文献

J-GLOBAL ID：201002207775482253   整理番号：10A0324012

重要文抽出に基づく講義音声の自動要約

Class Lecture Summarization Based on Important Sentence Extraction

著者 (4件)： 藤井康寿 (豊橋技科大 情報工学系) ,  山本一公 (豊橋技科大 情報工学系) ,  北岡教英 (名古屋大 大学院情報科学研究科) ,  中川聖一 (豊橋技科大 情報工学系)
資料名： 情報処理学会論文誌ジャーナル(CD-ROM)  (情報処理学会論文誌 論文誌ジャーナル(CD-ROM))
巻： 51  号： 3  ページ： 1094-1106  発行年： 2010年03月15日 
JST資料番号： Z0778B  ISSN： 1882-7837  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,大学院における講義音声を対象とした,重要文抽出に基づく自動要約手法を述べる。本論文ではまず,音声要約においてよく使われているMaximal Marginal Relevance(MMR)と識別器にSupport Vector Machine(SVM)を用いたfeature-basedを比較し,feature-basedの方が優れた結果を与えることを示す。次に,feature-basedの改善手法に関して述べる。Feature-basedの改善のために,3つのアプローチを試みた。1つ目は,重要文中によく出現するような重要文の手がかり表現(Cue Phrase for important sentences;CP)を自動抽出し,自動要約の素性とする手法である。CPの抽出はConditional Random Fields(CRF)を用いてラベリング問題として定式化される。2つ目は,人間による要約は重要文が連続しやすいという観測に基づき,重要文の連続性を考慮した要約を行う方法である。連続性を考慮するために,連続性をとらえる新たな素性を使用する。3つ目は,冗長性を排除する枠組みの導入である。これらの3手法を用いることで,feature-basedによる要約を改善できた。(著者抄録)

シソーラス用語： 抄録作業 ,  *サポートベクトルマシン ,  音声 ,  *音声認識 ,  手がかり ,  抽出 ,  *特徴抽出 ,  場 ,  文書 ,  冗長性 ,  大学院
準シソーラス用語： ラベル付け【文書】 ,  音声要約 ,  確率場 ,  講義 ,  講義音声 ,  自動抽出 ,  自動要約 ,  重要文

分類 (3件)： 情報加工一般  (AC05010A) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

引用文献 (30件)：

• Glass, J., Hazen, T. J., Hetherington, L. and Wang, C.: Analysis and processing of lecture audio data; Preliminary investigations, Proc. HLT-NAACL 2004, pp. 9-12(2004).
• Lamel, L., Adda, G., Bilinski, E. and Gauvain, J. L.: Transcribing Lectures and Seminars, Proc. Interspeech, pp. 4-8(2005).
• 富樫慎吾, 山口 優, 北岡教英, 中川聖一: 講義音声の認識・要約・インデックス化の検討, 情報処理学会研究報告, SLP-62-11(2006).
• Zhu, X. and Penn, G.: Summarization of Spontaneous Conversations, Interspeech, pp. 1531-1534 (Sep. 2006).
• Chen, Y., Chiu, H., Wang, H. and Chen, B.: A Unified Probabilistic Generative Framework for Extractive Spoken Document Summarization, Interspeech, pp. 2805-2808(2007).

タイトルに関連する用語 (4件)： 重要文抽出 ,  講義 ,  音声 ,  自動要約