文脈を含む多角的な発話検証を可能にする対話音声理解システムの開発

开发对话语音理解系统，可实现包括上下文在内的多方面话语验证

基本信息

批准号：
17700181
负责人：
甲斐充彦
金额：
$ 1.92万
依托单位：
Shizuoka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2005
资助国家：
日本
起止时间：
2005 至 2007
项目状态：
已结题

项目摘要

本研究は、発話検証法や発話の曖昧さの要因の定量化法の開発を目的としている。前者においては、自然な対話音声に対する多角的な分析結果をもとに、発話検証性能の改善を試みた。まず、前年度までに開発した韻律的特徴の併用による発話検証法では、発話中に含まれるキーワード数の検証のみに注目したものであったため、新たにキーワード内容を含めた発話検証法へと拡張した。モーラ毎の高低アクセント特徴をHMMでモデル化して韻律信頼度を求め、従来の音響信頼度と併用する方法について評価実験を行った。語彙約1万6千単語のランドマーク入力タスクにおいて、発話中のキーワードスポッティング結果に対する発話検証実験を行った結果、韻律的特徴を併用することで認識結果の単語毎の正誤判定の誤りを約4.3%削減した。もう一つの観点として、文脈を考慮した発話検証法として、音声文書中に含まれるキーワード(名詞単語)の関連度を用いた方法を提案した。相互情報量の観点から単語間の関連度をあらかじめ算出し、一つの音声文書の認識結果において共起するキーワード対に対して、その相互情報量の値を適用した。評価実験では、話し言葉コーパス(CSJ)から10講演を評価用データとして用い、講演音声に含まれる名詞単語に対する検証性能の評価において、単語毎の認識結果の正誤判定の誤りを約5.4%削減した。後者の発話の曖昧さの要因の定量化法の開発の目的においては、話者や発話様式の違い、未知語の発声などの誤認識の要因について多角的な評価を行った。音響モデル(HMM)の情報のみを用いて、モデル間の距離の定量化方法の違いと音声認識性能との関係を分析した。結果として、発話様式の違いを考慮したモデル間距離を併用して認識性能への影響の違いがより明確に説明できることが分かった。また、単語間距離を考慮することによって未知語検証性能の改善を試み、改善の可能性を示した。

本研究的目的是开发一种验证话语的方法和量化话语歧义原因的方法。前者，我们尝试根据自然对话语音的多方面分析结果来提高语音验证性能。首先，前一年开发的结合韵律特征的话语验证方法仅专注于验证话语中包含的关键字数量，因此我们将其扩展为包含关键字内容的新话语验证方法。我们使用HMM对每个音拍的音高重音特征进行建模以获得韵律可靠性，并对可以与传统声学可靠性结合使用的方法进行了评估实验。在一个词汇量约为16000个单词的地标输入任务中，我们对语音时的关键词识别结果进行了语音验证实验，发现通过组合韵律特征，识别中每个单词的正确/错误判断误差结果减少至约 4.3%。作为另一个观点，我们提出了一种使用音频文档中包含的关键字（名词词）的相关性作为考虑上下文的话语验证方法的方法。从互信息的角度预先计算单词之间的关联度，并将互信息值应用于在一个音频文档的识别结果中同时出现的关键词对。在评估实验中，我们使用来自口语语料库（CSJ）的10个讲座作为评估数据，在评估讲座音频中包含的名词词的验证性能时，我们将每个词的识别结果的正确性误差降低了约5.4%。为了开发一种量化言语歧义原因的方法，我们对误识别的原因进行了多方面的评估，例如说话者和言语风格的差异以及未知单词的发音。仅使用声学模型（HMM）信息，我们分析了量化模型之间距离的方法差异与语音识别性能之间的关系。结果，我们发现，通过使用考虑了语音风格差异的模型之间的距离，可以更清楚地解释对识别性能的影响差异。我们还尝试通过考虑单词之间的距离来提高未知单词验证性能，并证明了改进的可能性。