ニュース音声を対象とした大語彙連続音声認識と話題抽出

概要

論文の詳細を見る
本稿では, 放送ニュース音声の大語彙連続音声認識および話題抽出について報告する. 我々はこれまで, 新聞記事読み上げ音声を対象として大語藁連続音声認識の検討を進めてきたが, 今回そのシステムを放送ニュース音声に対して適用した. 語藁20kの認識システムにおいて, ニュース原稿により学習した単語bigramを用いることにより単語誤り率23.7%, さらに単語trigramを用いた場合には単語誤り率19.7%という結果を得た. また, 放送ニュース音声からの話題抽出として, ニュースの内容を象徴する単語の集合を抽出することを検討した. 約5年分の新聞記事の本文と見出しの単語の出現傾向からx^2法および相互情報量に基づいた話題抽出モデルを学習した. x^2法に基づくモデルを用いて話題抽出実験を行い上位5単語の話題語を抽出したところ, ニュース音声の書き起こしテキストに対して84%, 音声認識結果に対して75%の適合率が得られた.
社団法人電子情報通信学会の論文
1997-06-20