ニュース音声認識のための時期依存言語モデル (<特集>音声言語情報処理)

概要

論文の詳細を見る
本論文では, ニュース番組の音声認識の性能を向上させるため, 最新ニュースの内容に依存した言語モデル(時期依存言語モデル)を提案する. まず, ニュース音声認識のための言語モデルについて, 学習期間, 学習時期を調べた. その結果, 学習データは長期間であるほど, また, 評価時期に近いほど有効であることが分かった. そこで, 長期間の大量のニュース原稿に対して, 最新の小量のニュース原稿をMAP推定に基づいて重み付け混合し, 時期依存言語モデルを作成した. 長期間ニュース原稿に対する最新ニュース原稿の重みは, EMアルゴリズムにより推定される. 提案手法の特徴は, n-gramを最新ニュースに適応化するだけではなく, 語彙を自動的に更新することである. 認識実験の結果, 時期依存言語モデルはテストセット297文中, 最新ニュースに関連する140文について, 単語正解精度を2.0%向上させ, 未知語の延べ数を29.4%削減した. 一方, 関連のないニュースについて単語正解精度は低下しなかった.
一般社団法人情報処理学会の論文
1999-04-15