単語bigramとクラスbigramの融合による話題変化に頑健な統計的言語モデル

スポンサーリンク

概要

論文の詳細を見る
統計的言語モデルは大量の学習データを用いて推定される。しかし学習データにおける単語連鎖の統計的上の性質(以後言語的特徴と呼ぶ)は、学習データの収集された時期や話題に大きく依存している。このため汎用の音声認識システム構築の際には、言語的特徴変化に頑健な言語モデルの作成が不可欠である。本研究では、より精密な言語的特徴を表現できる単語bigramと、あまり精密ではないが言語的特徴の変化に頑健なクラスbigramを融合することにより性能の安定した言語モデルを構築することを試みた。また、単語bigram、クラスbigram、融合bigramを用いた認識実験により、クラスbigramの言語的特徴の変化に対する頑健性と融合bigramによる性能向上について評価した。
一般社団法人情報処理学会の論文
1998-02-05

著者

関連論文

もっと見る

スポンサーリンク