WWW情報検索サービスのための音声言語インタフェースシステムの開発

WWW信息搜索服务口语接口系统的开发

基本信息

批准号：
11780267
负责人：
甲斐充彦
金额：
$ 0.7万
依托单位：
Shizuoka 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：
1999
资助国家：
日本
起止时间：
1999 至 2000
项目状态：
已结题

项目摘要

本年度の研究では、WWW上での効率的な情報閲覧・検索のための音声言語インタフェース技術を開発するという当初の目的・計画に関してそれぞれ以下のような成果が得られた。1.キーワードの検索のための音声認識手法の開発情報検索システムなどWeb上で利用されるGUIベースのユーザインタフェースには、固有名詞の入力を必要とするものが多く、既存の音声認識システムでは扱いが困難であった。本研究では、日本語において扱いやすい音節を単位とした連続音声認識技術を応用し、音声文書検索および任意のキーワード入力を実現する方法を開発した。具体的には、統計的な言語モデルであるN-gramを日本語の音節列に関して大量のテキストコーパスから求め、音節trigramの制約に基づくone-pass型の連続音声認識アルゴリズムへ適用した。これをもとに、音声文書検索においてはベクトル空間法および複数候補(N-best)の利用に基づく類似性評価法を検討し、音声認識誤りによる性能劣化を抑えた検索法を開発した。また、キーワード入力においては、音節列の複数候補(N-best)とGUIによるユーザ選択に基づく固有名詞入力方式を開発し、実用性への検証を行った。2.システムの試作とデータ収集環境の開発音声以外のモダリティを含むマルチモーダルインタフェース(MMI)システムは、一般に複数の複雑なコンポーネントが有機的に結合し動作するように実現されなければならない。従来は専用の高度なシステム開発環境を提供することに重点が置かれているが、本研究では比較的身近なWWW上の情報検索サービスへの適用を想定し、汎用性の高いMMIプラットフォームを開発した。開発したプラットフォームは、WWWブラウザをクライアントとし、システムや対話タスクの記述及び各種コンポーネント間の通信の手順までをすべてXML(eXtensible Markup Language)で統一することにより汎用性を実現した。実際に、従来UNIX OS上で構築されていたMMI対話システムをこのプラットフォーム上に容易に移行でき、ネットワークを介してユーザが利用できる環境を構築した。これにより、広範な対話データ収集のためのユーザ利用環境を容易に提供可能となった。

今年的研究取得了有关最初目的的以下结果，并计划开发语音语言接口技术，以有效地浏览和搜索www。 1。用于关键字搜索的语音识别方法的开发许多基于GUI的用户界面（例如信息搜索系统）需要适当的名词输入，因此很难与现有的语音识别系统一起使用。在这项研究中，我们开发了一种通过应用连续的语音识别技术来实现语音文档搜索和任意关键字输入的方法，这在日语中易于使用。具体而言，统计语言模型n-gram是根据日本音节序列的大量文本语料库计算得出的，并根据基于音节trigrams的约束，应用于一通类型的连续语音识别算法。基于此，我们根据语音文档搜索中的矢量空间方法和多个候选者（N-best）的使用检查了相似性评估方法，并开发了一种搜索方法，该方法抑制了由于语音识别错误而导致的性能退化。此外，对于关键字输入，基于多个候选（n-best）的音节序列和使用GUI的用户选择开发了适当的名词输入方法，并进行了实用性验证。 2。通常必须实现包含非声音模式的系统和数据收集环境多模式接口（MMI）系统，以便可以有机地组合和操作多个复杂的组件。以前，重点是提供一个专业的高级系统开发环境，但是这项研究开发了一个通用的MMI平台，目的是应用于www上相对熟悉的信息搜索服务。开发的平台使用www浏览器作为客户端，并与XML（可扩展的标记语言）普遍集成，以描述系统和交互式任务，以及各个组件之间的通信过程。实际上，以前在UNIX OS上构建的MMI交互系统可以轻松地迁移到此平台上，并且用户可以通过网络使用一个环境。这使得可以轻松提供用户使用环境来收集广泛的对话数据。