文献

J-GLOBAL ID：202102264815613291   整理番号：21A3351806

論理否定を含む質問音声を理解する音声言語獲得エージェント

著者 (2件)： 豊田啓介 (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： 2021  号： NL-251  ページ： Vol.2021-NL-251,No.2,1-4 (WEB ONLY)  発行年： 2021年11月24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： 人間が音声を習得する能力をコンピュータ上で再現するためには,音声とそれに紐づく概念を理解すること,対話における相手の発話音声を認識すること,状況認識に基づいて発話内容を決定しそれを発声することが必要である.我々はこれまでの研究で,音声画像データから視覚情報に接地された単語概念を自動獲得し,状況(状態)に応じて適切に単語発話を行う音声言語獲得エージェントを実現した.しかしエージェントが発話を行う状態は,入力画像とエージェントの内部状態のみにより規定されることが想定されていた.本研究では,音声質問を状態に加える拡張を行う.シミュレーション実験により,エージェントが対話試行を通して質問音声と画像,および自身の内部状態に基づいた適切な発話を学習することを示す.さらにタスク設定として音声質問に否定表現を含めた実験を行い,学習時には存在しない入力の組み合わせが与えられた場合でも否定概念の理解のもと適切な返答を行えることを示す.(著者抄録)

シソーラス用語： 質問 ,  質問処理 ,  音声処理 ,  *理解 ,  話し言葉 ,  *エージェント ,  会話 ,  情報 ,  画像 ,  論理演算 ,  *発話 ,  視覚情報 ,  否定
準シソーラス用語： インテリジェントエージェント ,  音声言語理解 ,  対話

分類 (1件)： 自然語処理  (JE06000L)

引用文献 (9件)：

• Alwassel, H., Mahajan, D., Korbar, B., Torresani, L., Ghanem, B. and Tran, D.: Self-Supervised Learning by Cross-Modal Audio-Video Clustering, NeurIPS, Vol. 33, pp. 9758-9770 (2020).
• Harwath, D., Hsu, W. and Glass, J. R.: Learning Hierarchical Discrete Linguistic Units from Visually-Grounded Speech, CoRR, Vol. abs/1911.09602 (2019).
• Gao, S., Hou, W., Tanaka, T. and Shinozaki, T.: Spoken Language Acquisition Based on Reinforcement Learning and Word Unit Segmentation, ICASSP, pp. 6149-6153(2020).
• Zhang, M., Tanaka, T., Hou, W., Gao, S. and Shinozaki, T.: Sound-Image Grounding Based Focusing Mechanism for Efficient Automatic Spoken Language Acquisition, Interspeech, pp. 4183-4187 (2020).
• Kamper, H., Livescu, K. and Goldwater, S.: An embedded segmental K-means model for unsupervised segmentation and clustering of speech, ASRU, pp. 719-726 (2017).

タイトルに関連する用語 (8件)： 論理 ,  否定 ,  質問 ,  音声 ,  理解 ,  音声言語 ,  獲得 ,  エージェント