距離マトリクス画像からの直線検出にもとづく電話会話ログ検索

概要

論文の詳細を見る
電話は日常生活,社会生活に欠かすことができないコミュニケーションツールであるが,記録性が乏しく,テキスト情報のように検索することが困難であり,事後で発言の有無・内容が問題になるなどの問題点がある.また,従来の音声認識技術を用い,いったんすべての音声をテキスト情報に変換して蓄え,必要に応じてキーワード検索を行う方法も考えられるが,電話会話は読み上げ音声や講演音声のように言語モデルを構築することが難しく,良好な認識性能を確保することは容易でない.また,音声入力で検索を起動する場合,検索のために入力された音声をも認識する必要があり,2 度の音声認識が成功する必要があるという点も不利である.本報告は,言語モデルを必要としないワードスポッテイングの新しい枠組みとして提案した距離マトリクス画像からの直線検出手法を応用して,電話会話ログを検索するものである.従来法として連続 DP を想定し,認識性能・処理時間を評価した.その結果,ほぼ同等の処理時間のもとで,認識性能を 2 %程度向上できることを示した.
2011-05-12