAP 估计进行任务自适应”Proc.IEEE Intl Conf.Acoust.，演讲

T.Kawahara: "Flexible speech understanding based on combined key-phrase detection and verification" IEEE Trans.Speech & Audio Processing. 採録決定. (1998)

T.Kawahara：“基于组合关键短语检测和验证的灵活语音理解”IEEE 语音和音频处理已接受（1998 年）。

C-H.Jo: "Japanese pronunciation training system with HMM segmentation and distinctive feature classification" Proc.Int'l Conf.on Speech Processing. 341-346 (1997)

C-H.Jo：“具有 HMM 分割和独特特征分类的日语发音训练系统”Proc.Intl Conf.on Speechprocessing。

T.Kawahara: "Speaking-Style dependent lexicalized filler model for key-phrase detection and verification" 電子情報通信学会技術研究報告. SP97-78. (1997)

T.Kawahara：“用于关键短语检测和验证的说话风格相关词汇填充模型”IEICE 技术研究报告（1997）。