放送の転写のためのリスクベースの準教師付きの区別的な言語モデル化

KOBAYASHI Akio; OKU Takahiro; IMAI Toru; NAKAGAWA Seiichi

文献

J-GLOBAL ID：201202277296442720 整理番号：12A1673474

放送の転写のためのリスクベースの準教師付きの区別的な言語モデル化

Risk-Based Semi-Supervised Discriminative Language Modeling for Broadcast Transcription

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=12A1673474&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=12A1673474&from=J-GLOBAL&jstjournalNo=L1371A") }}

著者 (4件)： , , ,
資料名：
巻： E95-D 号： 11 ページ： 2674-2681 (J-STAGE) 発行年： 2012年
JST資料番号： L1371A ISSN： 0916-8532 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：英語 (EN)

本論文では準監督された区別的な言語モデル化に関する新しい方法を説明する。モデルは,手動で転写された(ラベル化)データから得られた区別的な言語モデル(LM)のロバストさを改善するように設計されている。区別的なLMは対数線形モデルとして実装される。それは,単語または音素系列から得られた1セットの言語学的特徴を使用する。提案された準監督された区別的なモデルは多目的最適化プログラミング問題(MOP)として定式化される。それは,ラベルされた格子およびラベルされていないデータとして自動音声認識(ASR)格子双方で定義された二つの目的関数よりなる。目的は,トレーニングデータのために単語誤差の情報を反映する期待されたリスクに基づいて首尾一貫して設計されている。モデルは区別的な方法で訓練され,MOP問題の解として得られる。日本の放送番組を転写する際に,提案した方法は従来の三重文字で得られるそれと比較して相対的に言語誤り率を6.3%削減した。(翻訳著者抄録)

, , , , , , , , ,
, ,

オペレーションズリサーチ一般 , パターン認識

引用文献 (23件)：

IMAI, T. Speech recognition with a seamlessly updated language model for real-time closed-captioning. Proc. Interspeech, 2010. 2010, 262-265
KOBAYASHI, A. A broadcast new transcription system for content application. IEICE Trans. Inf. & Syst. (Japanese Edition), D. 2010, J93, 10, 2085-2095
MAKHOUL, J. Speech and language technologies for audio indexing and retrieval. Proc. IEEE. 2000, 1338-1353
POVEY, D. Minimum phone error and I-smoothing for improved discriminative training. Proc. ICASSP, 2002. 2002, "I-105"-"I-108"
ROARK, B. Discriminative n-gram language modeling. Comput. Speech Lang. 2007, 21, 373-392

, , , ,

前のページに戻る