タスク文法によるN-gram確率の部分強化を用いた認識アルゴリズムの評価

概要

論文の詳細を見る
音声対話のための音声認識システムにおいては,言語モデルとしてN-gramモデルとネットワーク文法が用いられる.統計的言語モデルであるN-gramモデルでは,タスクで想定されていない発声もある程度柔軟に認識することができ,発話のバリエーションに対する頑健性が高いが,学習には大規模なコーパスが必要であり,また,文レベルの制約を表現することができない.一方,人手で記述されたネットワーク文法では,文法上受理可能なタスク内の発声は高精度で認識できるが,文法で受理できないタスク外の発生に対しては認識できない.本研究では,N-gramモデルを用いた認識において,ネットワーク文法の2単語間の接続制約を用いてN-grain確率を動的に強化する認識アルゴリズムを提案する.本手法により,タスク外の発声に対する頑健性を保ちつつ,タスクに特有の定型表現の認識精度を向上させ,トータルでユーザー発話の変化に頑健で,かつ高精度な認識を実現する.受付案内対話タスクにおいて提案法を評価した結果,タスク内の発声に対して文法のみを用いる場合に近い高い認識率が得られ,トータルの単語正解精度は82.4 %から88.0%に向上した.また,単語の生起確率のみを強化する場合や,サブタスクごとの強化の評価,および静的な確率値変更についても述べる.
2003-02-07

タスク文法によるN-gram確率の部分強化を用いた認識アルゴリズムの評価

スポンサーリンク

概要

著者

関連論文

スポンサーリンク