文献

J-GLOBAL ID：202502234571634783   整理番号：25A3103382

量子カスケードモデルを用いた効率的な音声対話状態追跡

Efficient Speech Dialogue State Tracking Based on Quantum Machine Learning

著者 (11件)： 三輪拓真 (奈良先端科学技術大学院大学) ,  三輪拓真 (理研GRP) ,  小田悠介 (理研GRP) ,  小田悠介 (国立情報学研究所大規模言語モデル研究開発センター) ,  大中緋慧 (奈良先端科学技術大学院大学) ,  大中緋慧 (理研GRP) ,  河野誠也 (理研GRP) ,  河野誠也 (京都工芸繊維大学) ,  吉野幸一郎 (奈良先端科学技術大学院大学) ,  吉野幸一郎 (理研GRP) ,  吉野幸一郎 (東京科学大学)
資料名： 人工知能学会言語・音声理解と対話処理研究会資料  (JSAI Technical Report, SIG-SLUD)
巻： 105  ページ： 58-63(J-STAGE)  発行年： 2025年 
JST資料番号： L1425A  ISSN： 0918-5682  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： 複数の機械学習モデルのカスケード実装は個々のモジュールを独立に訓練可能な一方で,前段モジュールの最終仮説を出力した段階でその仮説以外の情報が一部欠損してしまうという課題がある.この問題を解決するため一般的にはN-best訓練法が用いられるが,Nに応じて訓練・推論コストが増加する課題がある.本研究では音声対話状態を題材に,ASRモデルの出力する各仮説の確率値からなるベクトルを量子機械学習モデルへと入力し,複数仮説の同時処理を行うことで,従来のN-best訓練法における学習・推論コスト増加を抑制するフレームワークを提案する.提案法を音声対話追跡タスクのデータセットであるDSTC2に適用し,精度を維持しつつ大幅なパラメータ数の削減が可能であることを確認した.(著者抄録)

シソーラス用語： システムモデル ,  学習モデル ,  機械学習 ,  音声認識 ,  *音声対話システム ,  *量子計算 ,  対話処理
準シソーラス用語： カスケードモデル ,  *音声対話状態追跡 ,  機械学習モデル ,  自動音声認識 ,  量子カスケード ,  *量子機械学習モデル

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  量子力学一般  (BA06010C)

タイトルに関連する用語 (4件)： 量子 ,  カスケードモデル ,  音声対話 ,  追跡