語彙制限のない音声文書検索における複数サブワードの統合----検索語彙に依存した検索性能推定指標の導入
スポンサーリンク
概要
- 論文の詳細を見る
マルチメディア環境やハードディスクレコーダの普及にともない,ビデオに代表される音声文書データが大量に蓄積されるようになり,容易に検索できる機能が求められている.検索する際の検索語は特殊な言葉が用いられることが多く,検索語の語彙を制限しないことが望ましい.我々はサブワードを用いた語彙制限のない音声文書検索システムの実現を目指し,新しいサブワードモデルと,サブワードモデル間の統計的音響距離を用いた新しい検索方式を提案し,その有効性を検証した(岩田ら,2007).サブワードとしては,音声認識で一般的なmonophone,triphoneモデルに比べ,音素を時間軸上で精緻化した1/2音素モデル,1/3音素モデル,Sub-Phonetic Segmentモデルの方が音声文書検索性能において優位であった.本論文では,これらの複数のサブワードによる検索結果の統合方式の検討を行い,検索性能の向上を図る.まず,複数サブワードの結果を単純に線形統合する方式を提案する.次に,検索語によりサブワードの検索性能が異なることから,与えられた検索語の検索性能を,検索語に含まれるサブワードモデル系列の認識性能から推定し,検索性能推定指標として導入し,統合時の結合重みとして利用する方式を提案する.日本語話し言葉コーパスを用いた音声文書検索実験を通して,複数のサブワードモデルの検索結果の単純な統合によって,平均適合率が4.2%向上するのを検証できた.統合時に検索語の検索性能推定指標を導入し結合重みの設定を実験的に最適化すると平均適合率が7.4%向上した.検索性能推定指標を結合重みに直接利用することで重み設定を自動化した場合でも5.3%向上するのを確認でき,提案方式の有効性を検証できた.
- 一般社団法人情報処理学会の論文
- 2009-02-15
著者
-
石亀 昌明
岩手県立大学ソフトウェア情報学部
-
伊藤 慶明
岩手県立大学ソフトウェア情報学部
-
田中 和世
筑波大学大学院図書館情報メディア研究科
-
岩田 耕平
岩手県立大学
-
李 時旭
産業技術総合研究所
-
田中 和世
筑波大学図書館情報メディア研究科
-
田中 和世
筑波大学 大学院図書館情報メディア研究科
-
田中 和世
筑波大学
-
伊藤 慶明
岩手県立大
-
李時旭
産業技術総合研究所
-
石亀 昌明
岩手県立大学
-
田中 和世
筑波大学大学院 図書館情報メディア研究科
関連論文
- マルチモーダル情報処理の研究動向(マルチモーダル)
- 筋電位を利用したサポートベクターマシンによる手のリアルタイム動作識別(福祉工学)
- 脳波情報及び印象評価結果に基づく音楽コード進行パターン自動生成プログラムの作成
- SLP音声ドキュメント処理ワーキンググループ活動報告(ドキュメント処理・翻訳・言語獲得,第10回音声言語シンポジウム)
- 語彙フリー音声文書検索手法における新しいサブワードモデルとサブワード音響距離の有効性の検証(音声言語)
- 軽い音声認識システムの開発と課題(若手研究者育成レクチャーシリーズ,認識,理解,対話,一般)
- 並列分散遺伝的アルゴリズムにおける多層リング型トポロジの探索性についての考察
- 三軸マイクロフォンアレイを用いた三次元ポインティング音声インタフェースの開発(福祉と音声処理,一般)
- 3T-1 毒キノコ識別支援ツールのための毒キノコ判定方式の検討(検出・抽出,学生セッション,人工知能と認知科学)
- 階層サーバ・クライアント型モデルによる非同期並列分散遺伝的アルゴリズム
- 連続単語音声認識結果の読み系列を利用した辞書未登録語の音声文書検索(認識,理解,対話,一般)
- 3X-4 カオスニューラルネットワークを用いた自動音楽コード生成の有効性について(音楽情報科学(2)自動作曲・楽曲分析,学生セッション,人工知能と認知科学)
- 6T-1 並列分散GAにおける多層型トポロジに関する考察(GA・エージェントモデル,学生セッション,人工知能と認知科学)
- 曲内類似性,GMM,類似区間継続長を用いた曲境界の自動抽出方式の提案(音声対話・セグメンテーション)
- ニュース番組の情報を利用したスポーツ実況中継のハイライトシーン抽出法の提案(一般セッション,パターン認識・メディア理解のための学習理論とその周辺)
- F-036 大規模問題における階層型並列分散遺伝的アルゴリズムの影響についての考察(F分野:人工知能・ゲーム)
- サブワードを用いた音声文書検索における複数サブワードの統合 : サブワード毎の検索語検索性能期待値の利用(認識,理解,対話,一般)
- 音声検索システムのための時間整合を考慮したサブワードモデル構築手法の検討(検索・対話)
- 語彙フリー音声検索におけるサブワードの検討および災害放送検索システムへの応用(要約, 検索, 認識・理解・対話・一般)
- 曲内の類似性を用いた曲境界の検出性能の向上
- F-037 階層型サーバ・クライアントモデルによる並列分散遺伝的アルゴリズム(F.人工知能)
- 岩手県立大学ソフトウェア情報学部の紹介
- 遺伝的アルゴリズムにおける大域探索と局所探索両面を考慮した適応型HRG選択法の提案
- 遺伝的アルゴリズムにおけるSRG選択法の提案
- 音声認識の応用システム : 音声ドキュメント検索・音声翻訳・音声対話の新たな展開(自動音声認識研究の動向と展望)
- Web上の語彙を利用した音声クエリ拡張による検索語検出 (言語理解とコミュニケーション)
- 音声ドキュメント検索評価のためのテストコレクションの試作(第8回音声言語シンポジウム)
- 音声ドキュメント検索評価のためのテストコレクションの試作(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 日本語母語話者の英語発声におけるプロソディ特性 : 母語話者英語と日本人英語のプロミネンス比較(音声生成・知覚,聴覚心理,音声学・音韻論,一般)
- Spoken Term Detection のためのテストコレクション構築とベースライン評価
- NTCIR-9 SpokenDoc: 音声検索語検出と音声ドキュメント検索の評価枠組の設計
- 音声中の検索語検出のためのテストコレクション構築 : 中間報告
- SLP音声ドキュメント処理ワーキンググループ活動報告(ドキュメント処理・翻訳・言語獲得,第10回音声言語シンポジウム)
- SLP音声ドキュメント処理ワーキンググループ活動報告(ドキュメント処理・翻訳・言語獲得,第10回音声言語シンポジウム)
- 音声合成システム性能評価方法の規格
- 語彙制限のない音声文書検索における複数サブワードの統合----検索語彙に依存した検索性能推定指標の導入
- 音声文書検索のための多言語音素片セグメントの応用(ポスターセッション)(第5回音声言語シンポジウム)
- 音声文書検索のための多言語音素片セグメントの応用(第5回音声言語シンポジウム : ポスターセッション)
- 音声文書検索のための多言語音素片セグメントの応用(第5回音声言語シンポジウム : ポスターセッション)
- 音声文書検索のための多言語音素片セグメントの応用
- 信頼度測定の音声データ検索システムへの応用
- 講演音声中の繰り返し言葉抽出による頻出単語区間の同定
- 汎用音声符号系への符号化と音声処理システムの構築
- 言語に共通な音声符号系を用いた音声検索システム
- Spoken Term Detectionのためのテストコレクション構築とベースライン評価
- Spoken Term Detectionのためのテストコレクション構築とベースライン評価
- ビデオ内一致区間検索のための音響情報の時空間配置照合方式(一般セッション,クロスモーダル)
- ビデオ内一致区間検索のための音響情報の時空間配置照合方式(一般セッション,クロスモーダル)
- ビデオ内一致区間検索のための音響情報の時空間配置照合方式(一般セッション,クロスモーダル)
- ビデオ内一致区間検索のための音響情報の時空間配置照合方式(一般セッション,クロスモーダル)
- 日本語母語話者の英文発声におけるピッチパターンの統計的分析(聴覚・音声・言語とその障害,一般)
- 境界音場制御の原理に基づく2次元スピーカアレーと楕円形制御点配置を用いた指向性制御の数値的検討
- 1019 筋電義手のための筋電位信号に基づく手の動作意図の推定(OS28-2:最近の筋活動計測とその応用2)
- 講義のユニバーサルデザインを目指した情報提示方法に関する検討(障害者教育/一般)
- H-013 配置と個人特徴の誇張を利用した似顔絵作成システム(画像認識・メディア理解,一般論文)
- Spoken Term Detection のためのテストコレクション構築とベースライン評価
- Web上の語彙を利用した音声クエリ拡張による検索語検出(音声検索・要約,第11回音声言語シンポジウム)
- Web上の語彙を利用した音声クエリ拡張による検索語検出(音声検索・要約,第11回音声言語シンポジウム)
- 4U-6 並列分散遺伝的アルゴリズムにおける群構造化による探索性能への影響に関する考察(遺伝的アルゴリズム(1),学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 4R-5 ビデオ内音響情報の時空間配置を特徴量とした一致区間検索方式の評価(マルチメディアデータ検索,学生セッション,データベースとメディア,情報処理学会創立50周年記念)
- 2C1-4 筋電に基づく手の動作識別法の前腕切断者を対象とした有効性の検討(OS2-1:筋電義手I,オーガナイズドセッション)
- 1D-5 個人特徴の誇張を利用した似顔絵作成システムの評価(顔・人物画像処理(1),一般セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 音声ドキュメント検索評価のためのテストコレクションの試作(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- F-002 並列分散遺伝的アルゴリズムにおける多層リング型トポロジのパラメータについての考察(人工知能・ゲーム,一般論文)
- 三軸マイクロフォンアレイを用いた三次元ポインティング音声インタフェースの開発(福祉と音声処理,一般)
- 音素片と文字列カーネルを用いた語彙制約のないトピック分割について
- 音素片のカーネル主成分分析を用いたトピックセグメンテーション(セッション : 一般(知識処理), 「社会システムにおける知能」及び一般)
- 音素片のカーネル主成分分析を用いたトピックセグメンテーション
- 音素片のカーネル主成分分析を用いたトピックセグメンテーション(一般(知識処理), 「社会システムにおける知能」及び一般)
- 4X-4 多点局所探索法による画像高解像度化における評価画像選定方法についての検討(画像処理,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 音声中の検索語検出のためのテストコレクション構築 -中間報告-
- I-071 動画検索のためのMPEG-2データ中の特徴量抽出方法の検討(I分野:グラフィクス・画像,一般論文)
- 米国大学の入試調査に基づく入試・教育システムに関する一考察
- F-047 PDGAにおける階層コーン型トポロジの探索空間拡大に伴う探索性能の影響に関する考察(F分野:人工知能・ゲーム,一般論文)
- E-018 カオスニューラルネットワークを応用した自動リズム生成システム(E分野:自然言語・音声・音楽,一般論文)
- 2Y-5 形状・色特徴を利用した毒キノコ識別支援ツールの評価方法に関する研究(物体認識,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 2D-2 カオスニューラルネットワークにおけるパラメータの検討 : 自動作曲への応用を目指して(音声・音楽情報処理,一般セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- H-051 形状特徴を利用した毒キノコ識別支援ツールのための毒キノコ判定方式の検討(画像認識・メディア理解,一般論文)
- セグメント単位の音声符号列からのレキシコンの生成
- 境界音場制御の原理に基づく二次元スピーカアレイによる指向性制御システムの試作 (応用音響)
- 環境の変化に適応する音場の局所再生システムの検討(音響信号処理,一般)
- 環境の変化に適応する音場の局所再生システムの検討(音響信号処理,一般)
- 言語系特性の違いから予測する日本人英語発声の韻律特徴 : 音声分析再合成システムを用いた実験的検証(一般)
- 曲内類似性,GMM,類似区間継続長を用いた曲境界の自動抽出方式の提案(音声対話・セグメンテーション)
- I-007 音響情報の時空間配置照合によるビデオ間の部分一致検索(グラフィクス・画像,一般論文)
- 語彙非依存型音声文書検索のためのサブワードモデルおよび検索方式の検討
- 芸術家の技術保存用ビデオデータベースの構築・公開・研究計画
- 前腕切断者を対象とした筋電位信号に基づく手の動作識別法に関する基礎的研究
- MF143 表情筋および頸部の筋電位信号を利用した日本語母音の識別(MF14 情報・コミュニケーション支援,あたり前のことを知る)
- サポートベクターマシンを用いた筋電位信号からの日本語母音の識別(一般)
- 頸部から計測した筋電位信号を利用した発話認識
- 日本語母語話者の英語発声におけるプロソディ特性--母語話者英語と日本人英語のプロミネンス比較
- 「言語を生み出す本能(上)(下)」, スティーブンピンカー著, 椋田直子訳, 日本放送出版協会, 1995年(私のすすめるこの一冊)
- MPEG-1/2中の直流成分を利用した動画検索方式の評価
- 日本語母語話者の英文発声におけるピッチパターンの統計的分析
- 前腕切断者を対象とした筋電位信号に基づく手の動作識別法に関する基礎的研究
- 境界音場制御の原理に基づく二次元スピーカアレイによる指向性制御システムの試作
- 日本語テキスト音声合成用記号の標準化
- 9-4 多点局所探索法を用いた画像高解像度化における評価方法に関する考察(第9部門 メディア処理4)
- 音声中の検索語検出における事前検索・HMM状態系列照合・リランキングの適用