文献

J-GLOBAL ID：201502259340819481   整理番号：15A0531755

擬似生成した複数方言言語モデル混合による混合方言音声認識

Dialect-mixed Speech Recognition by Mixing Simulated Multiple Dialect Language Models

著者 (6件)： 平山直樹 (京大 大学院情報学研究科) ,  吉野幸一郎 (京大 大学院情報学研究科) ,  糸山克寿 (京大 大学院情報学研究科) ,  森信介 (京大 大学院情報学研究科) ,  森信介 (京大 学術情報メディアセ) ,  奥乃博 (京大 大学院情報学研究科)
資料名： 情報処理学会論文誌ジャーナル(Web)
巻： 55  号： 7  ページ： 1681-1694 (WEB ONLY)  発行年： 2014年07月15日 
JST資料番号： U0452A  ISSN： 1882-7764  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： 本論文では,様々な方言の混合に対応する音声認識システムを構築する。まず,単一方言音声認識の言語モデルを,大規模共通語言語コーパスから擬似生成した方言言語コーパスで学習する。擬似生成には,共通語-方言対訳コーパスからWFST(重み付き有限状態トランスデューサ)によって学習されたルールを用いる。次に,構築された各方言言語モデルを混合し,発話ごとに最適な混合比を推定しながら認識を行う。これは,実際に話される方言が純粋な単一方言ではなく,人の移動やテレビ,ラジオなどの放送の影響を受けた様々な方言の混合であると考えられるからである。この推定には,音声認識用言語モデルにおける対数尤度の値を用いる。実験により,方言音声認識用言語モデルを用いて方言音声の認識精度が向上することを確認した。また,対数尤度と音声認識精度に強い相関があること,対数尤度を最大化する混合比を発話ごとに選択することで,固定混合比の場合と比較して音声認識精度が向上することを確認した。(著者抄録)

シソーラス用語： *言語モデル ,  システム ,  *音声認識 ,  *コーパス ,  翻訳【言語】 ,  推定 ,  音声認識システム
準シソーラス用語： *複数方言言語モデル ,  対訳コーパス ,  *方言対訳コーパス ,  混合比推定

分類 (3件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L) ,  音声処理  (JE05000E)

引用文献 (38件)：

• 秋田祐哉,三村正人,河原達也:会議録作成支援のための国会審議の音声認識システム,電子情報通信学会論文誌,Vol.J93-D,No.9,pp.1736-1744(2010).
• 今井亨:リアルタイム字幕放送のための音声認識,電子情報通信学会技術報告,SP(WIT),Vol.109,No.259,pp.19-24(2009).
• 榎澤幸広:方言話者と法廷,筑波学院大学紀要,Vol.4,pp.83-92(2009).
• 小林隆,篠崎晃一(編):ガイドブック方言研究,ひつじ書房(2003).
• Cruse, D.A.: Lexical Semantics, Cambridge University Press (1986).

タイトルに関連する用語 (4件)： 擬似 ,  方言 ,  言語モデル ,  音声認識