アクセント句境界情報を利用したN-gram言語モデルの高精度化

概要

論文の詳細を見る
現在の大語彙連続音声認識システムでは、音声の音韻的特徴が主に用いられ、韻律的特徴はほとんど利用されていない。そこで本研究では、韻律的特徴を利用してN-gram言語モデルを高精度化する手法を提案する。本手法では、韻律的特徴の1つであるアクセント句境界の有無に応じた2種類のN-gram言語モデルを構築し、これを句境界の有無によって使い分ける。しかし、この2種類の言語モデルを直接単語レベルで構築することは、音声データの量が少ないため非現実的である。そこで、句境界の有無による品詞遷移の特徴の違いを利用して、これらをベースとなる通常の言語モデルから構築する手法を考案した。提案する言語モデルを、ベースとなった言語モデルと比較評価したところ、正解の句境界によって提案言語モデルの学習および評価を行ったときに、11%のパープレキシティの低下を実現した。また、音声データから自動抽出した句境界を用いても約8%改善された。さらに、提案言語モデルの学習と評価との間で話者が異なる場合でも、約6%の性能向上が得られた。
社団法人電子情報通信学会の論文
2001-12-13