文献

J-GLOBAL ID：201202200772640486   整理番号：12A1564000

会話電話音声認識に対する部分空間Gauss混合モデルの教師なし学習

UNSUPERVISED TRAINING OF SUBSPACE GAUSSIAN MIXTURE MODELS FOR CONVERSATIONAL TELEPHONE SPEECH RECOGNITION

著者 (3件)： MA Zejun (Inst. Automation, Chinese Acad. Sci., Beijing) ,  WANG Xiaorui (Inst. Automation, Chinese Acad. Sci., Beijing) ,  XU Bo (Inst. Automation, Chinese Acad. Sci., Beijing)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2012 Vol.7  ページ： 4829-4832  発行年： 2012年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 資源の乏しい言語や方言の場合には,多量の訓練データの収集が大語彙連続音声認識の隘路となり,この問題の克服に教師なし学習手法が注目されている。またデータのスパース性に対応する技法として,比較的低次元ベクトルの集合を利用して,状態出力分布間の変動を捕捉する部分空間Gauss混合モデル(SGMM)がある。本論文は,この両者を組合せ,資源の乏しい会話電話音声(CTS)認識タスクに対する,SGMMモデルの教師なし学習を考察した。学習手順として,シードモデル学習,転写生成,データ選択,モデル再学習を反復し,音響モデルを逐次詳細化する手順を示した。この手順をGMMとSGMMの両方に適用し,公開されている2種の英語会話電話音声コーパスを利用して実験を行い,両モデルの性能を比較した。提案した手順中の音声データの手作業による転写は,低資源シナリオで極めて有効であることを示した。

シソーラス用語： *連続音声認識 ,  会話 ,  電話 ,  資源 ,  自然言語 ,  データ ,  *教師なし学習 ,  性質 ,  空間 ,  *Gauss模型 ,  転写 ,  コーパス ,  実験 ,  モデル
準シソーラス用語： *Gauss混合モデル ,  スパース性 ,  音響モデル ,  音声コーパス ,  訓練データ ,  言語資源 ,  *大語彙連続音声認識 ,  評価実験 ,  部分空間

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 会話 ,  電話 ,  音声認識 ,  部分空間 ,  Gauss混合モデル ,  教師なし学習