日本語ディクテーションシステムにおける「読み」言語モデルの利用

スポンサーリンク

概要

論文の詳細を見る
日本語の表記法は、かな漢字混じりであるため、同一の語に対しても多様な表現が可能である。そのため、大語彙連続音声認識において語彙を制御した場合、言語の被覆率が低下する。ディクテーションなどでは、より広い語彙を被覆することは実用上非常に重要である。本研究では、形態素解析システムにより得た形態素の「読み」情報を利用することにより、被覆率の高い統計的言語モデルの構築を試みた。従来の「漢字」表記言語モデルと、「読み」表記言語モデル、および、「読み」「漢字」を混合した言語モデルを 20k, 30k, 60k の語彙サイズでそれぞれ構築した。評価として、未知語の存在しない評価文、および、未知語を含む評価文による認識実験を行った。語彙サイズを大きくして未知語率を削減するにともない「読み」情報を利用することの効果は減少する傾向にあった。一方、20k で閉じた評価文に対しては語彙サイズを大きくしても悪影響はないことが確認できた。
社団法人電子情報通信学会の論文
2000-01-21

著者

関連論文

もっと見る

スポンサーリンク