文献

J-GLOBAL ID：200902217545319307   整理番号：09A0295813

高精度音声認識のための教師なしクロスバリデーションおよび集合適応法の提案

Unsupervised Cross-validation and Aggregated Adaptations for Improved Speech Recognition

著者 (3件)： 篠崎隆宏 (東京工大 大学院情報理工学研究科) ,  久保田雄 (東京工大 大学院情報理工学研究科) ,  古井貞煕 (東京工大 大学院情報理工学研究科)
資料名： 情報処理学会研究報告  (IPSJ SIG Technical Reports)
巻： 2009  号： 10  ページ： 1-6  発行年： 2009年01月30日 
JST資料番号： Z0031B  ISSN： 0919-6072  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 教師無し適応における適応化性能を向上させる目的で,クロスバリデーションおよびバギングに似た手法を教師無しバッチ適応の枠組に組み込んだ教師無しクロスバリデーション適応法および教師無し集合適応法の提案を行なう。提案アルゴリズムはMLLR音響モデル適応化手法のような一般的な適応化技術の適用方法に関するものであり,それら元とする適応手法の詳細には基本的に依存しない一般性がある。また提案する適応化アルゴリズムは,これまでに提案を行なった教師あり学習法であるCV-EMやAg-EMの拡張と見ることができる。CV-EMやAg-EMでは過学習問題のみを対象としていたが,今回提案する適応化手法はそれに加えて,教師無しバッチ適応において用いられる認識仮説中の認識誤りの影響を低減させ,適応化性能を向上させる効果がある。実験では,提案する教師無しクロスバリデーション適応法および教師無し集合適応法を日本語話し言葉コーパスの学会講演音声認識に適用する。従来のバッチ型教師無し適応による相対的な単語誤り率の削減率が12%であるのに対し,教師無しクロスバリデーション適応法を用いた場合の削減率は17%であった。(著者抄録)

シソーラス用語： *音声認識 ,  *交差検証法 ,  *教師なし学習 ,  アルゴリズム ,  誤り ,  日本語 ,  話し言葉 ,  *コーパス ,  誤り率 ,  *数学 ,  *誤差論
準シソーラス用語： 音響モデル ,  適応化

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  情報加工一般  (AC05010A)

タイトルに関連する用語 (6件)： 音声認識 ,  教師 ,  バリデーション ,  集合 ,  適応 ,  提案