文献

J-GLOBAL ID：201702234857835352   整理番号：17A1696284

仮説選択に基づくDNN音声認識システムの強化学習

著者 (2件)： 加藤拓 (東京工大) ,  篠崎隆宏 (東京工大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2017  号： SLP-118  ページ： Vol.2017-SLP-118,No.4,1-5 (WEB ONLY)  発行年： 2017年10月06日 
JST資料番号： U0451A  資料種別： 会議録 (C)
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： 音声認識システムは多くのタスクで高い認識性能を達成している。しかしこれらの性能は,音声に対する書き起こし作成にかかる膨大なコストに依存している。そこで多くのユーザに利用される音声認識システムのサービスにおいて,書き起こし文の代わりに,ユーザからの簡単なフィードバックから学習することが可能となれば,システムはより便利かつ自立したものとなる。本論文では,DNN音声認識システムにおける強化学習手法を提案する。発話毎に2つの認識仮説からユーザが最も良いと思う仮説を選択し,どちらの仮説が選択されたかを表すバイナリ値をシステムにフィードバックすることで学習を行う。認識実験の結果,教師なし適応を用いた場合と比較して,提案手法が認識性能を向上させることを示した。また,片方の認識仮説だけではなく,フィードバックをもとに両方の認識仮説を重み付きで用いて学習することにより,更に性能を向上させることを示した。ユーザの選択が完璧でなかった場合を想定し,フィードバックとなるバイナリ値をランダムに15%反転させた実験についても,提案手法が有効であることを示した。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  音声認識 ,  *強化学習 ,  *システム ,  発話 ,  理論 ,  フィードバック ,  認識 ,  教師なし学習 ,  *ディープニューラルネットワーク ,  *音声認識システム
準シソーラス用語： 仮説

分類 (2件)： パターン認識  (JE07000S) ,  CAI  (JE09000G)

引用文献 (18件)：

• Leggetter, C. J. and Woodland, P. C.: Maximum Likelihood Linear Regression for Speaker Adaptation of Continuous Density Hidden Markov Models, Computer Speech and Language, Vol. 9, pp. 171-185 (1995).
• Gauvain, J.-L. and Lee, C.-H.: Maximum a Posteriori Estimation for Multivariate Gaussian Mixture Observations of Markov Chains, IEEE Transactions on Speech and Audio Processing, Vol. 2, pp. 291-298 (1994).
• Mirsamadi, S. and Hansen, J.: A study on deep neural network acoustic model adaptation for robust far-field speech recognition, Proc. Interspeech, pp. 2430-2434 (2015).
• Yao, K., Yu, D., Seide, F., Su, H., Deng, L., and Gong, Y.: Adaptation of context-dependent deep neural networks for automatic speech recognition, Proc. IEEE Workshop on Spoken Language Technology (SLT) (2012).
• Soltau, H., Kingsbury, B., Mangu, L., Povey, D., Saon, G. and Zweig, G.: The IBM 2004 conversational telephony system for rich transcription, Proc. ICASSP, Vol. 1 (2005).

タイトルに関連する用語 (3件)： 仮説 ,  音声認識システム ,  強化学習