文献

J-GLOBAL ID：201302240172438461   整理番号：13A0521857

音声情報案内システムにおけるBag-of-Wordsを用いた無効入力の棄却

Invalid Input Rejection Using Bag-of-Words for Speech-oriented Guidance System

著者 (8件)： 真嶋温佳 (奈良先端科学技術大学院大) ,  藤田洋子 (奈良先端科学技術大学院大) ,  TORRES Rafael (奈良先端科学技術大学院大) ,  川波弘道 (奈良先端科学技術大学院大) ,  原直 (岡山大) ,  松井知子 (統計数理研) ,  猿渡洋 (奈良先端科学技術大学院大) ,  鹿野清宏 (奈良先端科学技術大学院大)
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： 54  号： 2  ページ： 443-451  発行年： 2013年02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： 実環境における音声認識を用いた情報案内システムでは,雑音等の非音声やユーザ同士の背景会話など,システムへの入力として不適切な入力が存在する。これらの入力はシステムの誤作動・誤認識の原因となるので,システムへの入力として適切な入力(有効入力)と不適切な入力(無効入力)の識別を行い,無効入力を棄却することにより,無効入力に対する応答処理を行わないことが重要である。従来,有効入力と無効入力との識別には,メル周波数ケプストラム係数などの音響的特徴量によるGMM(Gaussian Mixture Model)が用いられる。しかし,入力データの音声認識結果から得られる言語的な情報を使うことにより,システムのタスクを考えたうえで有効入力と無効入力の識別が可能になると考えられる。そこで本論文では,音響特徴量にBag-of-Words(BOW)を言語的特徴量として併用した無効入力の識別を検討した。識別手法としては,サポートベクタマシン(SVM)および最大エントロピー法を用いた。実験には実環境音声情報案内システム「たけまるくん」の入力データを用いた。SVMによる識別結果では,GMMによる音響尤度のみを用いた場合に比べて,BOWを用いた場合,F尺度を82.19%から85.41%に改善することができた。さらに,GMMによる音響尤度,発話時間,SNRを組み合わせた特徴量にBOWを追加することで,F尺度を86.58%まで改善することができた。詳細な分析の結果,BOWは特に無効入力の誤受理を減らす効果があることが示された。(著者抄録)

シソーラス用語： *音声認識 ,  *案内システム ,  特徴抽出 ,  言語学 ,  判別分析 ,  *サポートベクトルマシン ,  エントロピー ,  数値 ,  誤り率 ,  入力 ,  最大エントロピー
準シソーラス用語： *音声情報案内システム ,  Bag-of-Words ,  F値 ,  無効入力

分類 (3件)： パターン認識  (JE07000S) ,  その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

引用文献 (20件)：

• [1] Nisimura, R., Lee, A., Saruwatari, H. and Shikano, K.: Public Speech-oriented Guidance System with Adult and Child Discrimination Capability, Proc. ICASSP, pp.433-436 (2004).
• [2] Sukka, R.A. and Lee, C.H.: Vocabulary independent dis-criminative utterance verification for nonkeyword rejection in subword based speech recognition, IEEE Trans. Speech and Audio Processing, Vol.4, No.6, pp.420-429 (1996).
• [3] Matsui, T., Soong, F. and Juang, B.H.: Verification of multiple class recognition: A classification approach, IE-ICE Trans. Information and Systems, Vol.E88-D, No.3, pp.455-462 (2005).
• [4] Lane, I.R., Kawahara, T., Matsui, T. and Nakamura, S.: Out-of-Domain utterance detection using classification confidences of multiple topics, IEEE Trans. Acoustis, Speech, and Language Processing, Vol.15, No.1, pp.150-161 (2007).
• [5] 中村敬介, 西村竜一, 李 晃伸, 猿渡 洋, 鹿野清宏:実環境音声晴報案内システムにおける環境雑音および不要発話の識別, 電子情報通信学会技術研究報告, Vol.SP2003-172, pp.13-18(2004).

タイトルに関連する用語 (1件)： 音声情報案内システム